7 月 17 日，2026 世界人工智能大会（WAIC）在上海开幕。上海世博展览馆内，一排排体积庞大的 " 大家伙 "，成为现场最醒目的主角之一。

它们不是机器人，也不是飞行汽车，而是一台台被称为 " 超节点 " 的新一代 AI 算力基础设施。

所谓 " 超节点 "，就是通过高速互联技术，将数十至数百颗，乃至更多 AI 芯片组织成一个逻辑统一的算力系统，让它们像一台大型计算机一样协同工作。

在本届 WAIC 上，华为、中科曙光、中兴通讯、燧原科技、沐曦、阿里巴巴、昆仑芯等厂商，几乎同时把 " 超节点 " 搬上了展台。

它们集体亮相并非偶然。随着大模型参数规模增长，推理需求快速上升，智能体开始从回答问题走向执行复杂任务，AI 基础设施的竞争重点正在发生变化。

行业关注的重点，正在从单颗芯片的峰值算力，转向芯片之间能否高效协同，以及能否让每一张卡、每一个 Token、每一瓦电力发挥更大的价值。

在这场从单卡竞争走向系统竞争的变革中，百度智能云天池超节点，是一个具有代表性的样本。

算力竞争从 " 单卡 " 走向 " 系统 "

过去几年，大模型迭代速度和 GPU 性能提升构成了 AI 产业的主流叙事。但随着大模型和智能体加速进入真实业务，企业面对的问题已经从 " 有没有算力 "，逐渐转向 " 算力能否稳定、高效、低成本地支撑业务 "。

受先进制程、高带宽存储等客观条件约束，国产 GPU、NPU 在单卡性能上仍面临追赶压力。超节点则提供了一条 " 系统级提效 " 路线：通过扩大高速互联域，优化通信效率、并行策略和集群调度，将更多理论算力转化为实际业务吞吐。

也正是基于此，国内芯片、硬件、云计算等不同背景的厂商都相继下场，推出了 " 超节点 " 产品，用系统化的方案，满足客户对高性能算力的需求。

但同样是 " 超节点 " 产品，百度智能云则与其他硬件、纯芯片企业有着很多不同之处。

百度天池超节点的差异化，并不只是拥有昆仑芯，也不只是能够建设大规模集群，而是百度同时拥有芯片、超节点、AI 计算平台、大模型和智能体应用，可以形成一条由真实 AI 负载驱动的技术反馈链。

在底层，昆仑芯提供 AI 芯片和高速互联能力；在中间层，百度百舸 AI 计算平台承担资源调度、训练推理加速和集群运维；在上层，文心大模型以及秒哒、百度伐谋、百度搭子、数字人等 AI 产品，则持续产生真实的训练和推理需求。

这意味着，百度既能从硬件层面优化算力、显存和带宽配置，也能从真实业务中观察吞吐量、首 Token 延迟、连续生成延迟、KV Cache 占用和集群利用率，并将发现的问题反馈到芯片、网络、算子库、通信库和推理引擎的后续迭代中。

百度既是超节点的建设者，也是超节点的重要使用者。持续、高强度的内部 AI 业务负载，不仅带来算力成本压力，也为天池超节点提供了长期、真实的工程验证环境。

对于 AI 基础设施而言，这种能力尤为重要。

实验室中的峰值性能并不等同于生产环境中的业务效率。真实场景还要面对模型快速迭代、长短请求混合、高并发、资源争抢以及硬件故障等问题。只有经过长期生产负载验证，超节点才能真正实现 " 跑得快、跑得稳、跑得省 "。

在内部实践的基础上，百度进一步将相关技术通过昆仑芯、天池超节点和百度百舸等产品向外部输出。

据百度及昆仑芯披露，目前昆仑芯、天池超节点已经进入互联网、大模型、运营商、金融、能源电力、智能终端、智能驾驶等关键行业，为招商银行、国家电网、中国钢研、同济大学、北京大学等客户提供稳定、高效的 AI 算力支撑。

在运营商市场，昆仑芯还披露，其在中国移动 2025 年至 2026 年人工智能通用计算设备集中采购项目中，三个标包均取得第一份额，中标规模达到十亿元级别。这些外部客户和规模化订单，为百度 AI 基础设施从内部使用走向产业化输出提供了进一步验证。

真实负载驱动的全栈创新

百度在超节点等 AI 基础设施领域形成差异化竞争力，源于长期技术积累和对全栈创新的持续投入。

作为持续布局 AI 十余年的厂商，百度并没有把技术押注在单一芯片或者云平台软件的某个层面，而是在进行 AI 全栈式的创新，覆盖从芯片到智能云、大模型、智能体的技术栈与生态。

百度智能云提出建设面向大规模智能体应用的 " 新全栈 AI 云 "：一方面打造单位 Token 智能水平更高的 Agent Infra，提升智能体完成真实任务的能力；另一方面打造每瓦性能更高、性价比更优的 AI Infra，降低智能体规模化运行的成本。

前者决定智能体能否更好地完成任务，后者决定智能体能否以可承受的成本持续运行。

具体到天池超节点，百度智能云并不是简单地将芯片、服务器和网络设备组合在一起，而是围绕芯片架构、高速互联、算子与通信优化、并行策略、集群调度和数据中心运维进行协同设计。

在近期接受媒体采访时，百度集团执行副总裁、百度智能云事业群总裁沈抖透露了百度在昆仑芯上创新的一个具体案例。

市场上，通用芯片普遍搭载大量智能体训练、推理场景用不到的冗余硬件模块，而百度依托大模型训练、推理的实战经验，可以合理配置芯片的算力、显存、带宽并深度优化核心要素之间的协同，从而在源头上减少不必要的算力资源消耗。

虽然这只是百度创新的一个小切面，但体现了百度全栈能力的一项重要价值：上层业务需求能够持续反馈到底层，并影响芯片和系统的后续设计。

从芯片资源配置到上层智能体应用，这种跨层协同也是百度强调全栈创新的核心逻辑。

在沈抖看来，当前 AI 产业链不同环节之间仍存在一定的技术断层。

" 目前多数行业玩家都只深耕产业链单一环节，要么单纯售卖算力资源，要么对外输出大模型 API 接口，或是仅研发表层对话类 AI 应用。这不仅会拉高整体落地成本，也会限制智能体实际业务处理能力。" 沈抖判断，随着智能体加速进入真实业务，搭建全栈体系将成为行业发展的必然趋势。

超节点竞争走向 " 拼效率 "

当前市场并非缺少所有类型的 AI 算力，真正稀缺的是能够稳定承载主流模型、利用率较高且 Token 成本可控的优质算力。随着国产 AI 芯片逐步走向规模化部署，超节点也开始从样机和项目验证进入放量阶段。

华泰证券判断，2026 年有望成为国产超节点放量元年。据其测算，2028 年国产超节点市场空间有望达到 3414 亿元，2026 年至 2028 年 CAGR（复合年均增长率）为 194%。

但比市场规模预测更值得关注的，是超节点的竞争标准正在变化。

在模型训练主导的阶段，厂商更关注芯片数量、峰值算力和集群规模；进入推理和智能体阶段后，客户开始关注首 Token 延迟、连续生成速度、单位 Token 成本、每瓦 Token 产出、故障恢复时间，以及同一套基础设施能够承载多少种模型。

这种转变主要是因为，推理成本越发成为考量因素。

在本次 WAIC 大会上，百度智能云展示了天池超节点产品的最新进展：天池 256 吞吐性能相比上一代提升 25%，并完成文心、DeepSeek、GLM、MiniMax 等主流模型的适配，结合推理系统优化，模型推理效率提升 50%。单个天池 512 超节点已具备万亿参数模型训练能力。

百度智能云披露的另一组测试数据显示，在长文本推理场景下，天池超节点性能提升 30% 至 100%；在特定 PD 分离测试配置中，单卡吞吐超过 1000 Token/s。

几个关键数字背后，不只是天池超节点能够连接更多芯片，而是百度智能云正在将吞吐量、模型适配、时延和推理效率作为超节点产品的核心优化指标。

展望未来，规模仍然是超节点进入市场的门槛，但决定厂商长期位置的，将是软硬件协同、Token 成本、能效、稳定性和模型适配能力。

对于超节点厂商而言，" 拼效率 " 将成为下一阶段的关键词——这不仅关乎超节点产品本身的竞争，也将成为厂商们争夺 AI 基础设施产业链话语权的重要筹码。

而对百度智能云而言，能否持续将这种内部业务中积累的优化能力，进一步转化为外部客户可以稳定复用的 Token 效率及业务价值，将决定它在超节点市场中的长期位置。