一文吃透英伟达AI超节点：A100/H100/GH200 GB200/GB300 NVL72/NVL144/NVL576

英伟达在2026年10月的GTC柏林站上更新了机架级AI系统的进度。基于Rubin Ultra架构的NVL576整机架方案，计划把八个独立MGX机架、合计576颗GPU连接进同一个NVLink域，面向十万亿参数级模型的训练与推理。黄仁勋在会上确认，搭载光电共封装技术的机架已经进入大规模量产阶段。

576颗GPU组成一个统一的计算节点，这个数字放在三年前还难以想象。这套系统的意义不止于单点产品发布，它接续的是英伟达AI超节点十年的系统架构演进。从2016年DGX-1的8卡互联，到2024年GB200 NVL72把一整个机架变成一台计算机，再到NVL576用光纤打通多个机架，英伟达AI超节点的规模越来越大。

本文以NVL576为切入点，逐一梳理英伟达历代超节点的架构特征，对比NVLink、NVSwitch、互联介质、散热与供电的代际变化，并拆解这条技术路线背后的产业链分工和设计思路。

一、NVL576：英伟达AI超节点首次跨出单个机架

理解NVL576，先要明确它在英伟达产品序列中的位置。

Vera Rubin Ultra NVL576由八个MGX NVL机架构成，每个机架配置72颗Rubin Ultra GPU，八架合计576颗GPU。英伟达在技术博客中把这套架构描述为一种新的双层全互联NVLink拓扑，机架内部继续使用铜连接，机架之间则引入直接光纤连接，全部GPU工作在同一个NVLink域内。系统复用现有的MGX机架生态，以缩短投产周期。

在更早的GTC 2025展示材料中，英伟达给出了这套系统的目标规格：2027年下半年推出，FP4精度下推理性能约15 Exaflops，FP8精度下训练性能约5 Exaflops，相对GB300 NVL72整体提升约14倍；HBM4e显存带宽达到4.6 PB/s，快速内存容量365 TB，NVLink 7纵向扩展带宽1.5 PB/s，ConnectX-9横向网络带宽115.2 TB/s。这些数字属于英伟达在大会上披露的规划口径，最终量产规格以官方后续发布为准。

支撑这套系统的是几个关键的架构变化。

第一是单机架GPU数量的提升。现有Vera Rubin NVL72在单个机架内集成72颗Rubin GPU，而下一代MGX机架代号Kyber，把单机架NVLink域内的GPU数量翻倍到144颗。Kyber会先作为独立的NVL144系统推出，再向多机架的NVL1152扩展。Vera Rubin Ultra阶段向客户提供NVL72、NVL144和NVL576三种规模选项。

第二是互联介质从铜向光的切换。GB200 NVL72在一个机架内用数千根铜缆组成NVLink背板，铜连接在短距离上具备成本和功耗优势。当互联距离跨出机架、带宽继续翻倍时，铜缆的信号衰减和重量成为约束，NVL576因此在机架之间改用直接光纤，交换侧采用NVLink 7 CPO交换托盘，把光引擎从独立的可插拔光模块移到交换芯片附近。

第三是物理形态的模块化。计算托盘集成两颗Rubin GPU和一颗Vera CPU，机架内部采用符合OCP标准的模块化设计，光纤束连接各个光学引擎。英伟达的目标是把原本需要数小时的物理安装缩短到几分钟。

需要说明的是，NVL576并不是英伟达的第一个576卡NVLink域。英伟达在博客中提到，内部代号Polyphe的原型系统已经基于GB200平台完整实现了多机架NVL576架构，用于验证跨机架拓扑。NVL576的意义在于把这套验证过的架构用Rubin Ultra和CPO正式产品化。

图1：Rubin Ultra NVL576在GTC上展示的系统规划参数，包括FP4推理、FP8训练、HBM4e带宽、NVLink 7纵向扩展带宽等指标。

要看懂NVL576为什么是现在这个形态，需要回到英伟达超节点的起点，从NVLink和单机多卡开始。

二、超节点要解决的问题：纵向扩展的三道墙

超节点在英伟达的术语里对应的是rack-scale system，机架级系统，核心是scale-up，纵向扩展。理解它的价值，需要和scale-out，横向扩展，区分开来。

scale-out是用标准网络把大量独立服务器连接起来，节点之间通过以太网或InfiniBand通信。它的优势是规模可以做得很大，但节点间通信要经过网卡、交换机和协议栈，延迟和带宽都有限。scale-up则是在一个紧密耦合的域内，通过NVLink这类高带宽、低延迟的私有总线，把多颗GPU连接成一个共享内存的统一加速器，GPU之间可以直接访问彼此的显存。

为什么需要越来越大的scale-up域？大模型训练和推理有三道绕不开的墙。

第一道是内存墙。单颗GPU的显存容量有限，而模型参数、激活值、KV缓存持续增长。十万亿参数级模型，即使采用混合精度和专家并行，也需要数百颗GPU共同承载。当单卡显存放不下模型时，要么在节点间切分，要么扩大单域内的显存池。NVL576把576颗GPU的显存统一在一个域内，本质上是在扩大单一内存池的规模。

第二道是通信墙。大模型的张量并行、流水线并行和专家并行都要求GPU之间频繁同步。尤其是混合专家模型的all-to-all通信，每颗GPU都可能需要和其他所有GPU交换数据，对互联带宽和延迟极其敏感。如果互联跟不上，大量计算单元会处于等待状态，算力利用率下降。这正是NVLink每一代带宽翻倍的直接动因。

第三道是编程和可靠性墙。跨标准网络的集群需要开发者处理复杂的通信拓扑和一致性问题。把更多GPU收进单一NVLink域，配合统一内存和一致的编程模型，可以降低分布式训练的工程复杂度。同时，系统规模扩大后，单一部件失效成为常态，机架级架构必须把热维护、故障隔离和冗余设计进来。

英伟达超节点十年演进的主线，就是不断扩大scale-up域的边界。这个域从最初的8颗GPU，扩展到16颗、72颗，再到跨机架的576颗，互联介质、封装方式、散热和供电随之逐级重构。

三、第一阶段：单机8卡，NVLink与NVSwitch奠定基础

DGX-1：NVLink第一次把GPU直接连起来

2016年发布的DGX-1是英伟达第一代面向深度学习的一体化系统。它在一个机箱内集成8颗Tesla P100 GPU，GPU之间通过第一代NVLink连接，采用混合立方体网格拓扑，而不是简单的PCIe交换。机箱配备双路Intel Xeon CPU和四块100Gb InfiniBand网卡。

第一代NVLink的单链路双向带宽为40 GB/s，每颗P100通过四条链路提供160 GB/s的总双向带宽，大约是同期PCIe 3.0 x16的五倍。这个数字在今天看不大，但它确立了一个关键设计原则：GPU之间的通信不应该走PCIe这条相对低速的通用通道，而应该用专门的高带宽直连。

DGX-1的8卡还不是严格意义上的全互联。混合立方体网格在布线复杂度和带宽之间做了折中，任意两颗GPU之间要经过的跳数不完全相同。真正的任意GPU全互联，要等NVSwitch出现。

DGX-2：NVSwitch让16颗GPU全互联

2018年的DGX-2第一次把NVSwitch引入系统。它集成16颗Tesla V100 GPU，采用第二代NVLink，每颗GPU带宽300 GB/s，最多六条链路。

NVSwitch是一颗交换芯片，作用是把NVLink从GPU之间的点对点连接变成一个交换网络。在DGX-2内部，多颗NVSwitch让全部16颗V100实现了任意点对点的全互联，任何一颗GPU都能以一致的带宽访问其他GPU。这是超节点从简单堆叠走向交换架构的起点。

DGX-2的意义在于验证了集中式交换的可行性。当GPU数量增加，单纯依靠GPU之间的直连会让连线数量爆炸，引入专用交换芯片可以在保持全互联的同时控制布线复杂度。后续每一代机架级系统，都可以看到NVSwitch在不断放大这个角色。

DGX A100：NVLink翻倍与多实例GPU

2020年的DGX A100集成8颗A100 GPU，采用第三代NVLink，每颗GPU带宽提升到600 GB/s，链路数量增加到12条，配套第二代NVSwitch。

第三代NVLink把每对差分线的速率提升到50 Gbit/s，接近V100的两倍。DGX A100同时引入了A100的多实例GPU能力，一颗GPU可以在硬件层面切分成多个独立实例，提升资源利用率。系统的GPU与CPU、网卡、存储之间通过PCIe Gen4连接，ConnectX-6网卡提供横向扩展能力。

这一阶段的超节点仍然局限在单个机箱内，8颗GPU是一个标准的scale-up单元。当需要更大规模时，方案是把多个这样的机箱通过InfiniBand组成集群，也就是DGX SuperPOD的思路。

四、第二阶段：从单机到集群，DGX SuperPOD与GH200

DGX A100 SuperPOD：140个节点的参考架构

DGX A100 SuperPOD是英伟达把多个DGX A100系统打包成参考架构的产物。它包含140个DGX A100节点，也就是1120颗A100 GPU，通过Mellanox InfiniBand网络连接，配套统一的UFM管理设备和Base Command软件栈。

需要注意的是，SuperPOD在这个阶段还不是一个单一的NVLink域。节点内部的8颗GPU通过NVLink纵向扩展，节点之间仍然是InfiniBand横向扩展。它的价值在于提供一套经过验证的网络拓扑、存储、管理和软件方案，让客户不用从零搭建大规模集群。超节点和集群在这一代是两个清晰分层的概念。

DGX H100与DGX H100 SuperPOD

2022年的DGX H100集成8颗H100 GPU，采用第四代NVLink，每颗GPU带宽900 GB/s，链路数量18条，配套第三代NVSwitch。

DGX H100 SuperPOD由八个计算机架组成，每个机架放置四台DGX H100服务器，全系统32个节点、256颗H100 GPU，峰值AI算力达到1 Exaflop。它延续了节点内NVLink、节点间InfiniBand的分层架构，但单域规模和网络带宽相比A100世代明显提升。

这一代的重要背景是大模型训练需求爆发。Transformer模型的参数规模在2020年之后快速攀升，8卡甚至数十卡的集群逐渐难以满足训练需求，GPU之间的通信效率成为系统设计的核心矛盾。

DGX GH200：CPU与GPU进入同一内存域

2023年的DGX GH200在超节点演进中是一个特殊节点。它用Grace CPU和Hopper GPU组成超级芯片，通过NVLink-C2C实现CPU与GPU之间的高速连接，构建了当时首个100 TB级的GPU内存系统。

NVLink-C2C是芯片到芯片的互联，带宽900 GB/s，让CPU和GPU可以一致性地访问统一内存空间。在此之前，CPU内存和GPU显存是两个相对独立的池，数据需要通过PCIe搬运。GH200把CPU和GPU拉进同一个内存域，为后续GB200的Grace加Blackwell架构铺平了道路。

GH200解决的是CPU和GPU这两种不同计算单元之间的协同问题。它和GPU之间的NVLink是互补关系，后者解决GPU与GPU的互联，前者解决CPU与GPU的内存一致性。到了机架级系统，这两条互联都被整合进同一套设计。

五、第三阶段：机架即计算机，GB200与GB300 NVL72

2024年是英伟达超节点架构的分水岭。GB200 NVL72第一次把超节点从单台服务器、单个机箱提升到整个机架的尺度，并把整套机架作为标准产品交付。

GB200 NVL72：72颗GPU组成一个域

GB200 NVL72在一个机架内集成72颗Blackwell GPU和36颗Grace CPU。每两颗Blackwell GPU和一颗Grace CPU通过NVLink-C2C组成一个GB200 Grace Blackwell超级芯片，每个计算托盘含两颗Grace CPU和四颗Blackwell GPU。全机架18个计算节点，配套9个NVLink交换托盘。

第五代NVLink把单颗GPU的双向带宽提升到1.8 TB/s，是PCIe Gen5的14倍以上。整个机架的NVLink交换带宽达到130 TB/s，统一快速内存约30 TB，其中包括13.5 TB级别的HBM3e显存和17 TB级别的LPDDR5X CPU内存。单个NVLink域最多可以扩展到576颗GPU，总带宽超过1 PB/s，快速内存容量240 TB。

物理架构上，GB200 NVL72采用了和以往完全不同的设计。

机架后部有一个被称为NVLink背板的连接结构，由四个预装、预验证的铜缆盒组成。每个铜缆盒收纳大量铜缆，全机架铜缆数量超过5000根。GPU和NVSwitch都连接到这个铜缆背板，实现任意GPU之间的全互联。铜缆盒在出厂前完成装配和测试，到现场只需要整体插入，降低了现场布线的工作量。

图2：GB200 NVL72的计算托盘、NVLink交换托盘与机架铜缆背板。机架后部的NVLink背板由四个铜缆盒构成，收纳超过5000根高速铜缆。

散热上，GB200采用混合液冷。GPU、CPU、ConnectX网卡和NVSwitch这些高功耗器件使用冷板液冷，其余器件仍然风冷。机架内置冷却液分配单元，单机架散热能力达到250 kW量级。这是英伟达首个量产的大规模液冷机架级系统。

计算托盘基于MGX参考设计，支持PCIe Gen6，预留NVLink铜缆盒接口。GB200同时提供NVL36和NVL72两种配置，NVL36在一个机架内集成36颗GPU，用9个双GPU计算节点，NVL72则在一个机架内集成72颗GPU。

GB200 NVL72在2024年开始出货，是英伟达第一代量产的机架级系统。

GB300 NVL72：Blackwell Ultra的推理优化

2025年出货的GB300 NVL72把GPU从Blackwell升级为Blackwell Ultra，型号B300，机架配置仍是72颗Blackwell Ultra GPU加36颗Grace CPU，NVLink带宽130 TB/s。

GB300的主要变化集中在显存和推理能力。单颗B300配置288 GB HBM3e，机架GPU显存总量约20 TB，整机快速内存最高37 TB，部分口径给出40 TB级别的高速一致内存。Blackwell Ultra强化了注意力计算和推理性能，配合NVLink 5支持最多576颗GPU的无阻塞架构。

GB300 NVL72在机柜功率密度上继续提升。以超微的规格为例，机架配套250 kW容量的冷却液分配单元，以及240 kW或180 kW的液转风冷方案。高功率密度和液冷在这一代成为机架级系统的标准配置，不再是可选项。

从GB200到GB300，机架级系统的基本形态稳定下来。计算托盘、交换托盘、铜缆背板、电源架、液冷管路构成了一套可复用的MGX机架语言。这套语言在下一代Vera Rubin上被进一步标准化。

图3：GB200 NVL72机架内部结构。机架自上而下分布管理交换机、电源架、计算托盘和九个NVLink交换托盘，高功耗器件采用液冷。

六、第四阶段：Vera Rubin与跨机架光互联

Vera Rubin NVL72：第三代MGX，全液冷与PCB背板

Vera Rubin NVL72在2026年下半年进入量产，它把Blackwell的机架设计推到第三代MGX平台。单架集成72颗Rubin GPU和36颗Vera CPU，GPU之间采用第六代NVLink，单颗GPU带宽3.6 TB/s，链路数量从Blackwell的18条翻倍到36条，整机架纵向扩展带宽260 TB/s。

Vera CPU集成88个自研Olympus核心，兼容Arm架构。Rubin GPU搭载HBM4显存并引入新一代Transformer Engine。系统还包含ConnectX-9 SuperNIC、BlueField-4 DPU，内部通过NVLink 6交换，外部通过Quantum-X800 InfiniBand或Spectrum-X以太网横向扩展。

这一代在机架工程上的变化比芯片参数更值得拆解。

第一是连接方式从线缆转向PCB中央背板。Blackwell机架的背板由四个铜缆盒构成，收纳超过5000根高速铜缆。Vera Rubin在计算托盘内部改用中央印制电路板背板，托盘通过背板直连，实现了计算托盘无缆、无管、无风扇的设计，机架级背板仍由预装的铜缆盒构成。英伟达给出的数据是，单个计算托盘的装配时间从近两小时缩短到五分钟，装配和维护效率提升约20倍。每个计算托盘含两个Vera Rubin超级芯片，单个超级芯片约17000个元器件。

第二是全液冷与温水运行。Vera Rubin机架实现100%液冷，设计工作在45摄氏度进水温度。机架内置托盘级歧管和支持5000 A电流的液冷母线，冷却介质多为去离子水或PG25丙二醇溶液。更高的进水温度意味着数据中心可以在很多气候条件下利用环境空气和闭式干冷器，减少压缩机制冷，在相同供电预算下可以多部署约10%的NVL72机架。

第三是机架级电源管理。Vera Rubin引入智能电源平滑技术，机架级储能是上一代的6倍，约每颗GPU 400焦耳，通过闭环系统持续监测电容荷电状态，把分钟级的交流功率波动压平，峰值电流需求最多降低25%，以应对亚秒级的功率瞬变。

整架Vera Rubin NVL72包含约130万个元器件、近1300颗芯片，重量约4000磅，全部封装在单宽的第三代MGX机架内。NVLink交换托盘含四颗NVLink 6交换芯片，单托盘总带宽28.8 TB/s，并集成14.4 TFLOPS的FP8在网计算能力，用于加速集合通信。交换托盘支持在机架运行时进入维护模式并更换，多块交换托盘不可用时系统仍可继续运行。

图4：Vera Rubin NVLink交换托盘。单托盘含四颗NVLink 6交换芯片，每GPU全互联带宽3.6 TB/s，托盘总带宽28.8 TB/s，采用全液冷设计。

Rubin Ultra NVL576：光互联跨出机架

Vera Rubin Ultra NVL576是这套架构的进一步放大。它把八个MGX机架通过双层全互联拓扑连接到一个NVLink域，机架内部用铜，机架之间用直接光纤。交换侧升级到NVLink 7 CPO交换托盘，光学引擎以光电共封装形式靠近交换芯片。

为什么单机架停在72或144颗GPU，跨机架要改用光？核心约束在于铜互联的有效距离和物理重量。铜缆在短距离上功耗低、成本低，但随着SerDes速率提高，铜缆的信号损耗上升，长距离传输需要重定时器，铜缆的重量和弯曲半径也给机架布线和承重带来压力。光纤在距离、重量和抗干扰上具备优势，把光用于跨机架连接、铜用于机架内连接，是按距离做介质分工的结果。

CPO把原本插在交换机面板上的可插拔光模块取消，把光引擎直接封到交换芯片旁边的基板上。这种方式缩短了高速电信号的走线长度，降低了光电转换环节的功耗，并减少了面板端口占用。英伟达在Spectrum-6 SPX网络机架上使用的102.4 Tb/s交换机，就集成了512条通道、200 Gb/s速率的CPO，以单芯片和多芯片两种形式提供，用硅光集成替代可插拔光模块。

在NVL576之前，英伟达用代号Polyphe的GB200原型系统完整验证了多机架576卡的scale-up架构。到了Rubin Ultra阶段，这套拓扑与CPO、HBM4e结合，形成正式产品。

下一代MGX机架代号Kyber，单机架GPU数量提升到144颗。它先以独立NVL144的形式推出，再用类似的直接光互联扩展为NVL1152，服务于Feynman时代的系统。Vera Rubin Ultra阶段的scale-up规模因此形成NVL72、NVL144、NVL576三档，后续再向NVL1152演进。

Vera Rubin POD：把五类机架组织成一台超级计算机

比单个机架更上一层的是Vera Rubin POD。它在40个机架内部署1152颗Rubin GPU，合计60 Exaflops算力，1.2千万亿晶体管，纵向扩展带宽达到10 PB/s。

POD并非单一类型机架的简单重复，它把五类用途不同的机架组织成一个协同系统。

第一类是Vera Rubin NVL72计算机架，承担主力训练和推理。第二类是Groq 3 LPX推理机架，每架集成256颗语言处理器，用SRAM和片上互联换取低延迟，与NVL72配合处理长上下文的高交互推理。第三类是Vera CPU机架，单架最多256颗Vera CPU，提供智能体沙箱和强化学习环境。第四类是基于BlueField-4 STX的存储机架，把KV缓存这类跨轮次复用的数据分层卸载。第五类是Spectrum-6 SPX网络机架，负责机架间的东西向和南北向流量。

五类机架共享第三代MGX的机械、供电和散热规格，电源、冷却、结构件可以通用。POD概念体现了英伟达对AI工厂的理解，计算、网络、存储、推理加速不再是零散采购的部件，而是按统一参考设计协同交付的系统。

DSX POD则是在POD之上的完整AI工厂参考设计，把机架直接连接到场地的电力、冷却、网络接口，官方给出的部署周期从此前的约六个月缩短到约14天，联想、戴尔等合作伙伴参与交付。

七、代际演进对比：四条清晰的技术主线

主线一：NVLink带宽逐代翻倍

NVLink从2016年第一代到Rubin时代的第六代，单颗GPU带宽的演进有明确节奏。

从P100到Blackwell，单颗GPU的NVLink带宽提升了约11倍；英伟达官方数据显示，结合域规模的扩大，单个NVLink域的总带宽从2014年以来提升了约900倍。带宽翻倍的底层驱动力是SerDes速率和链路数量的同步提升，Vera Rubin的NVLink 6还引入了400G定制SerDes和在网计算。

主线二：scale-up域从8卡扩展到跨机架

域规模的扩大不是线性的。从8卡到72卡，靠的是机架内交换和铜缆背板；从72卡到576卡、1152卡，靠的是跨机架光互联和双层拓扑。每一次跨越都对应互联介质和物理形态的重构。

主线三：互联介质从铜走向光

早期DGX系统的NVLink在PCB板级和短铜缆上实现。GB200 NVL72把数千根铜缆集中到机架背板，铜连接在单机架内达到规模顶峰。Vera Rubin用PCB中央背板替代部分铜缆，但机架内部仍以铜为主。真正的拐点在Rubin Ultra NVL576，机架之间引入直接光纤和CPO交换。

这并不意味着铜被完全替代。英伟达的做法是铜和光按距离分工，机架内短距离继续用铜，机架间长距离用光。Spectrum-6的CPO首先在横向网络上量产，NVLink 7再把CPO引入纵向扩展域。

主线四：交付单元从服务器到AI工厂

交付单元在十年内逐级上移。最早交付的是一台DGX服务器，然后是参考架构形式的SuperPOD集群，GB200开始交付整个机架，Vera Rubin POD交付一组功能协同的机架，DSX POD进一步交付包含电力、冷却、网络在内的完整AI工厂参考设计。

交付单元上移的同时，客户需要自己集成的部分越来越少。机架在出厂前完成布线、测试和预装，到现场主要是接入水电网络，这直接体现在部署周期从六个月缩短到14天的口径上。

八、英伟达AI超节点产业链拆解

超节点的技术含量不只在GPU芯片。一个机架级系统包含上百万个元器件，涉及芯片、存储、封装、载板、连接、光电、电源、散热、整机集成等多个环节。英伟达通过MGX开放参考设计和生态，把这些环节分配给不同的供应商。

第一个环节是芯片本身。GPU、CPU、NVSwitch、DPU、网卡等核心芯片由英伟达设计，GPU和HBM的先进制造则依赖台积电。

第二个环节是HBM高带宽内存。每颗GPU都需要多颗HBM堆叠，HBM的容量和带宽直接决定机架级显存池的规模，从Blackwell的HBM3e到Rubin的HBM4、Rubin Ultra规划的HBM4e，存储是和GPU同步迭代的关键器件。

第三个环节是先进制造与封装。GPU和HBM都依赖先进制程，机架级超级芯片还需要CoWoS这类2.5D先进封装以及基板上晶圆级封装。封装产能在很大程度上决定了机架系统的出货节奏。

第四个环节是ABF载板。超级芯片和交换芯片需要高多层、大尺寸的高端ABF载板，载板的层数和面积随芯片规模扩大而提升，是先进封装的基础材料。

第五个环节是封装与测试。芯片的凸块、倒装、系统级封装和晶圆测试、成品测试由专业封测厂承担，机架级系统的高复杂度对测试覆盖率和良率提出更高要求。

第六个环节是铜缆与连接器。机架内的NVLink背板需要大量高速铜缆、同轴铜缆和高可靠连接器，铜缆盒是MGX机架的标志性部件。

第七个环节是光器件与CPO。跨机架互联和横向网络需要光引擎、硅光芯片、激光器、光纤连接。CPO把光引擎推向交换芯片，对硅光和封装的协同要求提高。

第八个环节是电源。单机架功率从几十千瓦提升到数百千瓦，Vera Rubin机架电流达到5000 A，电源架、母线、高压直流和功率平滑器件都需要重新设计。

第九个环节是液冷。冷板、快接头、歧管、冷却液分配单元、液转风冷设备成为机架级系统的标准配置，供应链从传统服务器散热向高功率液冷迁移。

第十个环节是整机与机架集成。服务器代工厂按照MGX参考设计制造计算托盘、交换托盘、机架和机柜，完成预装和测试，再交付给云厂商。

九、十大核心企业主力产品与技术

英伟达在2026年10月联合安靠、揖斐电、京元电子、三星电机、矽品、欣兴电子等六家供应链伙伴扩大产能，覆盖封装、载板、测试和关键电子元件。结合制造、存储和整机环节，超节点产业链的核心企业可以归纳如下。

1. 台积电：先进制程与CoWoS封装

台积电承担英伟达GPU和HBM相关芯片的晶圆制造，以及CoWoS系列先进封装。CoWoS通过硅中介层把GPU裸片和HBM堆叠集成在同一基板上，是Blackwell和Rubin超级芯片的封装基础。HBM4世代，基础裸片的制造也更多引入逻辑代工能力，台积电在HBM产业链中的角色进一步延伸。制程和封装产能共同决定了英伟达机架级产品的供给上限。

2. SK海力士：HBM4与AI内存

SK海力士是英伟达HBM的主要供应商，率先推进HBM3e和HBM4的量产，并向客户供应12层HBM4e样品。其HBM产品围绕高带宽、高堆叠和散热改进，配套英伟达的AI工厂内存路线。HBM4代际，基础裸片和定制化逻辑的重要性上升，SK海力士也在推进与先进封装协同的方案。

3. 三星电子与三星电机：HBM与电机元件

三星电子是英伟达的HBM供应商之一，HBM4已在2026年年初率先量产出货，并在HBM收入份额上持续追赶。三星电机则提供MLCC、半导体封装基板和摄像模组之外的高可靠电子元件，是英伟达此轮联合扩产的六家伙伴之一。高功率机架对MLCC的耐压、容量和可靠性要求显著提升，机架级系统的复杂度提升，直接拉动了电机元件厂商的高可靠产品需求。

4. 美光：HBM3e与后续代际

美光提供HBM3e产品，其HBM4产能爬坡速度和后续HBM4e战略是市场关注重点。SK海力士放弃Solidigm赴美IPO后，美光在存储供给端的位置受到更多关注。美光的技术路线围绕高带宽、低功耗和与先进封装的协同展开，并调整HBM4e的制造与代工合作策略。

5. 安靠：封测与先进封装

安靠是全球主要的半导体封装测试代工厂之一，被英伟达纳入此次联合扩产名单。其能力覆盖倒装、晶圆级封装、系统级封装和测试。在机架级系统中，先进封装的产能和良率是瓶颈环节，安靠这类独立封测厂为英伟达和存储厂提供了台积电之外的封装产能补充。

6. 日月光（含矽品）：系统级封装与机架供应链

日月光是全球规模领先的封测集团，旗下矽品是英伟达此次联合扩产的伙伴之一。矽品在高端封装、基板组装和测试环节与英伟达机架供应链深度绑定。日月光的系统级封装、扇出和测试能力，支撑了机架级系统中大量交换芯片、网络芯片和配套芯片的封装需求。

7. 揖斐电：高端ABF载板

日本揖斐电是高端ABF载板的代表厂商，被英伟达纳入联合扩产名单。超级芯片和NVSwitch随着规模扩大，对载板的层数、面积、布线密度和良率要求持续提高。揖斐电在大尺寸、高多层CPU和GPU载板上具备技术积累，是先进封装供应链的上游关键环节。

8. 欣兴电子：ABF载板与高密度互连

欣兴电子是台湾主要的载板厂商，同样进入英伟达联合扩产名单。其ABF载板覆盖高多层计算芯片和网络芯片，在载板产能紧张的周期里，欣兴与揖斐电共同承担高端载板的供给。载板是HBM和GPU集成的物理基础，产能扩张周期长、技术门槛高。

9. 京元电子：专业芯片测试

京元电子是专业的晶圆测试和成品测试代工厂，被英伟达纳入联合扩产名单。随着GPU、交换芯片、DPU的集成度和出货量提升，测试环节的覆盖率和产能直接影响交付。机架级系统包含近1300颗芯片，每颗芯片的测试和筛选都需要专业测试产能支撑。

10. 鸿海与工业富联：MGX机架整机集成

鸿海集团及其工业富联体系是MGX机架和AI服务器的重要整机制造商，承担计算托盘、交换托盘和机架的组装、预装与测试。机架级系统把上百万个元器件集成到标准机柜，需要大规模精密制造和供应链协同能力。广达、纬创、超微、戴尔、HPE、联想等也是MGX生态的重要整机厂商，合计超过80家合作伙伴参与机架生态。

除上述十家之外，产业链中还有几个值得关注的环节。铜缆与连接器方面，安费诺、立讯精密、沃尔核材等厂商供应高速铜缆和连接组件；光与CPO方面，博通、Marvell提供交换和光引擎相关芯片，中际旭创、新易盛、天孚通信、Coherent、Lumentum等覆盖光模块和光器件，英伟达还在2026年向Marvell投资并深化硅光合作；电源与液冷方面，台达、光宝、麦格米特、中恒电气、Vertiv、英维克等提供电源架、高压直流和液冷设备。软件和参考设计层面，英伟达则把超节点互联通过NVLink Fusion开放给第三方。

十、发展思路与需要观察的节点

纵观十年演进，英伟达超节点的发展思路可以归纳为三个层面。

第一个层面是把更多计算收进同一个紧耦合域。从8卡到576卡，scale-up的边界不断外推，背后是大模型对显存池和集合通信带宽的刚性需求。NVLink带宽每代翻倍，域规模跳级扩大，最终把整机架乃至多机架变成一台逻辑上的计算机。

第二个层面是用参考设计和生态放大产能。英伟达自己掌握芯片和架构，但不亲自制造全部机架。MGX开放机架规格，把机架、托盘、铜缆盒、液冷歧管、母线、电源架等部件标准化，交给80多家合作伙伴制造。联合安靠、揖斐电、京元电子等供应商扩产，是为了在架构迭代的同时保证封装、载板和测试产能。这种模式让英伟达在不承担全部重资产投入的情况下，把机架级系统快速推向规模交付。

第三个层面是把互联能力本身变成生态标准。NVLink Fusion允许MediaTek、Marvell、世芯、Astera Labs、Synopsys、Cadence、d-Matrix等伙伴基于NVLink开发半定制XPU，并接入MGX机架和AI工厂。规则要求集成方案至少包含一款英伟达产品。这套设计既把超大规模客户的定制芯片需求纳入英伟达机架生态，又通过互联标准维持了体系的向心力。

往后看，有几个技术节点值得持续跟踪。

一是铜和光的分工边界。CPO在Spectrum-6上已经量产，NVLink 7把它引入纵向扩展，实际量产中光引擎的良率、可维护性和与铜背板的成本对比，会决定光互联的渗透节奏。

二是单机架功率和散热的上限。Vera Rubin机架已经做到100%液冷、45摄氏度温水、5000 A母线。Rubin Ultra机架功率规划进一步提高，供电和散热工程的约束会越来越强，智能电源平滑和高压直流供电是明确的应对方向。

三是scale-up与定制芯片的关系。超大规模厂商既有自研ASIC，又需要英伟达的scale-up网络。NVLink Fusion能否让第三方XPU顺畅接入同一个机架域，决定了英伟达超节点是封闭体系还是事实标准。

四是多机架域的软件效率。576颗GPU进入同一个NVLink域，硬件连接完成只是第一步，集合通信、故障域管理、调度和推理框架能否让大模型真正利用这块域带宽，需要在实际负载中验证。

从DGX-1的8卡到NVL576的576卡，英伟达超节点的演进主线始终一致。它的本质是在每一代重新设计互联、封装、散热和供电的边界，把一个更大的计算和内存池封装成可以整体交付的产品。单纯增加GPU数量并不能实现这一点。当单机架的铜连接逼近物理极限，光互联开始跨出机架；当机架成为标准单元，POD和AI工厂成为新的交付单位。理解这条主线，才能看清楚下一代AI基础设施的形态。（完）

——————

免责声明：本文仅用于芯片半导体领域的技术研究与行业分析，不构成任何投资建议，亦不作为任何投资决策的参考依据。文中信息均基于公开渠道的官方与权威资料整理。具体数据以官方或权威发布信息为准。

张星河

每天一份高质量研报，持续聚焦芯片半导体、AI基础设施、AI智能硬件、具身智能、光通信等硬科技方面的行业研究、产业链分析与技术拆解。欢迎您的关注！