📰 研报摘要
查看全文 ➔摘要： 本报告探讨了 AI 算力基础设施迈入“超节点（SuperNode）”时代的必然性，详细分析了算力集群从 Scale-Out 向 Scale-Up 演进的技术逻辑，并解读了光通信、液冷、供电和芯片等环节的升级需求及国产化进展。
行业主线：
- 超节点定义与核心逻辑：超节点（SuperPod）通过高性能网络互联使多个算力芯片在逻辑上整合为一台“大型 GPU/ASIC”，旨在突破单机 8 卡的通信瓶颈，解决大模型训练中的“通信墙”问题。
- 互联协议与拓扑演进：重点分析了 NVLink、UALink、SUE、UB 等互联协议，以及 Fat-tree、Mesh 和 Torus 等组网拓扑结构。
- 国产化路径：以华为 Atlas 系列为例，分析了国产超节点通过扩大集群规模和提升互联带宽，有效弥补单卡算力差距，助力国产 AI 基础设施实现“弯道超车”。
关键变化与分歧：
- 协议趋向开放：互联标准正从厂商私有协议逐步转向 UALink、SUE 等开源开放标准。
- 散热方案升级：随着机柜功耗持续攀升，散热方案正由风冷逐步转变为风液混合，未来有望实现全液冷部署。
受益方向与风险：
- 受益方向：重点看好光模块与光芯片、服务器液冷散热、高功率服务器电源及国产交换芯片四大赛道。
- 核心风险：AI 发展不及预期导致资本开支放缓、关键芯片供应风险以及市场竞争加剧。