目录一、三份报告的定位差异二、对“超节点”的定义有什么不同三、技术重点差异趋势、架构和技术手册四、产品和方案侧重点不同五、生态表达开放、解耦和标准化六、工程落地谁更关注“进机房之后”七、三份报告共同说明了什么八、读报告时应该避免的几个误区九、总结本文基于以下三份报告进行汇总、解释和二次整理华为《超节点发展报告中兴《超节点技术白皮书H3C《超节点技术白皮书》前四篇文章我们已经从概念、架构、核心技术和 AI 负载几个角度把超节点讲了一轮。这一篇换一个视角回到报告本身。同样都在讲超节点华为、中兴和H3C三份报告的表达并不完全一样。它们关注的问题、切入角度、技术重点和工程落点都有差异。这不是“谁对谁错”的问题而是三份报告站在不同位置看同一个系统性变化。如果简单概括华为更强调超节点作为 AI 时代的核心计算单元。中兴更强调以HBD和OEX为核心的系统架构以及 AI 工厂形态。H3C 更强调协议体系、操作系统、资源池化、部署运维和工程落地。把三份报告放在一起看反而能更完整地理解超节点它既是产业趋势也是网络与互联技术问题还是智算中心工程问题。一、三份报告的定位差异先看报告定位。维度华为《超节点发展报告》中兴《超节点技术白皮书》H3C《超节点技术白皮书》文档气质发展报告、趋势判断、产业共识技术白皮书、架构方案、AI 工厂技术手册、协议解析、部署运维核心关注为什么 AI 时代需要超节点超节点如何形成高带宽协同系统超节点真正落地需要哪些全栈能力主要抓手昇腾超节点、昇腾 384、Atlas 900 SuperClusterNebula、OEX、凌云交换芯片、Nebula MatrixUniPoD S80000、GLink、AD-DC 智算版适合引用背景、趋势、产业判断架构、HBD、在网计算、AI 工厂协议、OS、资源池化、液冷供电、运维华为报告更像是在回答“为什么超节点会成为 AI 基础设施的新形态”它从大模型训练成本、通信瓶颈、功耗和可靠性出发强调传统服务器集群已经很难支撑更大规模 AI 负载。报告里的重点是把超节点解释成 AI 时代的核心计算单元。中兴报告更像是在回答“怎样设计一个能持续扩展的超节点系统”它大量讨论Scale-Up、Scale-Out、高带宽域、统一内存编址、在网计算、OEX 互联和 AI 工厂。这份报告的系统架构味道更重。H3C 报告更像是在回答“超节点真要进机房需要补齐哪些协议、软件和工程能力”它篇幅很长覆盖互联协议、CXL、Load/Store、操作系统、液冷、供电、部署、巡检、运维和生态标准。它更接近一份面向建设和落地的技术说明书。二、对“超节点”的定义有什么不同三份报告都讲超节点但定义侧重点不同。报告定义侧重可以怎样理解华为AI 时代核心计算单元超节点是突破单机边界、支撑大模型训练推理的新型算力单元中兴高带宽域 HBD超节点是通过高速互联和专用交换芯片构建的紧耦合 GPU 协同域H3C机柜级紧耦合算力单元超节点是资源池化、统一内存语义和一体化基础设施构成的系统华为的定义偏产业和体系结构。它强调超节点把数十、数百甚至更多 AI 处理器组织成一个逻辑统一的计算体并具备大带宽、低时延、统一内存编址、资源池化和可靠性能力。中兴的定义偏互联和系统架构。它把超节点明确放在HBD也就是 High-Bandwidth Domain 的语境里。这个视角很重要因为它说明超节点不是泛泛地“多卡互联”而是要形成一个高带宽、低时延、统一编址的协同计算域。H3C的定义偏工程和资源体系。它强调机柜级紧耦合算力单元把 CPU、GPU/NPU、DPU、内存、外存等资源通过 AI 优化高速互联组织起来并通过统一软件栈实现资源池化和平等协同。如果把三者合并可以得到一个更完整的说法超节点是面向大模型训练和推理的高密度 AI 算力单元它通过Scale-Up高速互联、统一内存编址、资源池化和软硬协同把多颗 AI 加速芯片组织成一个逻辑统一、通信紧耦合、运维可管控的巨型计算节点。三、技术重点差异趋势、架构和技术手册三份报告最大的差异在于技术展开的重心不同。技术主题华为中兴H3CScale-Up强调突破单机边界形成超节点通信域核心概念HBD 承载 TP/EP 等高频通信大篇幅讨论协议栈、拓扑和生态Scale-Out用于超节点集群化扩展与 Scale-Up 融合形成 Matrix 集群超节点作为跨 HBD 域训练加速网络统一内存编址基础特征之一区分普通集群与超节点的关键前提进一步延伸到 CXL、OS、Load/Store在网计算提及较少重点讨论 All-Reduce、MoE Dispatch/Combine 卸载在协议和网络层能力中展开资源池化用于 KV Cache、多级存储、灵活配比软件栈中的统一虚拟化资源池大篇幅讨论 CXL、远程内存、KV Cache 池化运维/RAS强调高可靠和智能运维强调可观测、故障预测、冗余独立展开部署、巡检、监控、自愈华为报告的重点是“为什么”。它不断强调大模型带来的系统性瓶颈通信、内存、功耗、可靠性和资源调度。报告中的很多观点适合用来解释超节点出现的背景。中兴报告的重点是“怎么设计”。它把超节点拆成高带宽域、互联协议、交换芯片、在网计算、软件栈和 AI 工厂。尤其是对MoE通信、Dispatch、Combine、在网计算的讨论非常适合写技术文章。H3C 报告的重点是“怎么落地”。它覆盖从NVLink、UALink、CXL、GLink到操作系统、机房部署、液冷供电、运维平台的长链条。对于想理解超节点工程复杂度的读者这份报告的信息密度更高。四、产品和方案侧重点不同三份报告都会提到具体产品或方案但表达方式不同。维度华为路径中兴路径H3C 路径核心方案昇腾 384 超节点、Atlas 900 SuperClusterNebula 单体超节点、Nebula Matrix、OEXUniPoD S80000、GLink、AD-DC架构表达超节点作为核心计算单元向集群扩展单体超节点 Matrix 集群超节点 AI 工厂32/64/256 卡整机柜 软件栈 运维体系互联重点超节点通信域、Scale-Up/Scale-Out 协同OEX 正交无背板互联、凌云交换芯片Scale-Up 协议体系、GLink、CXL、以太生态兼容工程重点可靠性、液冷、资源池化、应用案例物理架构、光电互联、液冷供电、AI 工厂机房部署、液冷管路、漏液检测、训前巡检华为报告里超节点更像是一个面向 AI 时代的标准计算单元。它的产品案例服务于一个更大的判断未来智算中心会从服务器集群走向软硬件一体化的集成计算单元。中兴报告里超节点更像是一套面向 AI 工厂的系统架构。Nebula、OEX、Matrix等概念串起来之后重点不是单柜有多少卡而是从单体高带宽域扩展到更大规模 AI 生产系统。H3C 报告里超节点更像一个可以被部署、运维和扩展的工程实体。它不仅讲系统形态也讲机房、电力、液冷、拓扑运维和软件栈分层。下面这张图来自中兴报告展示了其全栈协同 AI 基础设施的整体表达。它适合放在文章中解释中兴报告关注的不只是单体超节点而是从硬件、网络、软件到 AI 工厂的系统组织方式。图源中兴《超节点技术白皮书》第 36 页图 4-1。下面这张图来自 H3C 报告展示了 S80000 软件栈分层架构。它适合用来说明H3C 报告更强调超节点从硬件到通信、框架、平台、运维的全栈协同。图源H3C《超节点技术白皮书》第 309 页图 192。五、生态表达开放、解耦和标准化超节点不是单一厂商、单一协议就能完全覆盖的领域。三份报告都在不同程度上谈到了生态。华为报告更强调开源开放和产业协同。它把超节点放在昇腾生态、软硬件开源开放、行业智能化的大背景下讨论强调通过生态建设降低 AI 基础设施使用门槛。中兴报告更强调开放架构和全栈协同。它既讨论专用交换芯片和系统架构也提到开放 OEX 机械与电气规范、参与国内标准等方向。这个表达对应的是“架构开放、系统协同”的路线。H3C 报告更强调协议标准化和多厂商互联。它详细讨论UALink、ESUN、CXL、OISA、UB、GLink等路线关注的是未来超节点能不能摆脱单一封闭生态形成更广泛的互操作能力。这里有一个共同趋势超节点领域正在形成两类路线并存。路线优势挑战封闭高性能路线性能强、软硬一体化成熟、交付确定性高生态绑定明显迁移成本高开放互联路线多厂商协作、降低锁定风险、利于长期标准化标准成熟需要时间互操作验证复杂短期看封闭路线仍然会在性能和成熟度上占优势。长期看开放互联和标准化会越来越重要因为智算中心很难永远只围绕单一芯片、单一交换、单一软件栈建设。六、工程落地谁更关注“进机房之后”超节点的难点不只在协议。真正落地到智算中心后供电、液冷、承重、管路、漏液检测、拓扑可视化、训前巡检、故障自愈都会影响最终能不能稳定跑业务。从这个角度看三份报告的侧重点也不一样。华为报告更强调高可靠性和 RAS。它指出当系统规模达到万级处理器级别后故障会变成常态。超节点必须具备冗余、故障隔离、智能运维等能力否则训练任务会被频繁中断。中兴报告更强调液冷、供电和 AI 工厂。它把超节点放在 AI 工厂语境中讨论算力不是单点设备而是把数据输入转化为 Token 输出的生产系统。这个视角很适合解释为什么未来竞争会从峰值算力转向单位 Token 成本。H3C 报告更强调部署和运维细节。它大量讨论机房条件、整柜交付、液冷管路、Manifold、漏液检测、训前巡检、拓扑运维和 AD-DC 智算版软件架构。对于实际建设者来说这些内容往往比单个协议参数更关键。七、三份报告共同说明了什么虽然三份报告角度不同但共同结论很一致。第一超节点不是 GPU/NPU 的简单堆叠。如果只是把更多卡放到一起而没有更强互联、统一内存、资源池化、软件栈和运维体系那只是更大的集群不是完整意义上的超节点。第二Scale-Up和Scale-Out会长期共存。超节点并不会取消 Scale-Out。更合理的架构是Scale-Up 负责高频、低时延、强耦合通信Scale-Out 负责跨超节点的大规模扩展。第三大模型瓶颈正在从单点算力转向系统协同。训练和推理需要同时考虑计算、通信、内存、存储、调度、功耗和可靠性。单卡 FLOPS 很重要但不再足以解释整体效率。第四超节点会推动智算中心工程升级。液冷、供电、机柜、网络、运维、故障处理都会成为 AI 基础设施竞争的一部分。第五开放生态会越来越重要。未来超节点不只是一种产品形态也会是一组互联协议、软件接口、运维标准和生态协作方式。八、读报告时应该避免的几个误区第一不要把厂商案例当成行业统一答案。每份报告都带有自身产品和技术路线背景。引用时最好写成“报告提到”“报告认为”“报告以某方案为例”不要直接把单一案例泛化成所有超节点的标准形态。第二不要只看卡数。多少卡只是结果真正要看的是互联带宽、拓扑、内存语义、软件栈、资源池化、可靠性和运维能力。第三不要把 Scale-Up 和 Scale-Out 对立起来。未来更可能是分工高频通信尽量留在 Scale-Up 域内大规模扩展仍然依赖 Scale-Out。第四不要忽视工程约束。超节点进入智算中心后不只是模型工程师和网络工程师的问题也会变成电力、制冷、机房、监控、运维共同参与的系统工程。九、总结如果用一句话概括三份报告的差异华为报告更像是在讲“为什么超节点是 AI 时代的新计算单元”中兴报告更像是在讲“如何围绕高带宽域构建 AI 工厂”H3C 报告更像是在讲“超节点真正落地需要怎样的协议、软件和工程体系”。三份报告的表述不同但都指向同一个判断AI 基础设施正在从服务器堆叠走向以超节点为核心的系统级协同。对技术读者来说读这三份报告最有价值的地方不是判断哪一家更强而是看清楚超节点背后的共性问题通信瓶颈怎么解决内存和缓存怎么池化Scale-Up 和 Scale-Out 怎么分工软件栈如何感知拓扑智算中心如何承载高密度算力单位 Token 成本如何下降这些问题才是超节点从概念走向落地时真正绕不开的部分。下一篇也是本系列最后一篇我们会把视角放到智算中心工程化液冷、供电、整柜部署、运维、RAS 和 AI 工厂为什么会成为超节点真正落地的关键。
超节点文章 5：华为、中兴、H3C 三份报告对比：超节点路线到底有什么不同？
目录一、三份报告的定位差异二、对“超节点”的定义有什么不同三、技术重点差异趋势、架构和技术手册四、产品和方案侧重点不同五、生态表达开放、解耦和标准化六、工程落地谁更关注“进机房之后”七、三份报告共同说明了什么八、读报告时应该避免的几个误区九、总结本文基于以下三份报告进行汇总、解释和二次整理华为《超节点发展报告中兴《超节点技术白皮书H3C《超节点技术白皮书》前四篇文章我们已经从概念、架构、核心技术和 AI 负载几个角度把超节点讲了一轮。这一篇换一个视角回到报告本身。同样都在讲超节点华为、中兴和H3C三份报告的表达并不完全一样。它们关注的问题、切入角度、技术重点和工程落点都有差异。这不是“谁对谁错”的问题而是三份报告站在不同位置看同一个系统性变化。如果简单概括华为更强调超节点作为 AI 时代的核心计算单元。中兴更强调以HBD和OEX为核心的系统架构以及 AI 工厂形态。H3C 更强调协议体系、操作系统、资源池化、部署运维和工程落地。把三份报告放在一起看反而能更完整地理解超节点它既是产业趋势也是网络与互联技术问题还是智算中心工程问题。一、三份报告的定位差异先看报告定位。维度华为《超节点发展报告》中兴《超节点技术白皮书》H3C《超节点技术白皮书》文档气质发展报告、趋势判断、产业共识技术白皮书、架构方案、AI 工厂技术手册、协议解析、部署运维核心关注为什么 AI 时代需要超节点超节点如何形成高带宽协同系统超节点真正落地需要哪些全栈能力主要抓手昇腾超节点、昇腾 384、Atlas 900 SuperClusterNebula、OEX、凌云交换芯片、Nebula MatrixUniPoD S80000、GLink、AD-DC 智算版适合引用背景、趋势、产业判断架构、HBD、在网计算、AI 工厂协议、OS、资源池化、液冷供电、运维华为报告更像是在回答“为什么超节点会成为 AI 基础设施的新形态”它从大模型训练成本、通信瓶颈、功耗和可靠性出发强调传统服务器集群已经很难支撑更大规模 AI 负载。报告里的重点是把超节点解释成 AI 时代的核心计算单元。中兴报告更像是在回答“怎样设计一个能持续扩展的超节点系统”它大量讨论Scale-Up、Scale-Out、高带宽域、统一内存编址、在网计算、OEX 互联和 AI 工厂。这份报告的系统架构味道更重。H3C 报告更像是在回答“超节点真要进机房需要补齐哪些协议、软件和工程能力”它篇幅很长覆盖互联协议、CXL、Load/Store、操作系统、液冷、供电、部署、巡检、运维和生态标准。它更接近一份面向建设和落地的技术说明书。二、对“超节点”的定义有什么不同三份报告都讲超节点但定义侧重点不同。报告定义侧重可以怎样理解华为AI 时代核心计算单元超节点是突破单机边界、支撑大模型训练推理的新型算力单元中兴高带宽域 HBD超节点是通过高速互联和专用交换芯片构建的紧耦合 GPU 协同域H3C机柜级紧耦合算力单元超节点是资源池化、统一内存语义和一体化基础设施构成的系统华为的定义偏产业和体系结构。它强调超节点把数十、数百甚至更多 AI 处理器组织成一个逻辑统一的计算体并具备大带宽、低时延、统一内存编址、资源池化和可靠性能力。中兴的定义偏互联和系统架构。它把超节点明确放在HBD也就是 High-Bandwidth Domain 的语境里。这个视角很重要因为它说明超节点不是泛泛地“多卡互联”而是要形成一个高带宽、低时延、统一编址的协同计算域。H3C的定义偏工程和资源体系。它强调机柜级紧耦合算力单元把 CPU、GPU/NPU、DPU、内存、外存等资源通过 AI 优化高速互联组织起来并通过统一软件栈实现资源池化和平等协同。如果把三者合并可以得到一个更完整的说法超节点是面向大模型训练和推理的高密度 AI 算力单元它通过Scale-Up高速互联、统一内存编址、资源池化和软硬协同把多颗 AI 加速芯片组织成一个逻辑统一、通信紧耦合、运维可管控的巨型计算节点。三、技术重点差异趋势、架构和技术手册三份报告最大的差异在于技术展开的重心不同。技术主题华为中兴H3CScale-Up强调突破单机边界形成超节点通信域核心概念HBD 承载 TP/EP 等高频通信大篇幅讨论协议栈、拓扑和生态Scale-Out用于超节点集群化扩展与 Scale-Up 融合形成 Matrix 集群超节点作为跨 HBD 域训练加速网络统一内存编址基础特征之一区分普通集群与超节点的关键前提进一步延伸到 CXL、OS、Load/Store在网计算提及较少重点讨论 All-Reduce、MoE Dispatch/Combine 卸载在协议和网络层能力中展开资源池化用于 KV Cache、多级存储、灵活配比软件栈中的统一虚拟化资源池大篇幅讨论 CXL、远程内存、KV Cache 池化运维/RAS强调高可靠和智能运维强调可观测、故障预测、冗余独立展开部署、巡检、监控、自愈华为报告的重点是“为什么”。它不断强调大模型带来的系统性瓶颈通信、内存、功耗、可靠性和资源调度。报告中的很多观点适合用来解释超节点出现的背景。中兴报告的重点是“怎么设计”。它把超节点拆成高带宽域、互联协议、交换芯片、在网计算、软件栈和 AI 工厂。尤其是对MoE通信、Dispatch、Combine、在网计算的讨论非常适合写技术文章。H3C 报告的重点是“怎么落地”。它覆盖从NVLink、UALink、CXL、GLink到操作系统、机房部署、液冷供电、运维平台的长链条。对于想理解超节点工程复杂度的读者这份报告的信息密度更高。四、产品和方案侧重点不同三份报告都会提到具体产品或方案但表达方式不同。维度华为路径中兴路径H3C 路径核心方案昇腾 384 超节点、Atlas 900 SuperClusterNebula 单体超节点、Nebula Matrix、OEXUniPoD S80000、GLink、AD-DC架构表达超节点作为核心计算单元向集群扩展单体超节点 Matrix 集群超节点 AI 工厂32/64/256 卡整机柜 软件栈 运维体系互联重点超节点通信域、Scale-Up/Scale-Out 协同OEX 正交无背板互联、凌云交换芯片Scale-Up 协议体系、GLink、CXL、以太生态兼容工程重点可靠性、液冷、资源池化、应用案例物理架构、光电互联、液冷供电、AI 工厂机房部署、液冷管路、漏液检测、训前巡检华为报告里超节点更像是一个面向 AI 时代的标准计算单元。它的产品案例服务于一个更大的判断未来智算中心会从服务器集群走向软硬件一体化的集成计算单元。中兴报告里超节点更像是一套面向 AI 工厂的系统架构。Nebula、OEX、Matrix等概念串起来之后重点不是单柜有多少卡而是从单体高带宽域扩展到更大规模 AI 生产系统。H3C 报告里超节点更像一个可以被部署、运维和扩展的工程实体。它不仅讲系统形态也讲机房、电力、液冷、拓扑运维和软件栈分层。下面这张图来自中兴报告展示了其全栈协同 AI 基础设施的整体表达。它适合放在文章中解释中兴报告关注的不只是单体超节点而是从硬件、网络、软件到 AI 工厂的系统组织方式。图源中兴《超节点技术白皮书》第 36 页图 4-1。下面这张图来自 H3C 报告展示了 S80000 软件栈分层架构。它适合用来说明H3C 报告更强调超节点从硬件到通信、框架、平台、运维的全栈协同。图源H3C《超节点技术白皮书》第 309 页图 192。五、生态表达开放、解耦和标准化超节点不是单一厂商、单一协议就能完全覆盖的领域。三份报告都在不同程度上谈到了生态。华为报告更强调开源开放和产业协同。它把超节点放在昇腾生态、软硬件开源开放、行业智能化的大背景下讨论强调通过生态建设降低 AI 基础设施使用门槛。中兴报告更强调开放架构和全栈协同。它既讨论专用交换芯片和系统架构也提到开放 OEX 机械与电气规范、参与国内标准等方向。这个表达对应的是“架构开放、系统协同”的路线。H3C 报告更强调协议标准化和多厂商互联。它详细讨论UALink、ESUN、CXL、OISA、UB、GLink等路线关注的是未来超节点能不能摆脱单一封闭生态形成更广泛的互操作能力。这里有一个共同趋势超节点领域正在形成两类路线并存。路线优势挑战封闭高性能路线性能强、软硬一体化成熟、交付确定性高生态绑定明显迁移成本高开放互联路线多厂商协作、降低锁定风险、利于长期标准化标准成熟需要时间互操作验证复杂短期看封闭路线仍然会在性能和成熟度上占优势。长期看开放互联和标准化会越来越重要因为智算中心很难永远只围绕单一芯片、单一交换、单一软件栈建设。六、工程落地谁更关注“进机房之后”超节点的难点不只在协议。真正落地到智算中心后供电、液冷、承重、管路、漏液检测、拓扑可视化、训前巡检、故障自愈都会影响最终能不能稳定跑业务。从这个角度看三份报告的侧重点也不一样。华为报告更强调高可靠性和 RAS。它指出当系统规模达到万级处理器级别后故障会变成常态。超节点必须具备冗余、故障隔离、智能运维等能力否则训练任务会被频繁中断。中兴报告更强调液冷、供电和 AI 工厂。它把超节点放在 AI 工厂语境中讨论算力不是单点设备而是把数据输入转化为 Token 输出的生产系统。这个视角很适合解释为什么未来竞争会从峰值算力转向单位 Token 成本。H3C 报告更强调部署和运维细节。它大量讨论机房条件、整柜交付、液冷管路、Manifold、漏液检测、训前巡检、拓扑运维和 AD-DC 智算版软件架构。对于实际建设者来说这些内容往往比单个协议参数更关键。七、三份报告共同说明了什么虽然三份报告角度不同但共同结论很一致。第一超节点不是 GPU/NPU 的简单堆叠。如果只是把更多卡放到一起而没有更强互联、统一内存、资源池化、软件栈和运维体系那只是更大的集群不是完整意义上的超节点。第二Scale-Up和Scale-Out会长期共存。超节点并不会取消 Scale-Out。更合理的架构是Scale-Up 负责高频、低时延、强耦合通信Scale-Out 负责跨超节点的大规模扩展。第三大模型瓶颈正在从单点算力转向系统协同。训练和推理需要同时考虑计算、通信、内存、存储、调度、功耗和可靠性。单卡 FLOPS 很重要但不再足以解释整体效率。第四超节点会推动智算中心工程升级。液冷、供电、机柜、网络、运维、故障处理都会成为 AI 基础设施竞争的一部分。第五开放生态会越来越重要。未来超节点不只是一种产品形态也会是一组互联协议、软件接口、运维标准和生态协作方式。八、读报告时应该避免的几个误区第一不要把厂商案例当成行业统一答案。每份报告都带有自身产品和技术路线背景。引用时最好写成“报告提到”“报告认为”“报告以某方案为例”不要直接把单一案例泛化成所有超节点的标准形态。第二不要只看卡数。多少卡只是结果真正要看的是互联带宽、拓扑、内存语义、软件栈、资源池化、可靠性和运维能力。第三不要把 Scale-Up 和 Scale-Out 对立起来。未来更可能是分工高频通信尽量留在 Scale-Up 域内大规模扩展仍然依赖 Scale-Out。第四不要忽视工程约束。超节点进入智算中心后不只是模型工程师和网络工程师的问题也会变成电力、制冷、机房、监控、运维共同参与的系统工程。九、总结如果用一句话概括三份报告的差异华为报告更像是在讲“为什么超节点是 AI 时代的新计算单元”中兴报告更像是在讲“如何围绕高带宽域构建 AI 工厂”H3C 报告更像是在讲“超节点真正落地需要怎样的协议、软件和工程体系”。三份报告的表述不同但都指向同一个判断AI 基础设施正在从服务器堆叠走向以超节点为核心的系统级协同。对技术读者来说读这三份报告最有价值的地方不是判断哪一家更强而是看清楚超节点背后的共性问题通信瓶颈怎么解决内存和缓存怎么池化Scale-Up 和 Scale-Out 怎么分工软件栈如何感知拓扑智算中心如何承载高密度算力单位 Token 成本如何下降这些问题才是超节点从概念走向落地时真正绕不开的部分。下一篇也是本系列最后一篇我们会把视角放到智算中心工程化液冷、供电、整柜部署、运维、RAS 和 AI 工厂为什么会成为超节点真正落地的关键。
