移动通信网 林知远
9月30日，中国移动采购与招标网发布2026年至2027年新一代人工智能超节点设备集中采购项目招标公告，采购规模合计20480卡，同时配套采购RoCE交换机448台、存储设备82套。该项目不划分标包，最终选取4至5家中标人，并设置最高投标限价，投标报价超限者直接否决。这是国内运营商迄今公开的最大规模AI超节点单次集采之一。按照当前主流单卡功耗估算，20480卡若以400W至700W级别加速卡为主，整机柜功耗将达数兆瓦级，对应的智算中心机柜、供电与液冷配套投资规模可观。此番集采面向2026至2027年建设周期，表明中国移动正将智算资源供给从“千卡级”试验推向“万卡级”规模化商用，与国内算力基础设施向超大规模演进的节奏同步。
【关键数据】
[1] 20480卡（AI超节点采购总规模）
[2] 448台RoCE交换机
[3] 82套存储设备
[4] 4-5家中标人
[5] 平均每台交换机承载约46张加速卡互联流量
AI超节点（Super Node）是指通过高带宽、低时延互联网络将数十至数百张加速卡组成一个统一计算域的技术架构，其核心目标是解决大模型训练中GPU之间的通信瓶颈。当前主流超节点规模为64卡至256卡，卡间互联带宽普遍要求达到200Gbps至400Gbps级别。此次配套采购的448台RoCE交换机即为构建超节点内外互联网络的关键部件——RoCE（RDMA over Converged Ethernet）通过在以太网上实现远程直接内存访问，可将跨卡通信时延降至微秒级。按20480卡与448台交换机的配比测算，平均每台交换机需承载约46张加速卡的互联流量，对应端口规格预计为51.2T乃至更高级别的盒式或框式交换机。配套的82套存储设备则需支撑千亿乃至万亿参数模型训练所需的 checkpoint 高速读写，单套系统吞吐能力预计在百GB/s量级。
从竞争格局看，此次集采选取4至5家中标人，意味着国产AI芯片阵营将迎来一次大规模集中验证。当前国内AI加速卡市场主要参与者包括华为昇腾系列、寒武纪思元系列、海光DCU系列，以及阿里平头哥、百度昆仑芯等自研阵营；服务器整机环节则由浪潮信息、中科曙光、新华三、中兴通讯、烽火通信等厂商竞逐。中国移动上一轮AI服务器集采（2023年至2024年）规模约为7994台，涉及近8万张加速卡，但以传统8卡服务器形态为主；本次转向“超节点”形态集采，标志着采购逻辑从单机向整机柜、从算力堆叠向系统级互联能力转变。4至5家的中标名额设置，也暗示监管层希望维持多供应商格局，避免单一依赖，中标份额预计按报价、性能、交付能力综合评定，头部厂商或各自斩获数千卡份额。
超节点集采对产业链上下游的拉动效应显著。上游看，20480卡对应的AI加速芯片、HBM存储、高速互联芯片（如NIC、Switch芯片）需求将集中释放；按单颗AI芯片配套HBM容量48GB至141GB估算，仅此一项即拉动HBM采购约1PB至2.8PB。中游服务器与交换机厂商需在数月内完成整机柜集成、液冷改造与网络调优，交付压力较大。下游运营侧，中国移动2025年资本开支计划中算力投资占比已超过25%，全年智算规模目标为数万卡级别。成本结构方面，超节点系统中加速卡占比约60%至70%，网络设备占比约10%至15%，存储占比约10%，其余为机柜、电源与散热。最高限价机制的设置，将倒逼厂商在国产芯片成本持续下探的基础上进一步压缩集成利润，行业毛利率或承压2至5个百分点。
商业化落地方面，中国移动的算力资源主要通过移动云对外输出，服务模式涵盖裸金属、GPU云主机、模型即服务（MaaS）等。2025年上半年，移动云收入已突破千亿元规模，其中智算相关收入增速超过100%。超节点资源上线后，主要面向三类场景：一是万亿参数级大模型的预训练与后训练，单任务需占用数千卡并持续数周；二是推理服务规模化部署，尤其面向DeepSeek等开源大模型的密集推理需求；三是行业大模型共建，包括政务、能源、钢铁、医疗等领域的私有化训练。此前中国移动已在呼和浩特、哈尔滨等地建成万卡级智算中心，本次20480卡超节点预计将部署于智算中心二期或新建节点，并与已有的“N+X”算力网络架构对接，实现跨区域算力调度。
行业趋势层面，全球范围内超节点已成为AI基础设施竞争焦点：英伟达推出NVLink 144机柜级方案，单机柜集成72颗GPU；博通推出Jericho3-AI架构，支持32000卡级互联。国内方面，三大运营商2025年至2026年智算集采规模合计预计超过10万卡，中国移动本轮20480卡仅是其中一部分。对芯片厂商而言，运营商集采是国产AI芯片最大的确定性订单来源之一，中标份额与后续扩容直接绑定；对设备厂商而言，超节点形态将加速传统服务器厂商向“计算—网络—存储一体化方案商”转型。项目预计于2025年四季度完成评标，2026年起分批交付，届时国产超节点系统在万卡级任务下的稳定性与线性度表现，将成为检验国产AI算力体系成色的关键实证。
