2026.09.26 | AC | Datacenter | Alibaba Supernodes & ByteDance Sourcing

国内头部云厂商靠自研芯片把成本打下来，但代际差与 HBM 约束决定了 2027 年前仍是自研与国产、海外混合采购；与此同时需求结构已从训练全面转向推理，芯片的评价标准随之从“峰值算力”改为“性价比与迁移成本”。

注：以下内容的数字部分，均来自个人搜集整理和行业专家调研，图表为笔者自制，可能存在不准确、不完整的情况，请自担风险

一、核心结论

一句话总结：国产算力的竞争已经越过“能不能用”，进入“良率能否撑住产能、互联能否撑住集群、保供能否撑住节奏”的阶段——云厂商靠自研芯片把成本打下来，但代际差与 HBM 约束决定了 2027 年前仍是自研与国产、海外混合采购；与此同时需求结构已从训练全面转向推理，芯片的评价标准随之从“峰值算力”改为“性价比与迁移成本”。

行业正在发生的几件事

1、阿里云超节点已进入“批量交付 + 上架运营”，但仍在爬坡。 截至 2026 年 9 月，搭载 M890 的超节点累计交付成品 250 柜（以满配为主、部分半配）；2026 年 8 月在公有云以邀请制开售，上架率约 70%，80% 客户为原有付费续费客户，内部自用占比约 50%。

2、超节点的成本结构与交付瓶颈第一次被拆到部件级。 GPU+CPU 约占 46%（其中 GPU 超 1000 万元），存储约占 24%，互联 IC 与 retimer 约 12%，高速线缆连接器 5%，光模块 3%，液冷 6%，供电 4%，PCB 3%，机柜结构件 2%。瓶颈按紧缺程度排序为 HBM > 高核数 CPU > DRAM > 交换芯片，PCB 与液冷不构成短板。

3、互联协议呈现“对内私有、对外开放”的双层结构。 专家明确，超节点当前使用的 A-Link 属公司私有协议、版本尚未对外开放，定位类似 NVLink，即便阿里发起了UALink 联盟，超节点用的仍是私有版本。

4、HBM 保供有明确的时间边界。 面向 2027 财年的 HBM3 已提前锁单并可保障供应，2026 年算力建设未受 HBM 缺货影响；但 2028 财年 HBM 供给可能出现卡点，公司计划 2027 年 4—5 月接洽下一轮采购。

5、字节的算力结构已由训练主导转为推理主导。 2026 年算力预算由年初 1500 亿元上调至 2000 亿元，其中 850 亿元专门用于 AI 芯片采购；场景占比由 2025 年的推理 20%／训练 30%+／广告推荐搜索 45%，变为 2026 年的推理 38%／训练 25%／广告推荐搜索 35%，训练绝对规模仍在上升但占比下降。

最重要的三个判断

判断一：这一轮国产算力的分水岭不在算力峰值，而在“良率 + 互联 + 保供”能否同时改善。 三位专家各自从不同环节指向同一约束：芯片端的良率、互联端的带宽、供给端的锁单节奏（2028 财年可能再现 HBM 卡点）。任何一项单独改善都不足以改变格局，三者同步改善才会带来集群规模的实质跃升。

判断二：自研芯片已从“补充”转为“主力”，正在改写云厂商的成本结构。 成本端的证据已经很硬（TCO 约为通用服务器的 1/2.3、集群使用效率高 40 个百分点），更关键的是结构变化：第一云厂的自有芯片占比当前已达约 50%，公司目标 2027Q3 提升至 80%，并与产品结构调整并列作为 2027Q3 盈利拐点的驱动因素。但代际差（互联带宽对标 A100/A800 水平）与产能约束（依赖中芯国际工艺爬坡、部分可能转韩国代工）决定了剩余份额仍将由国产与海外采购并存补充。

判断三：需求从训练转向推理，正在改变芯片的评价标准。 字节的场景结构显示推理已占 62% 以上（含广告推荐等），阿里超节点当前 100% 用于推理、训练场景要到 2027 年二、三季度才可能全量使用。这意味着决定采购的是推理性价比、CUDA 迁移成本与工具链成熟度（如天数智芯迁移周期 2—3 周、推理 TCO 比海外低 30%—40%），而不是训练峰值算力。训练端的国产替代仍高度依赖昇腾这一条成熟路径。

二、供给端：阿里云超节点从样机走向规模交付

变化是什么。 超节点此前是“发布了什么”的问题，现在变成“交付了多少、装上了多少、卖给了谁”的问题。本次专家把这条线补齐了。

1. 交付与运营：250 柜在手，上架率 70%

· 截至 2026 年 9 月，搭载 M890 的超节点累计交付成品 250 柜，以满配为主、部分半配，主要以 64 卡实例面向头部客户出租，对外服务比例超过 50%。

· 2026 年 8 月在公有云以邀请制开售，80% 客户为原有付费续费客户，新增客户以头部模型厂商为主（Kimi、智谱等），当前供不应求，上架率约 70%，其余处于调试阶段。

· 交付节奏：2027 财年（截至 2027 年 3 月）规划交付超 1000 柜；2026 年全年冲刺满配 1500 柜；2027 年计划交付满配 128 卡超节点 2500—3000 柜。

2. 成本与瓶颈：部件级拆解

· 满配 128 卡单台成本构成：GPU+CPU 约 46%（128 颗 M890 GPU 成本超 1000 万元，32 颗自研 CPU 约 50 余万元），存储（HBM+DDR+NAND）约 24%，互联 IC 与 retimer 约 12%，高速线缆与连接器约 5%，光模块约 3%，液冷约 6%，供电约 4%，PCB 约 3%，机柜结构件约 2%。

· 硬件参数：总显存最高约 18TB，CPU 总核数约 1024 核，DDR 约 18.4TB，NAND 128TB，前端网络 3.2T。

· 瓶颈排序：HBM > 高核数 CPU > DRAM > 交换芯片。PCB（24 层，沪电、深南可正常交付）、液冷、集成环节无明显瓶颈，集成由浪潮、华勤等 ODM 厂商负责。

· 交付周期：芯片侧下单到成品约 4—5 个月，叠加封装、交换机、机柜采购，整体交付周期 6 个月以上；当前小批量为加急生产，大批量需遵循上述周期。

3. 架构与演进：铜缆向光连接的切换时点

· 当前采用开放架构与无背板无源正交设计，CPU、GPU 可灵活替换，单部件故障无需整机下架；主流配置为半柜 64 卡、全柜 128 卡，未来扩展至 256 卡，支持 10 柜级联形成万卡集群。

· 下一代超节点将把 CPU 与 GPU 正交背后 connector 的铜缆替换为光链路，实现该段互联的光化；互联方案由阿里自主设计，元器件仍向第三方采购。

· 落地节奏：训推一体架构，2026 年三、四季度先落地推理侧（已跑通千问、智谱、DeepSeek 等模型）；2027 年二季度扩展至后训练、微调、强化学习；2027 年二、三季度之后才可能用于训练。当前 100% 用于推理。

市场认知差在哪

公开信息对阿里超节点的认知停留在“云栖大会发布了 AL128”和“机柜规划数”，而专家补上了三件可验证的事：累计交付数、上架率 70%、以及部件级成本与瓶颈排序。其中“上架率 70%”是判断真实算力供给节奏的关键——它说明交付不等于可用，调试仍是瓶颈。同时，“瓶颈排序中交换芯片排在第四”说明当前超节点扩张的约束在 HBM 与 CPU，而非交换芯片，这对判断产业链受益顺序有直接影响。

三、芯片端：自研芯片的成本优势、代际差与互联私有化

变化是什么。 阿里自研芯片从“对标谁”的问题，变成了“便宜多少、差多少、什么时候追上”的问题。

1. 成本优势：TCO 约为通用服务器的 1/2.3

· 由于 token 成本中约 60% 来自卡的折旧，成本优势对推理定价有直接传导。

· 集群使用效率比普通服务器高 40 多个百分点，能效比优于通用服务器；综合测算下超节点全生命周期 TCO约为同配置通用 AI 服务器的 1/2.3。

2. 代际差：互联带宽约为 NVLink 的 1/5

· 自研 800G 芯片的互联带宽与英伟达 NVLink 的比例约为 1:5，仅相当于 A100/A800 系列水平，远低于 B 系列；当前 M890 与英伟达最新产品存在约 2 代代差。

· 迭代节奏为一年一代，规划路径为 M890 → V900 → J900，每代性能约翻 3 倍，FP16/FP8 算力、显存、工艺同步提升。

· 交换芯片：以自研为主，同时兼容盛科、中兴微等第三方产品，2026 年上半年推出的版本已完成盛科交换芯片适配；第三方芯片主要作为产能备份，采取小比例逐步渗透节奏。

3. 自有芯片占比：当前约 50%，2027Q3 目标 80%

· 自有芯片在公司芯片使用中的占比当前约 50%，公司目标在 2027Q3 提升至 80%；这一比例与 2027Q3 净利率提升至 15% 以上的盈利拐点直接挂钩。

· 口径提示：该比例仅为专家推算口径，也有行业专家表示自有比例是20%-30%。笔者估计50%可能是卡的数量比例，20%-30%可能是换算到算力或者GW数口径。相应的明年80%的口径也应该是卡的数量比例。具体无法验证，仅供参考。

4. 互联协议：对内私有（A-Link）、对外开放（UALink 生态）

· 专家明确：超节点使用的互联协议是 A-Link，当前属公司私有协议，定位类似英伟达 NVLink；虽然阿里发起了 UALink 联盟，但超节点使用的协议版本尚未对外开放。

· 另一层是 S-Link——运行在平头哥相关协议上层的协议。外部交换芯片若要供应给阿里，需完成 A-Link 协议适配测评；据称服务器部门已完成对所有国产品牌的协议适配，理论上都可部署，但是否采购由供应链部门决定。

· 网络协议路线判断：大规模集群有两条路线，一是全以太兼容的开放协议路线（由微软、谷歌、阿里的网络团队推动，目标是 scale-up 与 scale-out 共用一张网，尚未大规模落地），二是“私有协议 + 开放协议”混合路线（scale-up 用私有协议、scale-out 用 RoCEv2）。当前后者是行业主流选择，能快速落地且厂商掌握专利权，超节点合作厂商（含光模块、连接线）都需按私有协议规范供应。

市场认知差在哪

公开层面已经知道“阿里发起 UALink 联盟、ALS 选择 UALink 作为底层协议”，但本次专家补上了关键的另一半：超节点当前实际运行的是尚未开放的私有 A-Link。这两件事并不矛盾，而是同一体系的两个层面——对外用国际标准吸引生态参与者，对内用私有实现先保证落地，私有协议同时还是合作厂商的准入规范。理解这一点，才能判断国产光模块、连接器厂商的真实门槛是“能否通过 A-Link 适配测评”，而不是“是否加入 UALink”。

四、需求端：字节的算力结构已由推理主导，采购清单具体到型号

变化是什么。 从采购方视角，算力需求的重心已经完成了从训练到推理的转移，这直接改变了芯片选型标准与采购结构。

1. 结构变化：推理占比升至 38%，训练占 25%

· 2025 年场景占比：推理（含 C 端及火山引擎）20%、大模型训练 30%+、广告推荐搜索 45%、其余为云对外服务。

· 2026 年场景占比：推理提升至 38%、大模型训练降至 25%（绝对规模仍上升）、广告推荐搜索降至 35%，云对外服务小幅下降。

· 口径补充：若按训练/推理二分，2025 年训练算力占比 30%—35%、推理 65%—70%；2026 年训练占 30%—38%、推理占 62% 以上（含广告推荐、豆包、抖音相关业务）。

· Token 量级：2026 年 6—7 月豆包 Token 量达 180 万亿；企业侧（火山引擎/火山方舟）日均 Token 量 50 万亿；火山引擎在国内公有云大模型推理服务市场份额接近 50%。

2. 预算与用途：2000 亿元中 850 亿元用于 AI 芯片

· 2026 年算力相关预算年初 1500 亿元，5 月上调至 2000 亿元，其中 850 亿元专门用于 AI 芯片采购；2027 年算力相关预算预计 2500 亿—3000 亿元。

· 自用推理（豆包、抖音/TikTok 内置 AI）与对外 B 端（MaaS、火山方舟）构成第一大需求场景；广告推荐搜索为长期稳定基本盘，以 GPU 为主；训练侧侧重集群互联能力与 FP16/BF16 算力。

· IDC 侧：润泽科技为核心 IDC 供应商，向其租赁的算力中 70%—80% 为推理算力，部署于廊坊数据中心，该中心建有 13 万卡液冷集群。

· 云对外服务占 2026 年算力总预算的 20%，用于平摊自建成本；火山引擎国内公有云市场份额 49.5%，位列行业前二。

市场认知差在哪

公开报道可确认字节 2026 年 AI 基础设施预算上调至 2000 亿元、火山引擎 Token 份额接近 50%，但本次专家的增量在于“结构”：推理占比接近四成、训练占比降至四分之一，以及分型号的采购清单。结构比总量更有价值——它决定了哪些芯片会真正放量。

五、国产芯片实测：从“能用”到“可横向比较”

变化是什么。 国产芯片的评价第一次被放到同一套指标下比较：工艺、算力、HBM 容量、实测良率、集群规模、CUDA 兼容性与适用场景。

1. 昇腾：训练端唯一成熟路径，但受良率约束

· 910C：FP16 裸算力 800 TOPS，128GB HBM；训练场景性能占英伟达同类产品的 65%—72%；是国内目前唯一成熟的万卡超节点集群方案；短板是 HBM 对外依赖度高、交期不稳定、部分算子性能偏弱。

· 950PR：N+2 工艺，FP16 裸算力 820 TOPS，FP4 能力突出，112GB 自研 HBM；UDA 接口兼容性超 90%，迁移代价低，专为高并发推理优化；短板是没有经过大规模训练集群验证，不适合超大预训练。

2. 寒武纪：推理有性价比，训练受限于封装良率

· 思元 590：N+2 工艺，FP16 裸算力 448 TOPS，96GB HBM；推理性价比高、工具链持续迭代，但不支持万卡训练集群、大规模训练 MFU 偏低。

· 思元 690：FP16 裸算力 700 TOPS，196GB HBM，是国产少有的大 HBM 容量训练卡，可支持 256 卡超节点集群，2025 年在字节训练场景占比 58%—64%；但封装后正常良率较低，软件仍需大量调优，预计 2026 年四季度才规模上量。

3. 天数智芯与海光：定位推理与补充，不承担训练

· 天数智芯智铠系列：7nm，FP16 算力 320—400 TOPS，80GB HBM；高度兼容 CUDA、迁移周期仅 2—3 周，推理 TCO 比海外芯片低 30%—40%；短板是无训练能力、生态工具链完整度低于昇腾与寒武纪。

· 海光深算三号 DCU：FP16 算力 384 TOPS，96GB HBM；兼容存量 CUDA 代码、迁移成本与采购成本低，可支持小规模微调；短板是互联集群能力弱、无万卡训练落地案例，仅作补充采购。

4. 行业底数：2025 年国产出货 165 万张，份额首破 40%

· 2025 年中国 AI 加速卡整体出货约 400 万张，国产约 165 万张，份额首次突破 40%；其中昇腾出货约 81.2 万张，占国产出货量的近 50%。

· 国内先进制程以中芯国际 N+2 为主，2026 年底极限月产能不足 4 万片；大尺寸 AI 芯片综合良率对比台积电同尺寸 HPC 芯片 90% 以上差距显著，直接导致国内芯片单位制造成本约为海外两倍。

市场认知差在哪

公开研报已覆盖各家芯片的参数、路线图与出货量，但本次访谈补上了三类公开渠道少见的信息：一是与英伟达的相对性能（910C 训练场景 65%—72%）；二是头部 CSP 内部的场景使用比例（690 在字节训练场景占 58%—64%）。

风险提示：以上内容仅为个人学习总结，不构成任何投资建议。