据SemiAnalysis测算，单颗国产AI芯片的性能，大约是英伟达Blackwell架构的三分之一。

这是国产算力在先进制程受限下面对的物理天花板。但在WAIC2026上，一条绕开这块天花板的路线被跑通。当芯算融合馆挤满专业观众时，很多人是来看这套新解法的。

“拼积木”的系统战

既然单卡存在差距，那就把卡连起来。这种把几百上千颗芯片组合成一台“超级计算机”的技术，业内叫超节点。

华为之前算过一笔账。单颗昇腾芯片确实有差距，可一旦用高速互联技术把它们组成CloudMatrix 384集群，总体性能是英伟达GB200 NVL72的1.7倍，内存容量达到3.6倍。这种方案弥补了单点性能短板，在整体吞吐量上实现了反超。

这次在WAIC现场，华为把Atlas 950超节点真机拉了过来。这个庞然大物单机柜装了64张卡，靠着自研的灵衢协议，能把1024张卡连在一起。它实现了256TB的全局统一内存编址。大模型训练中芯片之间数据交互频繁，现在所有芯片访问远端数据就像访问本地缓存一样快，通信时延压到了3微秒。昇腾上一代超节点已在20多个行业落地750多套，这种从技术可行到商业可用的跨越，给行业留下了实际的参考样本。

 不只是华为在做这件事。中科曙光宣布了国内首个全国产十万卡AI超集群“曙光8000”投入使用。这套系统以海光芯片为算力底座，采用“超智融合”技术路线，同时支持高精度科学计算和低精度智能计算。十万张卡的规模，对系统可靠性要求极高，任何一个部件抖动都可能导致整体作废。中科曙光给出的解法，是算力单元与机柜解耦，单节点集成40张GPU，部署周期从数月缩短到了数小时。

中兴通讯在展会上发布了OEX超节点。他们的思路是开放解耦，底层协议标准化，全面兼容壁仞、沐曦、燧原等国内多元GPU生态。客户可以自主选择最优的芯片组合，再通过中兴的大容量交换芯片打通机内与机间互联。为了解决散热问题，这套方案配套了全栈液冷技术，能把PUE控制在1.15以内。

清微智能也在展示他们的REX81 Supernode系统。这套系统集成了4096颗TX81芯片，算力突破每秒500千万亿次。清微智能CTO欧阳鹏的解释很直白：超节点就是把众多芯片紧耦合在一起，像一个单一节点一样工作。通过芯片直连通道，这套方案减少了传统集群中的交换节点，互联成本降幅约90%。

超节点扎堆出现，不是巧合。大家等于承认了一件事：制程上那点差距，短期追不上，那就换个地方比。

被低估的生态软板

行业里衡量这件事有个硬指标，叫MFU，模型算力利用率。芯片标称算力再高，真正能用在训练上的只是一部分。有科技公司基础设施负责人算过一笔账，极端情况下，模型训练过程中会浪费掉一半算力。而决定这个指标高低的，很大程度上不是芯片本身，是底层驱动、算子库和并行策略这些软件层的功夫。

国产阵营在这上面已经交出过一份答卷。华为用8192枚昇腾910训练盘古大模型时，MFU超过了50%，而训练同类稠密模型的业内普遍基准通常在40%到50%之间。但单点案例不等于普遍水平。CUDA生态覆盖了绝大多数开发者，开发者设计新算子，第一时间适配的还是英伟达的卡。如果国产软件栈跟不上主流开源框架的更新节奏，客户手里的卡就跑不起来新模型。

所以今年WAIC上，算力厂商开始在软件适配上发力。清微智能的RAISA软件栈已经适配了200多个大模型，支持PyTorch等主流框架和CUDA算子迁移。华为的昇腾CANN也在全面开源开放，旨在降低开发者的迁移门槛。沐曦股份带着全精度GPGPU架构和MXMACA软件栈亮相，尝试建立完整的软件生态。

芯片发布只是第一步，让开发者用得顺手，才是决定产品能否存活的关键。

推理时代的门票

算力基础设施的这波重构，背后是一本经济账。

IDC中国上个月表示，到2027年，推理会占到智能算力需求的七成以上。这个数字意味着什么？前几年买卡主要是为了训模型，训完一轮算一轮。推理不一样，模型只训几次，推理却要发生亿万次，智能体一个任务还会连续触发好几轮模型调用。到了这一步，客户关心的就不再是峰值算力，而是并发撑不撑得住、响应快不快、每个Token的成本能不能压下来。

而推理恰恰最吃通信时延和互联带宽，这两样都是超节点的长处。卖方市场已经有了反应。华泰证券在研报中，把超节点称作“26年国产算力破局之道”，测算出的2028年市场规模是3414亿元。订单也来得比预想的快。中国移动今年3月启动了集团层面首次AI超节点集采，6208张加速卡，运营商里这是头一回。

采购方的口味也跟着变了。前几年客户拿着单卡参数表挑货，现在直接问：能不能把我的模型跑起来，后续扩容怎么办。这道题单靠芯片答不了，互联协议、整机柜、散热、软件栈，哪一环短了都交不出货。逛完这届WAIC再回头看，单颗芯片三分之一的差距还在那里，但行业已经不在这个刻度上纠缠了。胜负手换成了另一个：谁能把一整套系统稳定地交到客户机房里。