阿里云加速计算产品和技术负责人王超，在云栖大会平头哥算力峰会上放了个炮。他说，市面上大部分超节点，都是假的。

卡不够多吗？当然不是。问题在于，大家对超节点的理解，从一开始就跑偏了。

王超，在内部给超节点起过不少英文名，Super Node 太直译，后来还想过一个叫 Mega Node 的。但名字不重要。

但关键是，他给超节点画了一条线，超节点里面，所有的编程模式不变，系统的语义不会在物理边界处断裂。

翻译成人话，不管你多少张卡连在一起，写代码的方式和只有一张卡时完全一样，数据存在哪张卡上，你不用管，系统帮你搞定。

这才是判断真假超节点的那条线。

跟卡数没关系，跟规模没关系，这条线守住了，就是真的，守不住，多少张卡堆在一起，也是一群各自为政的孤岛。

但现实呢？行业特别容易掉进数卡数的坑。

发布会上一堆人在讲，我们有万卡集群，带宽多少多少 T。王超说，带宽和速率这些东西，顶多定义了系统的天花板，但能不能摸到天花板，取决于另外四样东西。

哪四样？

统一的内存语义，确定性的低时延，目标负载下无收敛的互联，还有系统级的闭环。

这四样东西嘛，大部分发布会从来不提，也没法一句话讲清楚，得把整个系统拆开来说。

什么叫统一的内存语义？ 64 张卡的内存地址空间对模型来说是一整块，它不需要知道数据具体在哪张卡上。

什么叫确定性的低时延？

每一次访问的延迟都是稳定的，不会偶尔快偶尔慢；目标负载下无收敛，换句话说，在你真正跑的业务流量下，带宽不会打折。

系统级闭环，从硬件到软件全链路打通，各层都得配合上。

王超自己拆了。他给了一个五层分析法，从下往上看 Scale up 路线。

最底层电信号和介质，PHY 和光纤，管物理链路这一层。往上，链路层，流控、验错、恢复怎么完成。再往上是报文层，数据包怎么穿过整个交换网络。最上面是事务层，事情怎样保证顺序并且正确完成。

底下三层出问题，顶多重传、降速，体感上卡一下。事务层出问题，性质就变了，那是系统级故障。

他说为了准备这些数字，用 Agent 翻了 40 多篇论文，每一个指标都有论文出处。

大部分发布会只说最底下那层，我带宽多大，我速率多高，王超说，PHY 的相似性不代表事务语义、传输可靠性和交换能力的相同性。

你物理层长得像，不代表上面几层也是一回事。

关键就在最上面那层：事务。

远端内存访问一旦进入关键路径，任何丢包、错包、长时间拥塞，性质就变了；那已经是系统问题了，会造成 memory fail（内存检测失败），memory fail 意味着系统 crash（非正常终止）。

这和正常网络丢包重传完全不一样，你在手机上刷视频丢个包，重传就是了，体感上卡一下，不影响什么，但在超节点里，一次丢包就可能让整个系统挂掉。这个性质完全不同。

所以，你看，超节点不是买最快的芯片加最快的交换机就能攒出来的，它要从芯片到交换网络、到运行时到通讯库到框架，一整套闭环设计。少一层都不行。

有意思的是，王超自己的身份是平头哥芯片最大的内部用户。

他管阿里云的 GPU 业务，日常用的恰好是平头哥的卡，他说过，跟平头哥关系很好，因为他正是他们最大的客户。

所以，他看这个问题，天然站在使用者这边。他关心的只有一件事，这些卡连在一起，到底能不能当一个系统来用。

......

堆卡解决不了问题。那到底需要多少张卡连在一起，才算一个真正的超节点？

王超给了个数字，64 张。这个 64 直接从负载反推出来的。

工程嘛，讲究实现同样目标时多快好省。先看你手里有哪些活。 Kimi K3，2.8T 参数，1.5TB 权重，开源世界目前最大的模型， 千问 3.8 Max，2.4T 参数。

这两个模型，64 张 M890 完全装得下。每张 M890 配 144GB HBM，64 张合起来 9216GB。

模型尺寸继续往 5T 甚至 10T 走呢？也能装，支持 MFX 和 FP4 量化。王超自己也承认，到 10T 有点勉为其难，但眼下够用。

他管这个叫甜点。

现在主流模型的尺寸，恰好落在 64 张卡的舒适区里，成本、稳定性、模型尺寸三者之间，找到了一个难得的平衡点。

M890 物理上能支持到 128 张卡，但王超选了 64，因为过了 64 就得两层交换，单层满血就保不住了，能装 128 和该装 64 是两码事，工程讲刚好够用且拓扑最优。多不见得好，合适才叫好。

但装得下也就一半。还有一半，这 64 张卡怎么连。

卡跟卡之间的连接必须足够干净，64 张卡做单层交换，逻辑上等价于 full mesh。

通俗讲，任意两张卡之间都能直接对话，不用中间人传话；无阻塞，无收敛，无带宽超卖，任意可达，意味着任意两张卡之间的延迟完全可预测。

一旦超过 64 张卡，单层交换不够用了，得上多层。

多层意味着数据包从 A 到 B 中间要经过好几个节点接力，好比寄快递不能直达，得经好几个中转站分拣。

Clos 网络、Dragonfly 拓扑，都是这个思路，跳转一多，延迟上去了，路由策略复杂了，不确定性也来了。这些东西在超节点里全是致命伤。

来看看其他家怎么选的？

英伟达 Vera Ruby，576 张卡，第一层 cross bar（交换机内部直连），第二层 Dragonfly（多机柜间网格互联）。

华为新一代节点，机内 3D Torus（三维环面拓扑，数据在三个维度上传递）加一层 cross。Google 继续走 3D Torus。

王超自己的判断：同一个 UALink 标准定义，不代表做出来的产品一致，拓扑和软件实现方式不同的时候，性能完全不同。

标准一样，东西可以完全不一样，这句话信息量挺大的。换句话说，超节点这道题，没有标准答案，全看各家怎么解。

说回 64 张卡。这个数字的本质，其实在负载和拓扑之间找最优解，卡太少，模型装不下。卡太多，拓扑退化，语义连续性守不住。

64 张卡刚好卡在这个区间，当前主流模型装得下，单层交换又保证了连接满血。

落到 M890 上，数字是这样的，PPU 芯片加 ICN Switch 1.0 构建远端内存访问，64 卡 9216GB HBM 统一寻址。

端点交换加信用流控加链路恢复，RTT 完全可预期，长尾消除；域内 51.2T 峰值总带宽，任意可达，不超卖。从芯片到交换网络到 runtime 到通讯库到框架，全链路闭环。

这四个指标放在一起看，才是一个超节点该有的样子。

而且别忘了，指标最终要服务于真实业务流量。推理场景对延迟极其敏感，每多一微秒的互联延迟，乘以几十层网络，累积起来全是真金白银的成本。

Kimi K3 跑推理时，互联延迟每步差 100 微秒，乘 93 层再乘 2，累积出 20 毫秒。这 20 毫秒意味着注意力计算可用时间直接腰斩，成本翻倍。

超节点建好了，最终得看模型跑起来怎么样。

李伟良在峰会上透露，V900 明年 Q1 推出，端到端性能提升 3 倍。等 V900 进入超节点，64 张卡的算力底座会再上一个台阶。但方法论不会变，关键还是系统语义的连续性。

......

Kimi K3 的情况很能说明问题。

2.8T 参数，1.5TB 权重，解码阶段每一步只有 100 毫秒的预算；这 100 毫秒里，注意力计算要吃掉大约 50 毫秒，混合专家权重读取再吃掉大约 50 毫秒。留给互联和其他操作的余量非常小。

Kimi 技术负责人徐欣然算过一笔账。

访存能力弱一倍，成本增加不是翻倍，是从能跑 100 条请求变成跑 0 条，一百倍的差距，在超节点里，任何一环拉胯，代价都是成倍放的。

K3 已经在 M890 上适配上线了，兼容性做得不错。

徐欣然说，所有平台里，只有两家可以做到比较小损耗。他还补了一句，K3 对芯片的要求非常全面，每个方向都不能差，任何一个短板都会被放大。

这算是来自模型方的实际验证了，也是对超节点整体设计能力的检验。

圆桌环节聊到最大的痛点，王超说，算力不够。他的判断挺有意思，第一性原理来看，硅本身不贵，贵的是产能。

他认为未来几年半导体产能需要扩大一千倍，不过五到十年后会出现产能过剩，但眼下，每一分效率都抠得很紧。

说白了，超节点存在的意义，无非是在产能还不够的日子里，把每一颗芯片的能力榨干净。

行业里还有个误解得澄清一下。

有人觉得，芯片不行靠超节点来补。王超认为，这个逻辑不科学。超节点和芯片能力是两回事，得并行发展，拿超节点补芯片短板，补不上。

单机扩展和分布式扩展没有任何对立性，没有谁比谁高端，看场景，看成本。

回过头看整条链路：

超节点的关键在系统语义连续性。64 张卡是当前负载和拓扑交叉下的最优解；到了这里，答案更清楚了，超节点最终要交给模型用，模型跑得好不好，才是检验超节点的唯一标准。

同场峰会上，平头哥半导体副总裁李伟良说过一句话：

真武是系统，不只是芯片。

到了超节点这一层，这句话有了下半句，系统连起来了，才算真正开始工作。嗯，王超关心的那件事，这些卡连在一起到底能不能当一个系统来用，答案正在被越来越多的模型验证。

本文来自微信公众号 “王智远”（ID：Z201440），作者：王智远