阿里云：全栈AI布局构建核心竞争力，超节点&高性能网络补全AI基础设施。作为亚太第一、中国最大的公共云服务商，阿里云搭建IaaS、 PaaS、MaaS三层全栈云服务体系，是全球少数可实现软硬件垂直整合的超级AI云计算平台。IaaS层覆盖底层芯片、超节点服务器、高性能网络等核心环节，2025年9月发布磐久AL128单机柜超节点、HPN8.0高性能网络，10月推出UPN512技术架构白皮书，全面补齐AI算力与网络短板；PaaS层以百炼平台打造一站式模型服务能力，MaaS层依托通义千问大模型，开源300多款全模态模型。

电子行业深度报告

客户积累&资本开支共振：阿里云自研超节点业务落地优势明显。客户层面，截至26年4月底，阿里云布局全球29个地理区域、94个可用区，拥有3200+全球CDN节点，可依托现有基础设施快速改造升级超节点，存量客户的高粘性大幅降低超节点业务的迁移与适配成本。财务层面，阿里2025年2月宣布未来三年投入3800亿元加码AI与云基建，资本开支持续加码带动营收放量，FY26Q2、Q3阿里云收入分别达398亿元、433亿元，同比增速 34.5%、36.4%，AI相关产品连续十个季度实现三位数同比增长。客户与财务双轮驱动打开超节点业务增长空间。

全球及中国云计算市场持续扩容，阿里稳居国内云厂商龙头。全球市场方面，2024年全球公有云规模达5957亿美元，AI驱动IaaS赛道高速增长，2024-2025年全球IaaS市场规模将达1698亿美元、2119亿美元。中国市场方面，2024年国内云计算整体市场规模8288亿元，公有云IaaS占据主要份额，智能算力服务成为增长核心。2024年下半年阿里云以 26.1%、24.4%的份额位列中国公有云IaaS、PaaS市场第一；2025年上半年以 35.8%的占比位居中国AI云市场首位，份额超过第二名至第四名总和，行业扩容与龙头地位为超节点业务提供广阔市场基础。

UPN512作为单层光互连解耦系统，突破传统超节点大型机柜限制，完善阿里云高性能网络布局。该系统继承HPN Scale Out设计理念，解耦 Scale Up对高密系统的依赖，与HPN形成“域内Scale Up、跨域Scale Out”的协同架构。UPN512基于高通量以太网采用单层网络架构，可支持512颗xPU全光互联，未来可扩展至1K及以上规模，内置在网计算引擎，支持主流数据类型与基础计算操作。互联层采用LPO/NPO光互连方案，可降低光互连成本 30%以上、可靠性提升约3倍，19英寸标准机柜即可部署，在制造、运维、供电散热等方面优势显著。

投资建议：重点推荐盛科通信-U、海光信息、澜起科技，建议关注中兴通讯、万通发展（数渡科技）等。

超节点系列报告三：阿里超节点，全栈AI布局，自研AL128、UPN512补全AI基础设施增持（维持）

投资要点

风险提示：AI应用进展不及预期，技术发展不及预期，市场竞争风险。

磐久AL128超节点服务器：阿里首款机柜级超节点，基于新一代AI芯片真武M890。该产品采用定制双宽机柜，可集成128-144颗GPU，具备350kW供电与500kW散热能力，实现CPU、GPU、供电、交换等节点全方位解耦，基于新一代AI芯片真武M890。网络层面采用三层互连架构，域内Scale Up互连通过单级交换实现GPU全带宽互联，单GPU互连带宽最高达28Tb；超节点间Scale Out网络预留充足通信带宽，满足大集群调度需求；DCN网络打通算力与数据中心的通信链路。正交架构让高速链路低损耗，将FRU更换时长从小时级缩至分钟级。

2026年05月27日

证券分析师 陈海进

执业证书：S0600525020001

chenhj@dwzq.com.cn

证券分析师 李雅文

执业证书：S0600526010002

liyw@dwzq.com.cn

行业走势


相关研究

《国产算力周跟踪：DeepSeek降价推动AI应用，行业龙头继续明确Agent时代CPU核心地位》

2026-05-24

《半导体设备2025年报&2026年一季报总结：前后道设备商业绩持续高增，看好先进产能扩产&设备国产化率提升》

2026-05-19


内容目录

1. 为什么看好阿里云超节点自研业务？ ...4

1.1. 阿里云：全栈 AI 布局，超节点&高性能网络补全 AI 基础设施 ...4

1.2. 客户积累&资本开支共振：阿里云自研超节点优势尽显 ...5

1.2.1. 客户侧：IaaS 业务遍布全球，存量客户粘性助力超节点业务落地 ...5

1.2.2. 财务侧：资本开支持续加码带来营收放量，打开全栈 AI 业务增长新空间 ...6

1.3. 全球及中国云计算市场扩容，阿里云为国内头部云厂商 ...7

1.3.1. 全球侧：公有云市场规模扩容，AI 引发新一轮增长需求 ...7

1.3.2. 中国侧：IaaS 赛道占据公有云主要市场份额，阿里领跑 ...8

1. 阿里云自研超节点梳理 ...11

2.1. 磐久 AL128 超节点服务器：阿里首款机柜级超节点 ...11

2.1.1. 定制双宽机柜：灵活的模块化、多维解耦系统架构 ...11

2.1.2. 三层互连网络架构：域内、域间及数据中心全场景通信 ...12

2.1.3. 芯片侧：搭载平头哥新一代 AI 芯片真武 M890、互联芯片 ICN Switch 1.0 ...13

2.2. UPN512：单层光互连解耦系统 ...13

2.2.1. UPN：继承 HPN Scale Out 理念，解耦 Scale Up 设计对于高密系统的依赖 ...13

2.2.2. UPN512：基于高通量以太网的单层网络架构 ...14

2.2.3. UPN512：基于 LPO/NPO 光互连的盒式化解耦方案 ...15

1. 投资建议 ...18

1. 风险提示 ...19


图表目录

图 1: 阿里巴巴&阿里云主营业务 ...5

图 2: 阿里云数据中心、网络节点全球布局情况 ...6

图 3: FY23Q1-FY26Q3 阿里云收入及增速 ...7

图 4: FY18-FY27E 阿里巴巴资本开支 ...7

图 5: 全球云计算市场规模及增速 ...8

图 6: 24-25 年全球公有云市场占比预测（亿美元） ...8

图 7: 23-24 年全球主流厂商 IaaS 公有云收入（亿美元） ...8

图 8: 中国云计算市场规模及增速 ...9

图 9: 中国公有云细分领域市场规模及增速（亿元） ...9

图 10: 2024H2 中国公有云 IaaS 厂商市场份额 ...9

图 11: 2024H2 中国公有云 PaaS 厂商市场份额 ...9

图 12: 2025H1 中国云厂商 AI 云市场份额 ...10

图 13: 磐久 AL128 超节点机柜拆解以及正交架构梳理 ...11

图 14: 超节点内 Scale Up 互连拓扑：以使用 64 端口的 ALink Switch 为例 ...12

图 15: 真武 M890、CN Switch 1.0 以及真武芯片未来两年芯片路线图 ...13

图 16: HPN 与 UPN 相关参数 ...14

图 17: HPN 和 UPN 组成的高性能系统 ...14

图 18: 交换机在网计算引擎 ...14

图 19: 基于 Ethernet 单层互连的 Scale Up 规模 ...15

图 20: UPN 架构通过 LPO/NPO 实现光互联成本的降低 ...15

图 21: 几种光互连技术架构示意图 ...16

图 22: 几种光互连技术的优缺点 ...17

图 23: 单层光互连系统 ...17

图 24: UPN 系统布局 ...18

图 25: UPN512 设计解耦对高密的依赖 ...18


1. 为什么看好阿里云超节点自研业务？

1.1. 阿里云：全栈AI布局，超节点&高性能网络补全AI基础设施

阿里云作为阿里巴巴云智能集团，依托自研技术体系提供IaaS、PaaS、MaaS三层架构的全栈云服务，当前是亚太第一、中国最大的公共云服务提供商。根据Omidia统计数据，阿里云在25H1中国AI云市场份额已超过2-4名总和，龙头地位稳固。阿里云创立于2009年，基于自研飞天云计算操作系统向全球客户提供全方位云服务，凭借IaaS与PaaS层的庞大规模与技术底座，为企业提供高性能、低成本的计算资源，以及大模型训练、微调与推理的工具平台服务，致力于打造“AI时代最开放的云”。在AI布局上，阿里云形成了清晰的三层能力体系，AI基础设施、AI模型平台与AI模型产品：

(1) IaaS侧（AI基础设施）：覆盖底层芯片、超节点服务器、高性能网络、分布式存储、智算集群。是中国第一、全球领先的AI基础设施与云计算网络，也是全球少数可实现软硬件垂直整合的超级AI云计算平台之一。2025年9月云栖大会上，阿里云发布磐久AL128单机柜超节点服务器，代表阿里第一款单机柜级超节点的诞生；同时高性能网络HPN8.0的全新亮相，代表着Scale Out网络架构的重要突破。同年10月UPN512技术架构白皮书发布，实现多机柜512颗xPU的全光互联Scale Up网络架构，进一步补全AI基础设施能力。2026年阿里云峰会上，阿里发布基于平头哥新一代AI芯片真武M890的128卡超节点服务器，搭载互联芯片ICN Switch1.0，通信时延低至百纳秒级，满足海量Agent并发推理和大模型训练需求。

(2) PaaS侧（AI模型平台）：以百炼为核心，打造一站式模型服务平台，支持模型定制化与 Agent快速开发。

(3) MaaS侧（AI模型）：以自研通义千问大模型为核心主体，该模型为全球领先大模型之一，已开源300多款覆盖全模态、全尺寸的系列模型，是最受全球开发者欢迎的开源模型。根据沙利文统计数据，25H2通义千问以 32.1%的份额位居中国企业级大模型调用份额第一。超越豆包（21.3%）、DeepSeek（18.4%）。


图1：阿里巴巴&阿里云主营业务


数据来源：阿里巴巴官网，阿里云官网，阿里云官网公众号，UPN512技术架构白皮书，沙利文，Omidia，半导体芯闻，东吴证券研究所

1.2. 客户积累&资本开支共振：阿里云自研超节点优势尽显

1.2.1. 客户侧：IaaS业务遍布全球，存量客户粘性助力超节点业务落地

阿里云现有全球数据中心与网络节点布局，为其自研超节点IaaS业务的客户落地与规模化推广提供了可复用的底层基础与客户侧优势。依托覆盖29个地理区域、94个可用区的数据中心布局，以及3200+全球CDN节点（覆盖70+国家、6大洲）的网络基础设施，阿里云可基于现有节点资源进行超节点改造升级，将传统数据中心适配为AI训练/推理场景的高性能算力节点，实现算力资源的快速规模化部署。同时，国内多线BGP骨干网与国际/港澳台地区的带宽节点布局，为HPN8.0ScaleOut、UPN512ScaleUp网络架构提供了成熟的客户侧接入支撑，原有客户的低延迟访问路径与服务粘性，也为磐久AL128超节点服务器的业务落地降低了客户迁移与适配成本，助力超节点业务快速触达全球存量客户群体。


图2：阿里云数据中心、网络节点全球布局情况

国际

东南亚

14

新加坡

4

马来西亚-吉隆坡

3

印度尼西亚-雅加达

3

泰国-曼谷

2

菲律宾-马尼拉

2

东亚

6

日本-东京

4

韩国-首尔

2

德国-法兰克福

3

英国-伦敦

2

美国-硅谷

2

美国-弗吉尼亚

2

墨西哥-克雷塔罗

1

沙特-利雅得

2

阿联酋-迪拜

2

14个地理区域

34个区

+

华北

22

北京

12

华东

22

乌兰察布

3

张家口

3

呼和浩特

2

华南

10

青岛

2

上海

12

杭州

8

中国香港

3

西南

2

华中

1

15个地理区域

60个区

数据来源：阿里云官网，东吴证券研究所

注：数据统计截至26年4月30日

1.2.2. 财务侧：资本开支持续加码带来营收放量，打开全栈AI业务增长新空间

资本开支的持续加码叠加AI驱动，阿里云营收持续放量，未来增长空间广阔。阿里于2025年2月宣布未来三年投入3800亿元加码AI与云基建，并于9月云栖大会上宣布将持续追加更多投资，千亿级别的Capex投入是市场份额维持领先的基础。2025年三季度（FY26Q2）阿里云收入达398亿元，同比+34.5%；四季度（FY26Q3）收入进一步提升至433亿元，同比增速升至36.4%，AI相关产品收入已连续第十个季度实现三位数同比增长。增长核心源于全栈AI能力的持续兑现：Omdia数据显示阿里云25H1以 35.8%的份额位居中国AI云市场第一，Hugging Face平台上Qwen开源生态衍生模型超18万个、累计下载量破10亿次，带动MaaS及AI增值应用快速渗透；平头哥自研GPU规模化量产强化算力供给，为超节点等AI基础设施落地提供核心支撑，持续巩固市场领先地位，打开长期增长空间。


图3：FY23Q1-FY26Q3阿里云收入及增速


数据来源：公司公告，iFinD，东吴证券研究所

图4： FY18-FY27E 阿里巴巴资本开支


数据来源：Bloomberg及其预测，东吴证券研究所

注：数据统计截至26年4月30日

1.3. 全球及中国云计算市场扩容，阿里云为国内头部云厂商

1.3.1. 全球侧：公有云市场规模扩容，AI引发新一轮增长需求

全球云计算市场整体保持稳健扩张，生成式AI带来的算力需求爆发成为核心增长动力，行业格局呈现高度集中态势。根据Gartner统计，2024年全球云计算整体市场规模达6929亿美元，同比增长 $20.3\%$ ；其中公有云市场规模为5957亿美元，同比增速 $19.2\%$ ，IaaS、PaaS、SaaS三大板块占比分别为 $28.5\%$ 、 $42.1\%$ 、 $28.8\%$ 。生成式AI对训练与推理算力的需求大幅提升，推动头部厂商持续加码算力基础设施建设，带动IaaS赛道高速增长。Gartner预测，2024和2025年全球IaaS市场规模将分别达到1698亿美元、 2119亿美元，同比增速 $21.3\%$ 、 $24.8\%$ 。全球IaaS公有云市场集中度显著，24年前五厂商合计占据 $82.1\%$ 份额，亚马逊、微软、谷歌分别以 $37.7\%$ 、 $23.9\%$ 、 $9.0\%$ 位列前三，阿


里云位居全球第四，同时以 7.2%的份额成为国内云厂商首位。

图5：全球云计算市场规模及增速


数据来源：Gartner及其预测，东吴证券研究所

图6：24-25年全球公有云市场占比预测（亿美元）


数据来源：Gartner预测，东吴证券研究所

图7：23-24年全球主流厂商IaaS公有云收入（亿美元）


数据来源：Gartner，东吴证券研究所

1.3.2. 中国侧：IaaS赛道占据公有云主要市场份额，阿里领跑

中国云计算市场保持着强劲的增长态势，公有云领域IaaS赛道占据主要市场份额。据中国信息通信研究院统计，2024年我国云计算整体市场规模达到8288亿元，同比增长 34.4%其中公有云市场规模为6216亿元，同比增速提升至 36.6%。在公有云细分领域中，IaaS市场规模达4201亿元，同比增长 24.2%智能算力服务需求是拉动其增长的核心因素；SaaS市场在企业级应用与智能代理的推动下，2024年增速高达 68.2%；PaaS市场依托AI开发需求与企业出海趋势，全年市场规模也成功突破千亿元。


图8：中国云计算市场规模及增速


数据来源：中国信息通信研究院及其预测（25E- 30E），东吴证券研究所

图9：中国公有云细分领域市场规模及增速（亿元）


数据来源：中国信息通信研究院，东吴证券研究所

阿里云处于国内云计算市场行业领先地位，国内市场头部格局基本形成。阿里云持续加大AI基础设施的资本开支与算力储备布局，推出灵骏AI集群、GPU弹性算力、磐久AL128超节点服务器、UPN512超节点等多元AIIaaS服务，不断夯实自身竞争力。 IDC数据显示，2024年下半年阿里云在中国公有云IaaS、PaaS领域的市场份额分别为 26.1%、24.4%，均位列行业第一；Omdia2025年上半年数据也显示，阿里云以 35.8%的占比位居中国AI云市场份额首位，充分展现出其全栈AI业务的突出优势。

图10：2024H2中国公有云IaaS厂商市场份额


数据来源：IDC，东吴证券研究所

图11：2024H2中国公有云PaaS厂商市场份额


数据来源：IDC，东吴证券研究所


图12：2025H1中国云厂商AI云市场份额


数据来源：Omdia，中国信息通信研究院，东吴证券研究所


2. 阿里云自研超节点梳理

2.1. 磐久AL128超节点服务器：阿里首款机柜级超节点

2.1.1. 定制双宽机柜：灵活的模块化、多维解耦系统架构

阿里云磐久AL128超节点服务器采用定制化双宽机柜设计，整机柜硬件系统可实现128-144颗GPU芯片的高密度集成，供电与散热能力达到行业领先水平，为大规模AI算力集群部署提供高适配性硬件基座。机柜内置高达350kW供电能力及500kW散热能力，可满足单颗GPU芯片2kW液冷散热需求；供电层面采用BusBar柜内集中供电模式，为算力硬件稳定高效运行提供底层保障。

架构设计方面，AL128超节点机柜实现CPU节点与GPU节点、GPU节点与 ALinkSW节点、算力节点与供电节点的全方位解耦。该设计既兼容行业主流CPU、GPU及Alink SW芯片，又可支撑主力芯片独立迭代演进，同时支持CPU与GPU数量灵活配比，可适配不同规模AI算力场景。从机柜前视图来看，超节点的左侧为GPU节点与 ALink SW节点正交互连区域，分为上下两组AL64卡Scale Up域，后续会支持一组 AL128卡Scale Up域，正交架构促使高速链路极致低损耗，实现GPU和ALink SW的 112G/224G Serdes，系统可靠性更高。机柜右侧部署CPU节点与Powershelf供电节点，通过CPU节点与GPU节点左右分离布局实现算力资源灵活配比。该架构支持在单操作系统下灵活配置8/16/32张GPU卡，同时CPU节点与GPU节点可以实现跨平台、跨代次的灵活搭配，为支持GPU芯片异构化提供了灵活的能力。

图13：磐久AL128超节点机柜拆解以及正交架构梳理



数据来源：阿里云开发者社区，semianalysis，东吴证券研究所


2.1.2. 三层互连网络架构：域内、域间及数据中心全场景通信

磐久AL128超节点服务器采用三层互连网络架构，形成了覆盖域内、域间及数据中心的全场景通信体系，核心围绕大模型推理与训练场景优化带宽与延时性能，成为阿里云自研超节点的核心技术优势。

第一层为超节点内 Scale Up 互连，作为域内核心通信链路。机柜正视图左上区域构成一组64~72卡超节点Scale Up互连域，由正面16~17个GPU节点与背面8个Alink SW节点组成，每个GPU节点内置4颗GPU芯片，Alink SW节点搭载多颗Alink Switch芯片，实现单级交换拓扑下64~72颗GPU芯片的全带宽全互连。以64端口Alink Switch为例，单个Alink SW节点内置2颗该芯片，16个GPU节点对应的64颗GPU芯片，GPU接口通过正交连接器分别连接至不同Alink SW节点的交换芯片，上下两组AL64卡互连域支持交叉扩展，需搭配128端口Alink Switch芯片以遵循Scale Up单级交换原则。该架构为单颗GPU预留最大128组高速互连Serdes，单GPU互连带宽最高可达14T~28Tb，采用GPU原生内存语义的ALink协议，依托单级交换拓扑实现极致低延时，缩短E2E推理任务耗时，优化大模型推理体验。

图14：超节点内 Scale Up 互连拓扑：以使用64端口的ALink Switch为例

1个ALink SW节点内置2颗ALink Switch芯片


数据来源：阿里云开发者社区，东吴证券研究所

第二层为超节点间 Scale Out 网络，为支持更大规模的 GPU互联集群，应对大模型训练、计算资源灵活调度等诉求。每个 GPU 节点前窗配置4张高性能网卡，可为单颗 GPU 提供 400~800Gbps的 Scale Out 网络带宽，整台超节点预留 25.6T~51.2Tbps的超节点间通信带宽；结合 Scale Up+Scale Out通信优化技术，域内及域间 GPU-GPU通信带宽均可达 10Tb以上，充分满足大模型训练与推理的带宽需求。


第三层为超节点与数据中心互联互通的DCN网络，面向大模型推理、训练过程中的数据输入、检索、KVcache缓存、checkpoint备份等业务需求。在CPU节点集成 400G~800Gbps智能网卡，为GPU提供存储接入、数据库交互、数据预处理与计算加速等能力，打通算力节点与数据中心的通信链路。

2.1.3. 芯片侧：搭载平头哥新一代AI芯片真武M890、互联芯片ICN Switch 1.0

全新一代自研AI芯片、互联芯片，满足海量 Agent 并发推理和大模型训练需求。 2026年5月阿里云峰会上，平头哥首次亮相真武M890，采用自研并行计算架构，内置 144GB显存，性能较上代真武810E提升3倍，片间互联带宽达800GB/s，原生支持FP32至FP4全精度，覆盖高精度训练到超低精度推理全场景。配套互联芯片ICN Switch1.0吞吐量达25.6Tbps，可实现64卡全带宽互联。平头哥同步公布未来两年芯片路线图，将推出算力更强的真武V900、J900两代新品。截至此次阿里云峰会，真武系列芯片累计出货56万片，服务20+行业400余家客户。

图15：真武M890、CN Switch 1.0以及真武芯片未来两年芯片路线图


数据来源：半导体芯闻，东吴证券研究所

2.2. UPN512：单层光互连解耦系统

2.2.1. UPN：继承HPN Scale Out理念，解耦Scale Up设计对于高密系统的依赖

UPN（Ultra Performance Network）Scale Up网络系统，继承HPN（High Performance Network）Scale Out网络的设计理念，将“大规模、高性能、高可靠、低成本、可扩展”的设计思路应用到Scale Up网络域，旨在解耦当前Scale Up设计对于


高密系统的依赖。

从核心能力对比来看，HPN与UPN在算力网络中形成互补协同。两者共同组成的高性能系统架构中，HPN7.0/8.0作为万卡/十万卡级别的Scale Out集群网络，通过ETH+交换机连接多个独立的UPN512子集群；每个UPN512子集群内部署ETH+交换机，实现512/1024规模xPU的Scale Up域内互联，最终形成“UPN负责域内高性能Scale Up、 HPN负责跨域大规模Scale Out”的协同架构，支撑超大规模算力集群的高效运行。

图16：HPN与UPN相关参数


数据来源：UPN512技术架构白皮书，东吴证券研究所

图17：HPN和UPN组成的高性能系统


数据来源：UPN512技术架构白皮书，东吴证券研究所

2.2.2. UPN512：基于高通量以太网的单层网络架构

UPN512架构的低时延传输方案基于ETH+协议设计，依托成熟强大的以太网生态，采用单层网络架构，当前可支持最大512xPU系统，未来将扩展至1K及以上规模，具备优异的可扩展性。

在在网计算能力方面，业界成熟方案以NVIDIA的SHARP协议为主，但该方案依赖IB网卡与IB交换机；UPN架构基于以太网，对下一代在网计算进行了全新定义：交换芯片需具备可计算能力，通过内置计算引擎支持INT32/Float8/Float16/Float32/BFloat16等主流数据类型，支持Min/Sum/Max等基础计算类型，并实现MMU（Memory Management Unit）到计算引擎的精细流控，为算力卸载提供硬件支撑。

图18：交换机在网计算引擎


数据来源：UPN512技术架构白皮书，东吴证券研究所


单层千卡域网络相比传统多层网络，具备最简拓扑与最短时延的天然优势。而实现这一架构需突破两大物理限制：（1）距离限制：采用光互连技术突破了传统电互联的距离瓶颈，Scale Up域不再局限于单机柜内，百卡、千卡级xPU可灵活分布在多个机柜中，打破了物理空间的约束。（2）芯片限制：交换芯片的Radix（端口数）决定了单层网络的规模上限，单层CLOS架构所能接入的xPU数量等于交换芯片的Radix。当前业内以太网交换芯片的最大Radix为512，下一代产品将达到1024甚至更高，为构建512及以上规模的xPU Scale Up网络提供了坚实的硬件基础。

图19：基于 Ethernet 单层互连的 Scale Up 规模

项目

国产25.6T

TH5

TU-100G

TU-200G

TH5+

TH6P

TH6C

NG-Chip xxx

NG-Chip xxx

交换芯片时间

2024

2023

2025

2026

2025

2025

2025

2027

2027

交换芯片带宽

25.6T

51.2T

51.2T

51.2T

51T

102.4T

102.4T

204.8T

1024T

SerDes

112G

112G

112G

224G

112G

112G

224G

224G

224G

域内XPU数量

256

320

256

256

512

512

512

1024

2560

数据来源：UPN512技术架构白皮书，东吴证券研究所

2.2.3. UPN512：基于LPO/NPO光互连的盒式化解耦方案

UPN512互联层通过光互连技术实现了规模扩展，同时解耦了高密机柜依赖，大幅降低了高密系统高复杂度带来的稳定性和运维挑战。依托阿里云在光互连领域的技术积累与方案选择，据UPN512技术架构白皮书披露，UPN方案在传统带重定时的可插拔光模块FRO基础上，去除了DSP芯片，可实现光互连成本 30%以上降低，可靠性提升约3倍以上，为低成本、高可靠的大规模光互连提供了可行路径。

图20：UPN架构通过LPO/NPO实现光互联成本的降低


UPN方案在传统带重定时的可插拔光模块FRO基础上，去除了DSP芯片

数据来源：UPN512技术架构白皮书，东吴证券研究所

注：纵轴表示相对成本大小（单位：倍），横轴表示不同方案适用的超节点规模/算力卡数量（单位：个）


CPO/NPO光互连方案的核心优势体现在三个方面：带宽密度优势；时延、可靠性、成本与功耗优势；系统可靠性与可用性优势。

(1) 带宽密度优势：xPU的Scale Up网络带宽远大于Scale Out网络带宽，以英伟达xPU为例，Scale Up带宽是Scale Out的9倍，接近一个数量级的差异。在既定的Scale Up互连带宽要求下，NPO/CPO方案由于本体不占用设备面板空间，带宽密度远高于传统可插拔模块，为系统设计提供了更大的灵活性。

(2) 时延、可靠性、成本与功耗优势：CPO/NPO均去除了FRO模块中会增加时延、功耗与成本并降低可靠性的DSP单元，适配Scale Up场景。其中NPO方案靠近主芯片部署，降低了对主芯片SerDes驱动/均衡能力的要求，对系统和主芯片的依赖性更小，更易支持线性直驱；相比LPO模块，NPO带宽密度更高、成本更优，且天然与主芯片解耦、易于标准化，是适配UPN512的优选方案。CPO方案相比NPO更靠近主芯片，可追求极致性能，但因与主芯片合封，标准化和多源性较差，仅作为特定场景的可选方案。

(3) 系统可靠性与可用性优势。可靠性层面：NPO/CPO方案电通道极短、连接界面少，信号完整性显著改善，且将故障率高的光源与光电引擎解耦，单体和单链路可靠性远优于连接界面多、电通道走线长的可插拔模块（FRO/LPO）方案。可用性层面： UPN512的解耦设计本身具备高可用架构特性，故障单体影响面更小、更换效率更高。 CPO/NPO方案单体MTBF（平均无故障时间）更高，但故障时通常需更换设备，影响其他链路，MTTR（平均修复时间）为小时级、影响域大，需通过端到端容错设计弥补对上层业务的影响。

图21：几种光互连技术架构示意图


数据来源：UPN512技术架构白皮书，东吴证券研究所


图22：几种光互连技术的优缺点

对比维度

FRO

LPO

NPO(Linear)

CPO(Linear)

线性直驱

否

是

是

是

可插拔

是

是

否

否

单体可靠性

低

中

高

高

带宽密度

低

低

高

高

时延

高

低

低

低

功耗

高

低

低

低

成本

高

低

低

低

标准化程度

高

高

高

低

主芯片耦合

无

无

无

是

对设备方案及主芯片性能依赖性

一般

强

弱

弱

数据来源：UPN512技术架构白皮书，东吴证券研究所

光互连打破了距离限制，UPN512可以最大化地解耦设备和机柜。该单层光互连解耦系统利用光互连连接xPU与交换机，通过单层CLOS网络实现512个xPU的全互连； xPU芯片和Switch芯片通过光电引擎（OE）完成光电转化，进而依托光纤实现互连，综合互连密度、成本、稳定性等因素，LPO和NPO是UPN512系统的优选方案；在设备物理形态上，xPU和交换机均可回归盒式设备形态，且无特殊机柜要求，常规标准机柜即可支持部署。

图23：单层光互连系统


数据来源：UPN512技术架构白皮书，东吴证券研究所


图24：UPN系统布局

XPU Box #1

XPU Box #1

XPU Box #1

XPU Box #1

Switch Box #1

Switch Box #1

Switch Box #1

Switch Box #1

XPU Box #1

XPU Box #1

XPU Box #1

XPU Box #2

XPU Box #2

XPU Box #2

XPU Box #2

Switch Box #2

Switch Box #2

Switch Box #2

Switch Box #2

XPU Box #2

XPU Box #2

XPU Box #2

XPU Box #3

XPU Box #3

XPU Box #3

XPU Box #3

Switch Box #3

Switch Box #3

Switch Box #3

Switch Box #3

XPU Box #3

XPU Box #3

XPU Box #3

XPU Box #4

XPU Box #4

XPU Box #4

XPU Box #4

Switch Box #4

Switch Box #4

Switch Box #4

Switch Box #4

XPU Box #4

XPU Box #4

XPU Box #4

数据来源：UPN512技术架构白皮书，东吴证券研究所

完全解耦，代表彻底摆脱了传统紧耦合AI Rack对高密系统的依赖，在制造难度、部件供应、运维、供电散热、部署层面均具备相关优势。

图25：UPN512设计解耦对高密的依赖

对比维度

AI Rack（紧耦合机柜系统）

UPN512（盒式化，完全解耦）

设计和制造复杂度

基于高密度线缆和高速背板/中板/正交连接的系统，托盘(节点)、背板等各个组件之间高度耦合，装配公差与一致性的要求很高，系统设计复杂

高密铜缆连接组件的生产良率提升困难，NPI/量产周期长、工艺门槛高

盒式设备，设计难度小

盒式设备，生产良率提升快，NPI周期短

部件供应

高密度线缆和高速背板/中板/正交组件通常各供应商设计无法兼容，供应、产能容易受限

光互连组件标准化程度高，多源供应链成熟

故障域、运维

高密度线缆和高速连接组件为一体件，单链路故障常常更换整体，影响面大

更换组件需整体停机，多人工配合，MTTR高

故障可按设备/模块/端口/光纤细粒度隔离、更换，并且易于做N+1备份与旁路，降低故障影响

细粒度组件更换时间短，MTTR低

供电与散热挑战

设备空间受限导致极致功率密度与受限风道（如NVL72将4xPU压至1RU托盘），高密铜缆遮挡气流，需液冷/高转速风扇

大电流母排带来供电可靠性挑战

热负载分散至多个盒式设备，盒式设备空间和风道设计自由度高，可按设备限电部署条件分别采用风冷、液冷

可支持传统分布式供电，单点电气风险低

机房与部署条件

与机柜/供冷/供电强绑定，需专用机柜与设施；上线需一次性整体规划，后期改造空间小

单柜功率高，对机房能力要求高

与机柜解耦，可用标准19英寸机柜；设备位置灵活。

光互连距离充裕，便于空间规划和灵活调整；便于分期建设与滚动升级，降低土建/配电/冷却一次性门槛

数据来源：UPN512技术架构白皮书，东吴证券研究所

3. 投资建议

重点推荐盛科通信-U、海光信息、澜起科技，建议关注中兴通讯、万通发展（数渡科技）等。


4. 风险提示

AI应用进展不及预期。若大模型相关应用在商业化落地、用户渗透或盈利模式验证上推进较慢，可能导致下游客户对算力基础设施的投入节奏放缓，从而影响超节点及相关产业链的需求释放。在此情况下，行业整体增长动能或阶段性承压，相关企业业绩兑现亦可能受到一定影响。

技术发展不及预期。超节点及高速互联等核心技术仍处于持续演进阶段，若关键技术在性能优化、稳定性或大规模部署能力上未能如期突破，或国产替代相关技术成熟度与生态完善程度不足，可能对产品落地及行业推广形成一定制约，进而影响产业化进程与市场空间释放。

市场竞争风险。随着行业关注度提升及参与者增加，国内外厂商在技术路线、产品性能及生态构建等方面的竞争或持续加剧，行业可能面临价格压力与份额分化风险。在竞争加剧背景下，部分企业盈利能力及市场地位可能受到影响，进而对行业整体回报水平产生不确定性影响。


免责声明

东吴证券股份有限公司经中国证券监督管理委员会批准，已具备证券投资咨询业务资格。

本研究报告仅供东吴证券股份有限公司（以下简称“本公司”）的客户使用。本公司不会因接收人收到本报告而视其为客户。在任何情况下，本报告中的信息或所表述的意见并不构成对任何人的投资建议，本公司及作者不对任何人因使用本报告中的内容所导致的任何后果负任何责任。任何形式的分享证券投资收益或者分担证券投资损失的书面或口头承诺均为无效。

在法律许可的情况下，东吴证券及其所属关联机构可能会持有报告中提到的公司所发行的证券并进行交易，还可能为这些公司提供投资银行服务或其他服务。

市场有风险，投资需谨慎。本报告是基于本公司分析师认为可靠且已公开的信息，本公司力求但不保证这些信息的准确性和完整性，也不保证文中观点或陈述不会发生任何变更，在不同时期，本公司可发出与本报告所载资料、意见及推测不一致的报告。

本报告的版权归本公司所有，未经书面许可，任何机构和个人不得以任何形式翻版、复制和发布。经授权刊载、转发本报告或者摘要的，应当注明出处为东吴证券研究所，并注明本报告发布人和发布日期，提示使用本报告的风险，且不得对本报告进行有悖原意的引用、删节和修改。未经授权或未按要求刊载、转发本报告的，应当承担相应的法律责任。本公司将保留向其追究法律责任的权利。

东吴证券投资评级标准

投资评级基于分析师对报告发布日后6至12个月内行业或公司回报潜力相对基准表现的预期（A股市场基准为沪深300指数，香港市场基准为恒生指数，美国市场基准为标普 500指数，新三板基准指数为三板成指（针对协议转让标的）或三板做市指数（针对做市转让标的），北交所基准指数为北证50指数），具体如下：

公司投资评级：

买入：预期未来6个月个股涨跌幅相对基准在 15%以上；

增持：预期未来6个月个股涨跌幅相对基准介于 5%与 15%之间；

中性：预期未来6个月个股涨跌幅相对基准介于-5%与 5%之间；

减持：预期未来6个月个股涨跌幅相对基准介于-15%与-5%之间；

卖出：预期未来6个月个股涨跌幅相对基准在-15%以下。

行业投资评级：

增持：预期未来6个月内，行业指数相对强于基准 5%以上；

中性：预期未来6个月内，行业指数相对基准-5%与 5%；

减持：预期未来6个月内，行业指数相对弱于基准 5%以上。

我们在此提醒您，不同证券研究机构采用不同的评级术语及评级标准。我们采用的是相对评级体系，表示投资的相对比重建议。投资者买入或者卖出证券的决定应当充分考虑自身特定状况，如具体投资目的、财务状况以及特定需求等，并完整理解和使用本报告内容，不应视本报告为做出投资决策的唯一因素。

东吴证券研究所

苏州工业园区星阳街5号

邮政编码：215021

传真： （0512）62938527

公司网址： http://www.dwzq.com.cn