概要

人工智能的持续发展同时驱动了智算和通算基础设施的显著变革，超节点架构成为算力的新形态，到2026年仍在持续普及应用。在此背景下，超节点的大规模硬件资源管理成为新的挑战。openUBMC基于先进的微组件架构，天然适应超节点时代的管理需求。

01.灵衢超节点广泛应用

Agentic AI是人工智能发展的里程碑式阶段，与传统大语言模型（LLM）不同，Agentic AI的核心特征在于能够维持复杂的跨回合工作流，并在长时间跨度内积累和反思中间推理结果。在这一背景下，大容量高性能上下文存储成为智能计算系统的重要部分。然而，海量的存储需求已远超NPU/GPU等加速卡的HBM容量限制，因此需要结合DRAM和SSD构建PB级超大容量、高性能上下文存储。

图1 Agentic AI上下文存储

而超节点是实现超大规模分级存储的理想方案。昇腾超节点通过将多协议（文件、对象、块）统一到单一的管理平面，极大地降低了元数据管理的复杂性，跨跳延迟从微秒级压缩至纳秒级，最大化提升了NPU到分级存储介质的读写性能。Nvidia Rubin也采用了类似技术，把GPU、DPU、CPU、DRAM集成在一个超节点内，结合ICMS技术实现高性能上下文存储系统。

超节点在通用计算场景同样发挥着重要价值。结合灵衢超节点技术，数据库将迎来重要的架构创新，一举改写云原生数据库游戏规则。依托灵衢超节点架构和UB内存语义总线，可以做到计算、内存解耦，实现数据库多节点多活、多写，实现了极致的RTO（秒级）与写性能的数量级提升。

图2 基于共享内存池的数据库架构

以上是超节点在智算、通算领域两个典型的应用案例。预计26年超节点将在不同业务场景获得广泛的应用。基于灵衢的昇腾超节点在AI训练、AI推理、AI agent应用持续发挥重要价值。鲲鹏超节点将在数据库、虚拟化、微服务、搜推、低时延应用等场景发挥重要价值。

02. 灵衢超节点技术特点

灵衢超节点基于UB总线实现CPU、NPU、DPU、SSU等算力部件高效协同，打破以“CPU为中心”的计算架构，走向“对等计算”。让数据自主流动，在合适的地方以合适的算力计算。基于合适的资源配比，形成匹配业务负载的最佳计算系统。

图3 灵衢超节点技术架构

灵衢超节点的六大核心特征充分体现了其技术颠覆性 ：

• 总线级互联
  打破传统CPU为中心的互联架构，实现 CPU、NPU、SSU、DPU 等组件的 "平等互联"，让数据像在单条总线上传输一样高效。
• 平等协同
  采用去中心化架构，所有设备都是 "平等节点"，NPU可以直接找 DPU、NPU 可以直接找内存，无需通过 CPU 中转。
• 全量池化
  所有内存、算力都成为"资源池"，支持跨节点的算力、内存、存储资源动态分配与迁移。
• 协议归一 统一数据中心内的各种协议（PCIe、NVLink、SAS、以太网等），实现“车同轨、书同文”。
• 大规模组网 支持万卡千节点规模。
• 高可用 支持实时故障检测和自动切换，确保系统的高可靠性。

03. 超节点架构对 BMC 的新挑战

硬件管理复杂度增长

超节点架构带来的首要挑战在于硬件管理复杂度呈倍数级增长。在功率密度显著提升的背景下，超节点内部器件连接规模达到传统架构的七倍以上，导致故障传播链条更为复杂，跨域、跨层故障的定位难度也大幅增加。具体来看，这种复杂性主要体现在以下三个维度：

• 规模挑战： 相比传统服务器有限的物理节点硬件对象，超节点集成了成百上千个组件单元，部件之间相互影响，故障排查范围显著扩大。
• 异构挑战： 超节点融合了 CPU、NPU、DPU、SSU 等多种异构计算单元，各类组件在管理接口、监控指标和运维需求上均存在差异。BMC 必须构建统一的管理抽象能力，实现“一套接口、多样硬件”的融合管控。
• 多元挑战： 超节点内部采用了灵衢（UnifiedBus）、ETH、NVMe、PCIe 等多种互连协议，要求 BMC 具备灵活、多元的管理适配与协议协调能力。

为应对上述挑战，openUBMC 在技术架构设计初期即针对超节点场景进行系统规划，引入微组件框架以增强系统扩展性与适应性。该框架通过开放消息总线实现组件互联，支持组件级、插件级与配置化三重扩展机制。同时，基于标准化接口将软件业务拆分为多个独立协同的单元，使得各模块可独立设计、演进与部署，从而为超节点环境下的智能运维奠定技术基础。

能效管理精细化与故障诊断能力升级的需求

超节点的高功率密度对BMC的功耗监控与能效管理能力提出了更高要求：

• 监控粒度精细化： 动态功耗波动显著，需实现更精细的实时功耗采集与异常能耗设备的快速识别。
• 监测全面化： 面对液冷复杂管路可能出现的泄漏、凝露、结晶等风险，BMC需具备对温度、压力、流量等关键参数的全面监测能力。
• 智能能效优化： 超节点单柜功耗已突破 100KW，BMC 需要具备更有效的能效优化能力，降低整机柜的功耗。

同样，超节点系统的复杂性要求 BMC 具备更强的故障诊断能力：

• 故障传播的复杂性： 超节点系统相比通用服务器更紧密的耦合特性，使得故障不再是简单的单点问题，而可能涉及多个组件、多个层次的复杂故障链。
• 实时故障检测： 超节点的高可靠性要求 BMC 具备实时故障检测能力，能够在故障发生的第一时间发现并进行处理，最大限度减少故障对业务的影响。

openUBMC 已具备对异构硬件资源的实时监控与事件上报能力，可覆盖CPU负载、IO、内存等关键指标，并支持全系统温度趋势分析，实现硬件健康状态的动态感知。此外，平台集成了基于机器学习的故障预测算法，能够通过历史数据与实时信息分析，提前预警内存、CPU等部件的潜在故障。面向超节点场景，openUBMC 可从容应对日益增长的智能化运维需求，为系统稳定与能效优化提供可靠支撑。

04. 结语

随着超节点架构的普及，管理领域正迎来全新变革。在这一新范式下，唯有坚持开放协作，才能持续驱动算力基础设施的创新与演进。2025年，openUBMC社区已初步构建起相对丰富的南北向生态；进入2026年，我们将更聚焦于智能化管理能力的深化与拓展。未来，社区将继续紧密围绕新兴产业结构，积极推动自身演进，引领BMC技术发展，为计算生态的繁荣筑牢坚实的技术基石。