开源证券发布研报称，构造超节点的核心在于更大的节点内互联，硬件与软件协议需互相适配整合，使得数个分离的算力芯片通过网络互联整合成逻辑上的一台“大型GPU/ASIC”，突破单一8卡服务器在效率、可靠性上的瓶颈。伴随AI在训练和推理算力需求持续增长，超节点产业链有望长期受益，该行看好“网络端+AIDC+计算端”三条核心方向，以及“光+液冷+供电+芯片”四大主要赛道。

开源证券主要观点如下：

超节点：依托网络互联下的“超大型GPU/ASIC”

超节点集群(SuperPod)最早由英伟达提出，随着AI模型迭代对算力需求不断增长，集群从千卡扩散至万卡、百万卡等，而扩张方式主要为Scale Up(纵向扩展)和Scale Out(横向扩展)两个维度。该行认为构造超节点的核心在于更大的节点内互联，硬件与软件协议需互相适配整合，使得数个分离的算力芯片通过网络互联整合成逻辑上的一台“大型GPU/ASIC”，突破单一8卡服务器在效率、可靠性上的瓶颈。超节点Rack网络互联重点在于Scale up互联协议及拓扑结构。

超节点新增scale up互联需求，光、液冷、供电、芯片等环节迎升级

超节点服务器Rack主要由计算节点Computer tray、交换节点Switch tray、TORswitch交换机、供电单元Power shelf、供电母线Busbar、电缆桥架Cable tray、液冷散热配套等单元组成，随着超节点服务器渗透率不断增长，除了持续带动对算力卡、交换芯片、交换机的需求外，也有望持续拉动高功率电源、高压UPS/HVDC、服务器液冷散热、铜缆、PCB、光通信等板块的需求。

超节点助力国产集群性能提升，或弥补单卡算力差距，助力国产AI发展

从单卡和集群性能对比上看，据SemiAnalysis和CDCC公众号，尽管国产芯片在制程上略有落后，单颗昇腾910C芯片BF16性能仅为GB200模组的1/3，但通过超节点集群的方式，单个CloudMatrix 384集群BF16性能总体则是NVL72的1.7倍，其总内存容量为后者3.6倍，总内存带宽为后者2.1倍，有效弥补了国产芯片在算力层面上的短板。截至2025年9月，Atlas 900 A3 SuperPoD已累计部署超300套，服务超20位客户。此外，华为公布Atlas 950 SuperCluster和Atlas 960 SuperCluster，算力规模分别超过50万卡和达到百万卡，通过持续扩大国产超节点规模的方式，有望实现国产AI基础设施性能的弯道超车，助力国产AI生态发展。

风险提示：AI发展不及预期、芯片供应风险、市场竞争加剧等。