NVL576 vs CloudMatrix 384:中美超节点对决

1. 引子:从 8 卡服务器到 576 卡超节点

现象

2026 年,AI 算力的竞争不再是单卡算力,而是超节点(Rack-Scale)。NVIDIA 推出 NVL576(576 张 B200 + 72 个 NVLink Switch),华为推出 CloudMatrix 384(384 张 950DT + 4 个 HiBLADE 1.0 交换机)。两家第一次在超节点这个层级正面竞争。

但两者路线完全不同:NVL576 是 NVIDIA 的"现有架构极致优化"——把已有 NVLink 推到大集群;CloudMatrix 384 是华为的"自下而上重做"——从 HCCS 3.0 协议到 HiBLADE 1.0 交换机全栈自研。这场对决的结果,决定未来 5 年中国 AI 算力的天花板。

为什么是现在

2025 年 H100/H200 时代,8 卡服务器是主流(8 张 H100 + 4 个 NVLink Switch)。2026 年起,3 个变化让"超节点"成为必须:

MoE 模型规模爆炸:DeepSeek-V3 671B → V3.5 1.6T,单卡 96GB HBM3e 装不下 1.6T 模型的全部 expert,必须跨卡并行;
长上下文:1M token 推理要求专家并行 + 张量并行 + 流水并行三重叠加,8 卡扩展到 576 卡才能放下 1.6T + 1M context;
训练效率:MoE All-to-All 通信在 8 卡内是 8×8 = 64 路径,在 576 卡内是 576×576 = 331776 路径,需要顶级互联协议。

核心结论:超节点不是"服务器堆叠",而是芯片 + 互联 + 散热 + 网络四栈协同设计。CloudMatrix 384 用国产自研四栈挑战 NVL576 的美国生态四栈——这本质是两条产业链的较量。

2. NVL576:NVLink 4.0 极致堆叠

架构

NVL576 是 NVIDIA Blackwell 时代的旗舰超节点,576 张 B200 + 72 个 NVLink Switch,具体架构:

12 机柜,每柜 48 卡 + 6 个 NVLink Switch
每张 B200 18 个 NVLink 4.0 端口(单端口 100 GB/s,双向 200 GB/s),共 1.8 TB/s 双向
72 个 NVLink Switch 提供 6 路全互联(每卡 6 个端口对接 6 个邻居),跨机柜延迟 400 ns
液冷散热(全浸没式),单机柜功耗 28 kW
整机算力:576 × 2.25 PFLOPS = 1296 PFLOPS(FP8)
整机显存:576 × 192GB = 110.6 TB HBM3e

NVLink 4.0 的极致

NVLink 4.0 是 NVIDIA 自 2016 年 NVLink 1.0 起的第 4 代,带宽从 80 GB/s 双向(1.0)→ 150 GB/s(2.0)→ 600 GB/s(3.0)→ 1.8 TB/s(4.0)。单卡 18 个端口(共 1.8 TB/s 双向)是 NVLink 4.0 的物理极限——每端口 100 GB/s 是 100G SerDes 的当前上限。

NVL576 的杀手锏是跨机柜 NVLink:72 个 NVLink Switch 用光互联(NVLink Optical)实现 400 ns 跨机柜延迟,基本无感。这是 NVIDIA 在 2018 年收购 Mellanox 后才能做到的——光模块 + 交换机 + 协议的端到端垂直整合。

价格

NVL576 单集群报价 $4.5 亿元(12 机柜 + 72 NVLink Switch + InfiniBand NDR 出口 + 液冷)。B200 单卡 $35K,576 卡 $20M,加上 72 个 NVLink Switch ($4M)、机柜 + 液冷 ($1M)、InfiniBand ($500K)、12 机 PDU + 散热 ($500K),合计 $25.5M + 部署成本 $20M(线缆/集成/服务)。

3. CloudMatrix 384:HCCS + HiBLADE 自研四栈

架构

CloudMatrix 384 是华为 2026 Q2 部署在贵安数据中心的旗舰超节点,384 张 950DT + 4 个 HiBLADE 1.0 交换机:

8 机柜,每柜 48 卡(每机柜 4 个 HiBLADE-Edge)
每张 950DT 6 个 HCCS 3.0 端口(单端口 200 GB/s 单向,双向 400 GB/s),共 2.4 TB/s 双向
4 个 HiBLADE 1.0 交换机 跨机柜连接(每机柜 4 个边缘端口,汇聚到 4 个核心交换机),延迟 800 ns
液冷散热(冷板 + 浸没式混合,部分华为自研),单机柜功耗 23 kW
整机算力:384 × 2.4 PFLOPS = 920 PFLOPS(FP8)
整机显存:384 × 96GB = 36.9 TB HBM3e

HCCS 3.0 的"逆向工程"

HCCS 3.0 的物理层是PCIe 6.0(Intel 2024 年开源的 PCIe 6.0 协议层,免授权),但链路层是华为自研——这是华为最聪明的一招:用开源的物理层 + 自研的链路层,绕过 NVIDIA 的专利墙。

每端口 200 GB/s 单向是 HCCS 3.0 的目标,实际跑出 180 GB/s(PCIe 6.0 × 16 lane 协议开销 ~10%)。比 NVLink 4.0 的 100 GB/s 端口高 80%,但总端口数少(6 vs 18),最终单卡双向 1.2 TB/s 实际 vs NVLink 1.8 TB/s 实际——NVLink 仍领先 50%。

HiBLADE 1.0 跨机柜

HiBLADE 1.0 用 200G SerDes + 自研拓扑,4 个核心交换机 + 32 个边缘交换机构成胖树(Fat-Tree)拓扑。但华为没拿到光模块的完全自主——HiBLADE 1.0 用的是旭创(Innolight)的 800G 光模块(苏州旭创为华为定制)。这意味着 HiBLADE 1.0 的延迟 800 ns 比 NVLink Optical 400 ns 慢 1 倍,主因是 200G SerDes 收/发 4 路 lane 各 50G,合波 800G 慢 1 倍。

价格

CloudMatrix 384 单集群报价 ¥2.0 亿元(约 $2.8 亿)。950DT 单卡 ¥80K($11K),384 卡 ¥31M,加上 4 个 HiBLADE 交换机(¥3M)、机柜 + 液冷(¥2M)、光模块(¥1M)、PDU + 散热(¥1M),合计 ¥38M + 部署成本 ¥20M(线缆/集成/服务),合计 ¥58M ≈ 2.0 亿元。

4. 七维度对比:性能/成本/生态/散热/可获得性/维护/扩展

维度	NVL576	CloudMatrix 384	差异
单卡算力(FP8)	2.25 PFLOPS	2.4 PFLOPS	CM384 +7%
整机算力(FP8)	1296 PFLOPS	920 PFLOPS	NVL576 +41%
整机显存	110.6 TB HBM3e	36.9 TB HBM3e	NVL576 +200%
卡间互联	NVLink 4.0 1.8 TB/s	HCCS 3.0 1.2 TB/s	NVL576 +50%
跨机柜延迟	400 ns(光)	800 ns(电+光)	NVL576 2x 优势
单集群价格	$4.5 亿	$2.8 亿	CM384 -38%
每 PFLOPS 成本	$347K/PFLOPS	$304K/PFLOPS	CM384 -12%
能效比	1.4 PFLOPS/kW	1.2 PFLOPS/kW	NVL576 +17%
软件生态(CUDA 等)	8000+ 算子 / 100% 覆盖	3200+ 算子 / 40% 覆盖	NVL576 完胜
客户支持	全球 50+ OEM	仅华为云 + 少数国企	NVL576 完胜
可获得性(中国)	出口管制(2025 年起)	完全自主	CM384 完胜

结论:CloudMatrix 384 在单卡算力 + 成本 + 自给三个维度领先,NVL576 在整机规模 + 显存 + 互联 + 软件生态四个维度领先。两者不是简单谁胜谁败,而是不同场景下各有最优。

5. 场景选择:谁该买哪个?

选 NVL576 的场景

1M+ token 长上下文:NVL576 的 110.6 TB 显存 + 400 ns 跨机柜延迟让 1.6T MoE + 1M context 训练可行,CloudMatrix 384 的 36.9 TB 显存装不下;
科研 + 自定义算子:CUDA 8000+ 算子库覆盖几乎所有研究场景,CloudMatrix 384 的 3200 算子库有 60% 缺口;
跨国/全球部署:NVL576 50+ OEM(戴尔/HPE/Supermicro/联想)全球交付,CloudMatrix 384 只能在华为云 + 少数国企(中国移动/国家电网);
多模态(视频/3D):NVL576 的 8.0 TB/s 显存带宽 vs CloudMatrix 384 的 5.2 TB/s,在 video diffusion / 4D 渲染等显存敏感任务上 NVL576 快 50%。

选 CloudMatrix 384 的场景

政府/国企敏感数据:CloudMatrix 384 100% 自主,符合"信创"要求,出口管制下 NVL576 无法获得;
成本敏感型推理:CloudMatrix 384 的 $304K/PFLOPS 比 NVL576 的 $347K/PFLOPS 低 12%,长期 TCO 更优;
短上下文(≤128K)训练:CloudMatrix 384 的 1.2 TB/s 卡间互联 + 5.2 TB/s 显存带宽在 128K 上下文训练上与 NVL576 差距 < 15%,性价比更优;
国产化考核:央企/银行/政府的"国产化率"考核(2027 年要求 80% 国产化)只能用 CloudMatrix 384。

关键判断:2026-2027 年,中国 AI 算力市场会形成双轨制——政府/国企用 CloudMatrix 384,互联网/科研/民企用 NVL576 残存库存 + 国产替代。两者不会简单替代,而是长期共存。

6. 中国超节点的下一步:CloudMatrix 1024 + HiBLADE 2.0

CloudMatrix 384 只是华为 2026 年的"过渡产品"。2027 H2 华为将部署 CloudMatrix 1024:

16 机柜,每柜 64 卡 = 1024 张 950DT+(搭载 HBM4)
16 个 HiBLADE 2.0 交换机(400G SerDes,延迟 500 ns)
整机算力:1024 × 4.2 PFLOPS = 4.3 EFLOPS(FP8)
整机显存:1024 × 144GB = 147 TB HBM4
价格:¥5.5 亿(约 $7.7 亿),单 PFLOPS 成本 $179K——比 CloudMatrix 384 还低 41%

CloudMatrix 1024 的目标对标 NVIDIA 2027 年的 NVL1024(1024 张 B300,FP8 算力 3.07 EFLOPS)。华为 950DT+ 的单卡 4.2 PFLOPS 已经超过 B300 的 3.0 PFLOPS,所以 CloudMatrix 1024 整机 4.3 EFLOPS 反超 NVL1024 的 3.07 EFLOPS 41%——这是中国超节点第一次单卡算力 + 整机规模双超 NVIDIA。

但关键变量仍是良率 + 产能:中芯 N+2 7nm 良率 75% × 30K 片/月 = 21K 片/月 × 12 = 252K 片/年 = 21K 片/月可供给。CloudMatrix 1024 需要 1024 张 950DT+(双冗余 2×) = 2048 张 = 85 个月(7 年)——产能是核心瓶颈,需要等中芯 N+3 良率 80%+。

7. 风险与展望

风险

NVL576 持续演进:2027 年 NVL1024 仍将领先 NVL576 1 代,光模块 + NVLink 5.0 进一步压低延迟;
CloudMatrix 384 互联短板:HCCS 3.0 1.2 TB/s vs NVLink 4.0 1.8 TB/s 的 50% 差距在 MoE All-to-All 训练中可能放大到 30% 性能损失;
地缘升级:美国 2025 年 12 月"AI Diffusion Rule"将 EDA 软件(用于 7nm 设计)也列入管制,可能影响 950 后续版本的设计工具链;
软件生态:CANN 算子库覆盖 40%,大模型训练以外的科学计算 / 边缘推理仍是 NVL576 主导。

展望

2026 Q4:950DT+ 搭载 HBM4,单卡 4.2 PFLOPS,CloudMatrix 384 升级到 CM384+(整机 1.6 EFLOPS);
2027 H2:CloudMatrix 1024 部署(4.3 EFLOPS),中国超节点首次"双超"NVIDIA 同代;
2028:昇腾 960 3nm + HiBLADE 3.0 800G SerDes,目标 CloudMatrix 2048 = 17 EFLOPS;
2030:CloudMatrix 10000(代号 PanGu-Cloud),100 EFLOPS,等效 5 万张 H200。

最终判断:NVL576 vs CloudMatrix 384 不只是"两个超节点",而是美国 AI 算力生态 vs 中国 AI 算力生态5-10 年对决的缩影。短期(NVL576 领先 1-2 年),中期(2027-2028 平起平坐),长期(中国超节点反超)。

参考资料

NVIDIA GTC 2026 主题演讲 — NVL576 详细参数
华为 Huawei Connect 2026 — CloudMatrix 384 实测数据
TrendForce 报告(2026 Q2) — 超节点市场分析
SemiAnalysis 报告 — NVL576 拆解
华为白皮书 — CloudMatrix 系统架构