核心内容总结
国产AI芯片因为先进制程受限、高端HBM断供、CUDA生态壁垒等硬伤，正从“拼单卡性能”转向“拼系统级交付”——通过超节点、万卡集群等方式，把大量“不完美”的单卡连起来，凑成能满足大模型训练和智能体推理的巨型算力。但这条路并不容易：既要突破通信、散热的物理极限，还要解决软件生态迁移的成本问题，同时客户更务实，先看“能不能用”再谈性价比。此外，端侧算力（本地设备）也在崛起，端云协同成新趋势。
一、为啥突然流行“超节点”？模型变大+智能体烧算力，单卡扛不住了
以前厂商比的是单芯片的参数，现在为啥都在搞“把几百张卡绑一起”的超节点？核心是需求变了：
- 模型越来越大：现在大模型参数到了万亿级，上下文窗口能装1兆以上的内容（相当于几十万字），单个芯片的内存和算力根本不够用。比如摩尔线程说“让256张GPU像一张卡工作”，华为昇腾950的统一内存编址，本质都是解决“单卡天花板”问题——人多力量大，用数量凑出大算力。
- 智能体让推理算力暴增：以前是我们用AI（比如问ChatGPT），现在是AI自己用AI（比如智能助手帮你查资料，会自动调用多个模型），Token消耗呈指数级增长。百度云的人说，现在推理需求占了国产算力的大头，而且是高并发、长上下文的，必须靠超节点才能扛住。
不过也有人泼冷水：有些厂商搞万卡集群是为了“秀肌肉”，证明自己能出货，但实际商用场景里，8卡或16卡就够了，很多万卡方案还没真正落地。
二、系统级突围的第一道坎：物理定律卡脖子
把几百张卡连起来不是简单堆一起，首先要过物理关：
- 通信速度的“三米魔咒”：要让几百张卡协同，数据传输得快且稳定。铜缆超过3米信号就衰减，所以得加粗线缆，但又会带来发热、重量问题。华为的灵衢协议、摩尔线程的MTLink都是想解决这个，但还是绕不开物理极限。现在大家开始用“光互连”（比如曦智科技的方案），光纤能把稳定连接距离拉到几十米，但成本高、技术还不成熟，铜缆短期内还是主流。
- 散热和功耗的“烧钱坑”：超节点的功耗能到400千瓦（相当于一个小工厂），单柜功率轻松突破15千瓦，风冷根本压不住，液冷成了必须。但传统机房改液冷要换基础设施，还得停机，很多企业不敢动。华为的风冷超节点就是折中方案——不用改机房，直接上架，能扩到96卡，给传统客户留了条路。
这些物理问题不是技术能完全解决的，而是把单卡的问题转移到了系统层面，成本和复杂度都翻了倍。
三、软件生态：国产算力最难啃的骨头
客户买芯片不是看你参数多牛，而是看能不能跑自己的模型——这就绕不开CUDA生态的壁垒：
- 模型迁移像“搬砖”：很多客户的模型和代码都是基于英伟达CUDA写的，换成国产芯片就得重写算子（相当于把积木拆了再重新搭）。开源模型还好，闭源模型可能要额外开发，成本高、耗时间。比如奕行智能说，迁移本质是“搬运工”的活，得投入大量人力。
- 客户只认“能用”：百度云的人说，客户采购时根本不关心你是GPU还是TPU，只问三个问题：卡型、价格、能不能快速适配我的软件。昆仑芯走兼容CUDA的路线，就是因为客户不想换代码。但大部分国产芯片做不到完全兼容，迁移成本成了最大障碍。
四、客户到底要啥？先“能用”，再算经济账
国产算力的客户不是追求极致性能的创业公司，而是务实的大企业：
- 第一关是“可用”：奕行智能说，很多芯片还停留在Demo阶段，扔到客户机房就出问题——“不可用，其他都是吹牛”。客户先拿自己的模型测试，性能过关了才谈价格。
- 看总拥有成本（TCO）：不是单卡便宜就好，还要算运维、散热、迁移的钱。比如万卡集群的功耗高，电费就是一笔大开销；迁移模型要雇工程师，也是成本。
- 核心客户是“国家队”：运营商、金融巨头、电力系统这些客户，更看重合规、本地部署、供应链稳定，而不是单卡峰值性能。华为展示的案例里，客户关心的是“缩短30秒流程”“降低80%响应时延”，这些业务指标比跑分更重要。
推理场景是突破口：训练可以容忍慢点（比如多跑3天），但推理成本高10%就没竞争力，所以国产芯片都在抢推理市场。
五、端侧算力崛起：不只是云端的“缩小版”
今年WAIC上，端侧算力（比如AI PC、家庭AI中枢）占了三成，端云协同成了新趋势：
- 端侧解决隐私和延迟：比如情感陪伴机器人，用户的私密对话不想上传云端，低延迟交互也需要本地计算。安谋科技说，端侧不是云端的缩小版，要在有限功耗和面积里死磕效率（比如存内计算）。
- 端侧也搞“系统集成”：此芯科技的AGX平台，把CPU、GPU、NPU绑一起，还预装智能体OS；摩尔线程的AIBOOK是开发者个人智算平台，AICUBE是家庭AI中枢。这些都是把端侧做成“小超节点”，和云端分工：云端负责大模型训练，端侧负责本地推理。
端侧的崛起说明，算力不是只往云端集中，而是向“云+端”分散，给国产芯片多了一条路。
最后：突围还是绕远？
系统级路线是国产算力的必选项——单卡追不上英伟达，只能靠“团结力量大”。但这条路更重：物理限制、软件迁移、成本问题都是坎。展台上的参数再炫，最终要看客户机房里能不能稳定跑起来。国产算力要突围，得先把“可用”夯实，再慢慢优化成本，而不是急着和英伟达比峰值性能。毕竟，客户要的是能解决问题的工具，不是好看的参数。