图注：一图读懂本文要点——单柜密度翻了四倍多，但决定成本的不是芯片那一栏（来源：源势AI）
2026 工博会上，国产芯片厂商集中展出超节点方案。沐曦股份带来曦景 S600，单机柜 64 卡全互连；天数智芯首次展出天垓 300 IXL144，单柜可集成 144 颗 GPU，为目前业内单柜最高密度；阿里云也在云栖大会上展示了磐久 AL144 ScaleUp 超节点，单柜 ScaleUp 域最大 144 卡（来源：21世纪经济报道，2026-10-14）。
对比三年前的主流做法：标准机柜装 4U 服务器、每台 8 卡，即便采用 30 至 50kW 的高电机柜，也只能容纳 3 至 4 台——单柜容量长期停在 24 至 32 卡（来源：21世纪经济报道，2026-10-14）。
从 32 到 144，翻了四倍多。这个数字好看，但它回答的问题很窄。
密度是被通信逼出来的
单柜塞多少卡，本来由机柜的供电和承重决定；这几年推着它往上走的，是网络。
大模型参数从千亿迈向万亿之后，集群间靠网卡通信的内存带宽成了墙。卡与卡之间走外部网络，延迟和带宽都不够用，厂商的解法是把互连范围收进机柜内部——柜内全互连，密度随之跳到 64、128 乃至 144 卡（来源：21世纪经济报道，2026-10-14）。
源势AI 此前跟过这条线：阿里云在乌兰察布上线的灵骏真武 M890 超节点，单卡 144GB 显存、性能是上一代 810E 的三倍，更值得看的另一组数字是 64 张卡、卡间带宽 800GB/s、点对点通信时延 150 纳秒以内（来源：源势AI《算力的瓶颈换成连接》，2026-08-19，引 SDNLAB《真武 M890 超节点深度技术解析》）。阿里云自己的判断是，在超大规模集群里，决定性能上限的不是计算单元，而是连接它们的网络。
同一份技术解析里还有一条规模数据：这个单元已经跑通超 2 万亿参数的大模型，Kimi K3 与阿里自有的 Qwen3.8-Max 都在上面对外提供服务，单实例上限能扛到十万亿参数级的 MoE 模型推理（来源：《网络定义集群：阿里云灵骏真武 M890 超节点深度技术解析》，笔记同步助手/2026-08-14）。
英伟达走的也是这条路，只是把机架规模定在 72：节点规模由 8-GPU HGX 提升到 72-GPU NVL72，聚合带宽 130 TB/s，单机架相当于一台逻辑 GPU，封装内 NVLink-C2C 让 CPU/GPU 共享一致性内存、消掉 PCIe DMA 开销（来源：《AI Superchip 与机架级架构：Blackwell NVL72 与 NVLink-C2C》，研究报告/11-AI-Fundamentals）。
图注：标准机柜 24 至 32 卡是供电与承重约束下的旧上限，柜内全互连把密度推到 64 至 144 卡（数据来源：21世纪经济报道，2026-10-14）
144 不等于吞吐
这里有个必须说清的口径。
"144 卡"是单柜集成密度，不等于算力，也不等于有效吞吐。跨厂商的数字因互连方案、显存池化规模与供电条件不同，不宜直接比较（来源：21世纪经济报道，2026-10-14）。
同样是 144 卡，全互连域有多大、显存能不能池化、柜内带宽是多少，直接决定跑万亿参数模型时是真加速还是纯粹堆料。更关键的是，柜内互连速率的提升不会自动转化为柜间效率：一个超节点内部的带宽做到 130 TB/s，如果两个超节点之间还是普通以太网，跨柜通信依旧会成为瓶颈（来源：《AI Superchip 与机架级架构：Blackwell NVL72 与 NVLink-C2C》，研究报告/11-AI-Fundamentals）。
天数智芯副总裁郭为给了一个使用条件：只有高并发、超长上下文、需要超大显存的高附加值场景，才值得买超节点，最典型的是"Token 工厂"（来源：21世纪经济报道，2026-10-14）。
这句话反过来读也成立——推理批次小、上下文短、显存吃得少的场景，买个 144 卡的单柜，大部分时间会空转。
图注：高并发、超长上下文、超大显存三类场景才适配超节点；其余负载下，密度的收益抵不过改造与运维成本（数据来源：21世纪经济报道，2026-10-14）
三笔账：迁移、机房、运营
芯片成本只是冰山一角。
郭为把厂商该帮客户算清的账归纳为三笔：算法迁移成本、机房改造成本、运营成本（来源：21世纪经济报道，2026-10-14）。
机房改造这一笔最容易被低估。144 卡全互连通常配液冷，供电要重做、承重要重算、散热管路要新铺，严重时要新建机房。旧机房改造的成本，有时比再建一个更贵。
迁移成本也不是一次性支出。原来的训练/推理代码针对 8 卡节点写过，换成柜内全互连的单域之后，并行策略、通信原语、显存切分方式都要重写，调优周期以周计。
运营成本藏在密度本身：一个 30 至 50kW 的机柜已经接近传统数据中心的散热极限，144 卡方案的实际功耗普遍更高，电价、PUE、故障影响面全部随之放大；一次柜级故障波及的算力规模，可能是原来十几个机柜的量（来源：21世纪经济报道，2026-10-14）。
国产厂商在这类超节点上的实际出货规模与客户名单，目前均未披露。
源势AI观点
第一，把"单柜密度"和"可用吞吐"分成两个指标验收。144 卡是集成能力，跑通多少参数、在什么批大小下有效吞吐是多少，才是可用性。招标文件里如果只写密度，供应商会按最容易达成的那个数交付。
第二，机房改造成本要在采购立项前估算，不能算在"上线后优化"里。液冷管路、供电扩容、承重加固这三项动辄触及土建，等设备到货再发现装不进去，沉没成本极高。
第三，先确认业务属于哪一类，再决定要不要买超节点。高并发、超长上下文、超大显存三类场景能吃下这份密度；其余负载下，多卡普通节点加高速网络的组合，往往在总拥有成本上更划算。
来源说明：本文数据线索来自 2026-10-15 的 Tech Digest《AI行业24小时_20261015_10》；"144 卡"为单柜集成密度口径，非算力或有效吞吐，跨厂商数字不可直接比较。
话题标签：#超节点 #算力基础设施 #总拥有成本
