沐曦把一整柜 64 张卡搬到 WAIC：曦景 S600 要让国产 GPU 先连成“超节点”

大模型训练不只需要很多 GPU，还需要这些 GPU 像一台机器那样高速交换数据。卡越多，通信等待越容易吃掉算力，机柜也越难供电和散热。

7 月 18 日，沐曦在 WAIC 2026 发布曦景 S600 超节点。现场摆出一整排透明机柜，把“单机柜 64 卡”直接做成可见的硬件。它瞄准的不是个人电脑，而是大模型训练、推理和智算中心建设。

64 张卡放进一个机柜，先减少柜内等待
沐曦披露，曦景 S600 采用单机柜 64 卡高密度部署，并通过柜内全互连架构降低数据交互时延。对大模型来说，多个加速卡经常需要交换中间结果，网络连接方式会直接影响训练和推理效率。

“超节点”的思路，是把一组服务器和加速卡组织成更紧密的计算单元，让上层软件看到的系统更接近一台大机器，而不是许多分散设备。

不过，64 卡只是机柜规格，不等于任何模型都能线性获得 64 倍性能。模型结构、并行策略、通信库和任务大小都会改变实际利用率。

从一柜扩到万卡，难点不只是继续加机器
官方和现场报道都提到，曦景 S600 同时支持向更大集群扩展，目标覆盖万卡级部署。系统需要在柜内高速互联之外，继续处理跨机柜网络、存储、调度、故障恢复和散热。

沐曦还强调 Scale-up 与 Scale-out 融合，以及对 EP、TP 等并行策略的支持。简单说，就是既要让单个节点内部连接更紧，也要让大量节点能够一起完成同一项训练或推理任务。

真正的大集群不会一直处于理想状态。某张卡、某条链路或某台服务器出现问题时，任务能否恢复、性能是否明显下降，是后续交付比展台参数更难的部分。

硬件之外，MXMACA 软件栈决定应用能否跑起来
曦景 S600 搭载沐曦自研 GPGPU 与 MXMACA 软件栈。对用户来说，国产 GPU 能否被使用，不只取决于芯片指标，还取决于编译器、算子库、通信库和常用框架是否兼容。

AI 团队往往已经有一套基于主流生态构建的训练代码。迁移时如果需要大量重写，硬件采购节省的时间和成本可能会在软件适配中重新付出。

因此，S600 下一阶段的重要指标，包括常用模型能否直接运行、性能分析工具是否完整、出现问题时能否快速定位，以及不同规模集群上的结果是否一致。

这场 WAIC 的芯片竞争，正在从“单卡”转向“整套系统”
现场报道显示，本届 WAIC 多家国产算力企业都把超节点摆在核心位置。原因很直接：大模型规模继续上升后，单张卡的峰值参数已经无法说明整个系统的效率。

机柜密度、互联网络、软件栈、液冷和集群管理开始被放在同一张产品表里。客户购买的也不再只是芯片，而是一套能安装、能扩展、能维护的计算基础设施。

这让竞争门槛变高，也使产品更接近用户真正面对的工作：不是拥有多少张卡，而是一项训练或推理任务能否稳定完成。

WAIC 之后，要看真实模型和长期运行数据
透明机柜很适合展台展示，真正的考验会发生在数据中心。不同模型的吞吐、集群利用率、故障恢复时间、能耗和长期稳定性，都会影响这套系统是否值得部署。

沐曦已经给出了密度和扩展方向，下一步需要更多可复现测试、客户工作负载和软件迁移案例，说明一套现有 AI 任务怎样跑到 S600 上。

国产 GPU 进入超节点阶段，意味着竞争从“能不能造卡”继续走向“能不能交付一台好用的大机器”。这比单项参数更难，也更接近产业真正需要的答案。

想继续了解
• WAIC 2026 官方展商名录
• 沐曦股份官网
• IT之家：沐曦发布曦景 S600
• 花城：曦景 S 系列超节点 WAIC 首发
• 雷科技：WAIC 芯片与超节点现场