近日，申万宏源黄忠煌团队发布研报称，在大模型参数呈爆炸式增长的当下，算力需求正从单点向系统级整合加速转变。
这一趋势下，Scale-up与 Scale-out成为算力扩容的两大核心维度。超节点不仅在机柜级互联与跨机柜组网技术方面取得进展，同时，将重塑算力产业链分工，催生服务器整合、光通信增量及液冷渗透提升等投资机会。
以货轮为比喻，当总运力需求扩张时，Scale-up 是建造更大的货轮，而 Scale-out 则是增加货轮的数量。Scale-up 追求硬件的紧密耦合；Scale-out 追求实现弹性扩展，支撑松散任务（如数据并行）。二者在协议栈、硬件、容错机制上存在本质差异，通信效率不同。
目前Scale-up 突破传统单服务器、单机柜限制进入“超节点”时代。Scale-up 可理解为增加单个节点（过去指单台服务器）内 GPU 数量（从 2 卡到 8 卡）；但其核心在于实现节点内全互联 GPU，而非物理地存在于单台服务器或单个机柜。随着互联技术的演进，Scale-up 正在突破单服务器、单机柜的限制，“超节点”可以跨服务器、跨机柜。
超节点实际就是算力网络系统在单个或多个机柜层面的 Scale up，节点内主流通信方案是铜连接与电气信号，跨机柜则考虑引入光通信；其与 Scale out 的硬件边界是 NIC网卡，外部借助光模块、以太网交换机等设备。二者的架构设计、硬件设备、协议标准有本质不同。
目前，Scale up 和 Scale out 尚未融合或交叉，以英伟达、博通、华为、海光等为代表的芯片厂商预计在 Scale up 领域深耕，而以太网（例如博通网络芯片、海思网络芯片、盛科通信等）则聚焦 Scale out 领域。
机柜/超节点趋势下，AI 芯片厂商纵向整合，提升自身通信、存储、软件等能力是确定趋势。芯片巨头在强化自己在算力网络中的布局。英伟达、AMD、国内海光信息吸收合并中科曙光，均在动作。
英伟达近6年并购案例8宗，聚焦于算力全链条整合。通过收购网络技术（Mellanox）、软件定义网络（Cumulus）、行业应用（Parabricks）、云服务（Lepton AI）及 AI 开发工具（Run.ai、Deci），构建从芯片到应用的闭环生态，应对云巨头竞争并渗透新兴市场。
国内海光信息发布预案，拟吸收合并中科曙光，也印证了这一产业趋势。产业协同角度。海光信息主要收入来源为 CPU+DCU，中科曙光主要收入来源为服务器+云基础设施。合并完成后，海光+曙光，完成从芯到云，硬件全产业链部署，协同效应明显。
那么，服务器厂商生存空间是否受到挤压？
首先，AI 芯片厂商不会切入代工业务。AMD 收购 ZT System 后剥离了其代工业务，避免与 OEM/ODM 的竞争，海光收购曙光目的也是为了强化协同，提升液冷、软件等能力。
但是，算力链条的产业链分工可能会进一步细化。在超节点趋势下，AI 芯片之间、AI芯片与交换机芯片之间的互联，大都需要通过板卡（尤其是电信号互联）。以英伟达为例，其板卡在产品推出初期自行设计，产品稳定后会开放给 OEM 合作伙伴，此时板卡设计的能力就成为了能否获取更多价值量的核心差异化能力。因此代工产业链分工可能进一步分化为板卡设计代工供应商、以及机柜代工供应商。
产业机会上，把握技术路径演变下的产业链机会，聚焦硬件互联与场景适配双线布局，建议关注AI 芯片与服务器供应商：海光信息、中科曙光、浪潮信息、紫光股份、神州数码、联想集团、华勤技术等。
