> 数据图表如何才能MatrixLink 双层网络（Scale-UpScale-Out）架构图
2026-6-23）国产算力依托超节点架构，从系统层面弥补单点不足，训练端的突破路径也从单点追赶转向集群效率优化。国产训练端 AI 基础设施的核心矛盾不只在于单卡性能对标，更在于在先进制程、HBM 供给和软件生态仍存在约束的情况下，通过超节点组织方式（高速互联分层网络）与集群调度，提升实际训练吞吐与资源利用率。头部厂商的策略重心已从追求单芯片规格，逐步转向围绕超节点组织方式构建可交付、可扩展的集群能力。以华为 CloudMatrix 为例，其通过 MatrixLink 将网络拆分为两层：超节点内部走 ScaleUp 总线域，实现 384 卡全对等互联（2.8 Tbps 卡间互联带宽、纳秒级时延）跨超节点则通过 ScaleOut 网络支持微秒级通信。当前，此类超节点集群主要落地于自动驾驶、科学计算、能源、政务等对技术可控性要求较高的场景。 
