计算机行业专题研究：计算需求演进超节点成为AI基础设施共识-250923（19页）.pdf

1、计算需求演进，超节点成为AI基础设施共识计算机行业专题研究相关报告投资要点:本篇报告解决了以下核心问题：1、超节点的演进与特征；2、AI算力需求空间与趋势；3、国产芯片加速推进超节点布局。计算需求演进，超节点成为AI基建共识计算基础设施需求转向搭建高带宽、低时延、持续数据供给的均衡系统。钦奇拉法则（ChinchillaLaw）在规模定律（ScalingLaw）基础上进一步要求参数与数据按比例协同扩展，即对高带宽、低时延的数据传输能力提出了刚性要求。而面对AI算力需求迅速增长，单芯片性能提升幅度却在逐年收窄。在此背景下，基础设施的挑战从过去的“纯算力”问题，升级为“算力times数据供给time

2、s系统编排”的综合性工程难题。超高带宽互联与内存统一编址是超节点的基础技术特征。（1）超大带宽和超低时延互联：超节点借助高效的互联协议打破传统架构限制，支持更大规模AI处理器的高效协同，实现更大范围、更高流量的数据传输，从而突破系统性能。（2）内存统一编址：超节点内所有互联设备的内存地址需全局唯一，基于全局内存可实现任意设备间的灵活访问。这使得大模型训练中频繁的参数同步操作，无需经过传统的“序列化-网络传输-反序列化”流程，直接通过内存语义通信完成，提升小包数据传输及离散随机访存通信效率。多级缓存池化、资源灵活配比以及高可靠性是未来产品能力持续优化的方向。（1）资源池化：将分散的计算、存储、网

3、络资源抽象为统一逻辑资源池，以集中化管控的方式消除资源孤岛，实现动态弹性调度。（2）资源灵活配比：通过资源池化与软件定义架构的深度融合，将CPU、NPU、内存、存储等物理资源解耦为可独立调度的资源池，根据任务特征自动调整各类型资源的配比比例。（3）高可靠性：稳定性是决定系统计算效率及成本的重要指标之一，最大程度保障训练任务不中断，训练数据和和结果不丢失。未来五年全球AI资本开支3-4万亿美元，AI推理需求将远超训练英伟达预计未来五年全球AI资本支出将达3-4万亿美元。下游互联网、主权国家、原生AI厂商、AI推理等环节需求持续增长。（1）CSP：谷歌将2025年CapEx预期从750亿美元上调至

4、850亿美元，主要用于AI基础设施建设；微软Q2的CapEx为242亿美元，预计Q3的CapEx将超300亿美元；Meta调整2025年CapEx区间为660-720亿美元，并表示2026年CapEx仍将显著增长；甲骨文FY2026Q1的Capex为85.02亿美元，同比增长269.17%，预计2026财年CapEx将达约350亿美元；阿里巴巴-W在2025Q2财报电话会上重申三年3800亿元人民币AI资本开支计划。（2）主权AI、推理AI需求正在崛起。腾讯表示，大模型产业重心从训练到推理的转变，已成行业共识。甲骨文也强调，AI推理市场将“远大于”AI训练市场，为了在AI推理市场占据主导地位。

5、另外，主权AI正在崛起，英伟达认为今年有望实现200亿美元的主权AI收入，鸿海预计未来五年主权AI领域投资有望超1万亿美元。国产芯片加速推进超节点布局华为以开创的超节点互联技术，引领AI基础设施新范式。2025年3月，华为正式推出满配384颗Ascend910C芯片的Atlas900超节点CloudMatrix384。2025年9月18日，华为发布满配8192颗Ascend950DT芯片的Atlas950超节点以及满配15488颗Ascend960芯片的Atlas960超节点；并发布Atlas950SuperCluster50万卡集群和Atlas960SuperCluster百万卡集群；同时，

6、开放面向超节点的互联协议灵衢2.0技术规范；还推出全球首个通用计算超节点TaiShan950超节点。中科曙光发布国内首个基于AI计算开放架构设计的曙光AI超集群系统。中科曙光2025年9月5日发布国内首个基于AI计算开放架构设计的产品曙光AI超集群系统。除了紧耦合设计，该集群系统还支持多品牌AI加速卡以及兼容CUDA等主流软件生态，为用户提供更多开放性选择，大幅降低硬件成本和软件开发适配成本。浪潮信息发布面向万亿参数大模型的超节点AI服务器“元脑SD200”。根据元脑服务器公众号，8月7日，浪潮信息发布面向万亿参数大模型的超节点AI服务器“元脑SD200”。该产品基于自主研发的开放总线交换技术