为什么高速互联技术在超节点中扮演着至关重要的角色

当你向豆包、DeepSeek、千问等AI大模型提问时，在很短的时间内就会收到详细的答复，你可能不会想到，这个简单的一问一答的动作背后，可能调动了一个数据中心里成百上千颗芯片的协同计算。它们必须在极短的时间内完成数据的拆分、分发、同步与聚合。

这其中，服务器之间的数据同步和协同推理，是决定大模型回答快不快的核心。而实现这一切的关键，就是高速互联技术。它就像人体的中枢神经一样，指挥着万千颗芯片如同一颗芯片般高效工作，共同构建起一个超大规模的算力平台。

为什么需要超节点？

近几年，大模型的参数正以每年十倍的速度增长，从千亿迈向万亿甚至十万亿。但单颗GPU芯片的性能增长正逼近物理极限，这迫使我们思考一个问题：能不能把成百上千颗芯片组合在一起，让它们像一颗超级芯片那样工作？

答案是肯定的，这就是“超节点”（SuperPod/SuperNode）。它并非简单的硬件堆砌，而是一种新型技术架构。其核心目标在于，将大规模算力集群，整合为一台逻辑上的巨型计算机 。

我们可以做一个简单的类比：传统方案（以太网/RoCE） 就像城市道路，虽然四通八达、能覆盖很大的范围，但会遇到红绿灯（协议栈开销）、拥堵（数据丢包重传），导致车速忽快忽慢。

超节点方案则像是专用高铁网。它把所有芯片放进一个站台，用专用的铁轨（高速互联协议）连接，点对点直达，没有红绿灯，没有拥堵。

这也是近几年来，华为、曙光、HPE等推出超节点的主要原因。

那么，为什么传统的高速公路不够用了呢？因为大模型训练中的“同步”需求，就像一场需要数千人同时传递水桶的接力赛。

在大模型训练的核心环节——AllReduce（梯度规约）中，所有GPU必须像开圆桌会议一样，把自己的计算结果告诉所有人，然后汇总出新的结果，再分发给所有人。对于一个700亿参数的模型，单次AllReduce就需要搬运超过70GB的数据，这个操作会占据训练总时长的30%到70%。试想一下，在城市道路中进行训练，大部分时间都花在了等数据上。

因此，我们需要的不是更快的车，而是一条能连接所有芯片的专用高铁网。这条网络的规划与建设，就是高速互联技术的核心使命。

高速互联：在纳秒与字节间的生死时速

高速互联技术在超节点中扮演的角色，绝不仅仅是拉根线那么简单。它至少承担着三重至关重要的职责：

一是定义带宽：决定数据流通的车道数量

带宽，就是数据通道的宽度。PCIe 5.0 x16的带宽大约为126 GB/s，而英伟达最新一代的NVLink 6.0，单颗GPU的带宽已高达3.6 TB/s，是前者的28倍以上。这个差距意味着，在相同的训练任务下，使用NVLink的系统可能已经完成了100轮迭代，而使用传统总线的系统还在苦苦等待第一轮的数据同步。

二是定义延迟：决定协同作战的反应速度

延迟，是数据从发出到接收的时间。在微秒（μs）和纳秒（ns）的较量中，每一纳秒都至关重要。NVLink 5.0的延迟低于1.5微秒，而华为的灵衢（UB）更是将单跳延迟做到了150纳秒，比前者快了近10倍。这种极致的低延迟，确保了即便是一块芯片写入内存的微小数据，其他所有芯片都能“瞬间”感知并响应，这是实现“芯片大脑”同步思考的基础。

三是统一地址空间：打破你家与我家的围墙

这是最深刻的一项变革。传统架构中，每颗GPU有自己的私人领地（显存），去邻居家串门（访问其他GPU显存）极其繁琐。高速互联技术通过统一内存编址，让所有芯片的显存、甚至内存池都变成一个共享的“公共客厅”。

这意味着，任何一颗芯片都可以像访问自己的本地内存一样，直接通过Load/Store指令读写远程芯片的内存。这种内存语义访问，彻底打破了物理上的“你家”和“我家”的界限，实现了真正意义上的算力融合。

群雄逐鹿：最具代表性的互联技术

目前，全球范围内围绕着超节点互联，形成了百花齐放的格局。它们并非简单的更好或者更差，而是在技术路线、生态哲学和适用场景上各有侧重。

NVLink：封闭帝国的性能标杆

作为事实上的行业标杆，NVLink是英伟达构建其算力帝国的基石。它的设计哲学非常清晰：用最极致的性能换取最封闭的生态。NVLink 5.0/6.0不断刷新带宽记录，并在Vera Rubin NVL72平台中实现了72颗GPU的全互联，总带宽高达260 TB/s。其采用强一致性缓存访问方案，虽然硬件开销大，但确保了任何时刻所有缓存数据都严格同步，这是其在高性能计算（HPC）领域长期霸榜的技术底气。

灵衢（UB）：开放生态的换道超车

如果说NVLink是修建了一条仅供自家车辆通行的“私家高速”，那么华为的灵衢（UB）则是在规划一张国家高速网。UB的最大亮点在于最终一致性方案。

UB精准洞察到大模型训练并非时刻需要数据绝对一致，只需在AllReduce这个关键聚合点保证一致即可。这就好比大家分头计算，只要最后对答案时一致就行，省去了过程中反复对表的开销。基于此，UB实现了1.25 TB/s的带宽和更优的150ns延迟。更重要的是，UB旨在连接CPU、GPU、NPU、SSD等所有类型的芯片，打造一个开放、对等的全互联架构。

CXL：破解内存墙的池化专家

CXL（Compute Express Link）的道路则略有不同。它更像是在现有交通规则（PCIe）上升级出来的高架快车道。CXL的核心使命是破解内存墙瓶颈。随着模型增大，KV Cache（键值缓存）对内存的需求呈爆炸式增长，单颗芯片的内存根本不够用。CXL通过CXL Switch（交换机），可以将不同服务器上的内存池化，形成一个巨大的共享内存池。

在AI推理场景中，CXL的价值尤为显著。Marvell的数据显示，通过CXL内存池化，可以让8颗GPU共享一个16TB的大内存池，推理吞吐量提升4.8倍，首字延迟（TTFT）降低82.7%。CXL不追求GPU间的极致点对点带宽，而是致力于让所有计算芯片都能高效、便捷地访问到足够多的内存。

曙光scaleFabric：算存传一体化的“超级隧道”

中科曙光推出的scaleFabric则代表了另一条务实且创新的路径。它不纠结于单一协议之争，而是从系统工程的顶层视角出发，强调算存传一体化。

曙光推出的世界首个无线缆箱式超节点scaleX40，最高可集成40张GPU，其聚合带宽超过17 TB/s。为了支持如此高密度的互联，scaleFabric作为全栈自研的400G无损网络，采用了独特的“超级隧道”技术。其核心思想是精细化资源调度：通过虚拟网卡技术，将物理资源划分为多个独立的小世界，为不同类型的数据流（如计算流、存储流）规划专属的隧道，互不干扰。这种方式从根源上避免了网络拥堵和资源竞争，确保数据在庞大的集群中也能高效、稳定地流动。

四、总结

从NVLink的极致性能，到UB的开放最终一致性，再到CXL的内存池化，以及曙光scaleFabric的系统工程优化，我们看到，超节点中的互联技术，早已不是一个简单的物理连接，而是一种精妙的计算哲学。

它在大模型时代的重要性，怎么强调都不为过。它不再是计算的配角，而是决定算力能否被有效释放的核心。它决定了你的算力集群是一盘散沙，还是一台能爆发出核聚变般能量的超级计算机。

在通往通用人工智能的道路上，当单颗芯片的计算能力触及天花板时，将芯片连接在一起的连接力，将成为定义下一个十年AI算力天花板的终极标尺。