2025超节点在AI算力网络中的发展趋势及其对产业链的影响分析报告（31页）.pdf

1、行业研究市场分析深度洞察行业分析报告2025INDUSTRY REPORT 2 0 2 5 超节点在A I 算力网络中的发展趋势及其对产业链的影响分析报告 1.超节点：AI 算力网络新趋势.6 1.1 单点到系统，Scale-up、Scale-out 两维度拓展.6 1.2 英伟达：专用网络支持，单节点密度提升.8 1.3 AMD：IF128 探索超节点新路径.10 1.4 特斯拉 Dojo：专用软硬件生态或仍存掣肘.12 2.超节点掣肘？华为的解答.15 2.1 规模：模型需求与工程成本的平衡.15 2.2 华为 CM384：跨机柜超节点国产范式.18 2.3 国产 AI 算力：面向推理，适

2、配大规模 EP.22 3.产业链影响：分工细化，各环节均有增量.27 3.1 服务器：产业链分工细化.27 3.2 光通信：国产超节点方案带来光模块增量.28 3.3 铜连接：高速背板连接、铜连接仍为重要选择.30 3.4 IDC 产业链：AIDC 需求增加，液冷渗透提升.32 4.重要公司估值.32 目录 图表目录 图 1：同样为 256GPU Pod，不同组网技术导致组网效率不同.6 图 2：集群扩大有 Scale-up 和 Scale-out 两个方向.6 图 3：英伟达 NVLink Clos 拓扑.8 图 4：AMD MI300X 网状互联拓扑.8 图 5：英伟达 Scale-up

3、演进趋势：机柜算力密度大幅提升趋势.9 图 6：GB200 NVL72 为单机柜“超节点”产品.9 图 7：GB200 NVL72 拓扑72 个 B200 通过 18 个 NVSwitch 实现全互联.10 图 8：AMD Infinity Fabric 演进图.10 图 9：IF128 超节点内通过 IFoE 实现互联.11 图 10：MI450X 预计将采用 IFoE 实现 Scale-up.11 图 11：25 个 D1 Die 构成一张 Dojo Training Tile.12 图 12：6 个 Tile 加 20 张 DIP 构成 1 个 System Tray.13 图 13：1

4、 个机柜（Cabinet）包含 2 个 System Tray 和 1 个 Host.13 图 14：借助 DIP 和 TTPoE，Dojo 通过以太网形成互联.14 图 15：基于 DeepSeek R1 测算，相较于 Hopper 架构，GB300 NVL72 的性能提升显著：用户响应（单用户 TPS，横轴）提升约 10 倍，运算吞吐量（每兆瓦 TPS，纵轴）提升约 5 倍，整体性能提升达 50 倍.16 图 16：Scale up 网络规模的提升，对模型性能优化显著.16 图 17：CloudMatrix 384 为 16 机柜的“超节点”产品.18 图 18：CloudMatrix 中

5、 384 个 NPU 通过 2 层 UB Switch 实现全互联.19 图 19：通过两层 UB Switch 网络实现全互联.20 图 20：实测数据证明两层 UB Switch 互联对超节点性能影响较小.20 图 21：Decode 优化，目的是减少 EP 并行的巨大的通信开销和串行依赖.22 图 22：Prefill 优化，目的是做大吞吐，采用混合并行+微批次预填充流水线.23 图 23：Deepseek V3/R1 on 华为 CM 384.24 图 24：Deepseek V3/R1 on GB200 NVL 72.24 图 25：不同 Batchsize 对不同任务下吞吐的影响.

6、24 图 26：华为 CM384 采用 PDC 分离架构.25 图 27：Prefill 和 Decode 实例数量的比例关系示意.26 图 28：英伟达计算板卡和交换板卡设计复杂.28 图 29：CloudMatrix 384 超节点在 UB 网络的 Scale up 组网拓扑，NPU 的 400G 光模块用量比在 1:14，或者 800G 光模块的用量比在 1:7.29 图 30：华为设计 UB-Mesh 网络架构优化 LLM 训练性能.30 图 31：UB-Mesh 重点强化了 NPU 的电气电缆直接互连.31 图 32：光电混合是重要的技术趋势.31 表 1：Scale-up 和 Sc