鯤鵬昇騰超節點，自主AI站起來了

華為正在重新定義“芯片新范式”，在超節點上收獲未來，迎來新一輪算力架構重構的機會窗口。

華為Fellow，半導體首席科學家廖恒，在鯤鵬昇騰開發者大會2026（KADC2026）上給出了一個公式：系統業務性能=超節點規格x單顆芯片規格。在這種范式里，單芯片不再是決定算力的唯一因素。

在智能體式AI時代，競爭已經越來越從追求單芯片的絕對算力，轉向適合不同場景與業務需求的比較優勢。在推理解碼/后訓練階段，內存帶寬>內存容量>算力。

所以廖恒說，在Agentic AI時代，就要在系統層面重構計算機，把更多NPU、CPU、內存、網絡和軟件棧，通過靈衢互聯組織成一個更大的邏輯機器。這就是昇騰超節點與鯤鵬超節點的底層邏輯。

（來源：廖恒在KADC2026演講PPT ）

芯片的先進性仍然是基石。昇騰950PR與950DT的突破，首先體現在低精度格式。自主創新HiF8，實現顯存減半，算力翻倍。950系列兼容多元，支持FP8、MXFP8、HiF8、MXFP4等低精度格式，單芯片FP8算力達到1PFLOPS、FP4算力達到2PFLOPS，互聯帶寬提升至2TB/s。

微架構的設計，原生實現 了SIMD 與SIMT 雙編程模式一體化融合，讓昇騰芯片從專用化進一步走向GPU式靈活性 + NPU式高能效。這一設計給開發者帶來更友好的開發體驗， 以Transformer經典算子Softmax為例，開發所需的代碼量減少了70%。配合SIMD+SIMT融合后的更細粒度執行模式，昇騰950將內存訪問粒度從512B縮小到128B，提升MoE路由、KV cache、嵌入、解碼等不連續訪問場景下的有效內存帶寬。

950PR與950DT的分工，也顯示出昇騰對AI負載比較優勢的把握。950PR更偏推理預填充、推薦業務和容量性價比，強調內存容量、批次大小和序列長度；950DT則更偏解碼、訓練和帶寬敏感負載，其內存容量144GB、帶寬4TB/s，高于950PR的128GB和1.6TB/s。

這些是面向智能體時代的架構調整，業務需求將會制造更多長上下文、多輪調用、工具返回和持續記憶，解碼與緩存管理的重要性上升。昇騰超節點的最佳實踐，也正圍繞這些瓶頸展開，以單柜64卡為基本單元，最大支持8192張NPU卡高速互聯，面向超大規模訓練和海量推理并發；相比傳統集群，大模型訓練效率、可靠性和推理性能均有提升。廖恒還展示了正在實際部署的 1.6 萬卡柜內（Scale-Up）加柜外（Scale-Out）混合系統，

如果說昇騰解決的問題是智能從哪里算出來，鯤鵬要提供智能體在哪里運行的答案。智能體群長時復雜的工作中，GPU/NPU負責模型計算，CPU發揮著控制中心、環境執行器和系統調度器的關鍵作用，大量任務如控制流、工具執行、容器沙箱、RPC通信、狀態回滾和內存管理，天然屬于通用計算。

在KADC2026上，華為公司Fellow、ICT操作系統副首席科學家胡欣蔚提出，CPU正在回到舞臺中央，智能體的爆發，正將CPU從過去的“輔助角色”推至“核心調度器”的位置。

鯤鵬超節點的價值，正是把傳統CPU服務器從松散集群升級為低時延、大帶寬、統一內存的邏輯通用計算機。它支持百納秒級低時延、TB級帶寬和內存池化，通過內存語義通信實現跨節點數據以讀寫方式高效傳輸，解決了通用計算場景中高時延、數據搬移開銷大、協同效率低的問題。

例如，鯤鵬超節點依托多級緩存共享、增量快照共享和遠程分叉（remote-fork）能力，可實現十毫秒級回滾，并支撐智能體任務成功率提升10%以上。

鯤鵬之上，構建了三層智能體系：底層是鯤鵬超節點與靈衢互聯，提供24TB統一內存池；中間層是openEuler異構融合操作系統，打通CPU與AI加速器；上層Agent Infra提供輕量沙箱、記憶服務和全鏈路安全能力。

鯤鵬與昇騰之間，形成了一種新的異構融合關系。靈衢互聯協議是超節點的共同底座，它統一了內存語義、IO語義和網絡通信語義，讓CPU、NPU、內存、SSD、DPU、網絡設備不再只是通過傳統以太網松散協作，而是在超節點內部以更接近大型計算機的方式運行。CPU與GPU協同作戰，體現出胡欣蔚所說的追求“智能體擴展”（Agentic Scaling）。

真正讓昇騰從硬件產品變成生態底座的，是CANN軟件。2025年8月以來，CANN加快全面開源開放，兼容主流開源生態，讓開發者盡量保持原有習慣。CANN通過分層解耦，將算子庫、加速庫、圖計算、編程語言等軟件代碼開源，支持PyTorch、vLLM、SGLang、xLLM、VeRL、Triton、TileLang等社區和項目。

在 PyTorch 生態適配方面，昇騰通過 torch_npu 等組件對齊 PyTorch 開源社區的 2300 多個常用 API，降低開發者代碼遷移成本；在分布式訓練方面，已適配 PyTorch FSDP2，即全分片數據并行第二代，使 20 多個主流大模型能夠在昇騰平臺上以較少改動實現開箱即用；同時，昇騰還與多個強化學習開源社區合作，持續合入訓練加速和適配代碼。

這一步非常關鍵。CANN要追趕的是一整套生產體系，模型要快速遷移、算子要快速補齊、推理框架要直接適配、強化學習社區能跑起來。CANN是在開源AI生態的主流工作方式之上，建立起昇騰生態的開發者入口。

openEuler是面向超節點的操作系統。它向下連接CPU、NPU、內存、存儲和網絡資源，向上支撐容器、沙箱、數據庫、推理服務和智能體運行時。在鯤鵬三層智能體系中，openEuler處于中間層，用來打通CPU與AI加速器之間的協同，構筑“通智網存”融合的智能體運行底座。

智能體要規模落地，必須跨過三道坎：token及內存資源消耗高、沙箱環境啟動慢、存在越權與數據泄露風險。 鯤鵬通過軟硬件協同，為這三大挑戰提供了解決方案。基于CCA架構的機密智能體，實現Agent可信授權、安全隔離、記憶加密存儲和秒級恢復；基于鯤鵬超節點打造的AI數據底座極具性價比，實現Agent業務Token開銷降低50%；基于超節點和多級存儲技術，實現了沙箱百毫秒啟動，秒級千并發。

（來源：胡欣蔚在KADC2026演講PPT）

鯤鵬和昇騰生態所帶來的好用與易用，正體現為推動上下游協同適配，為產業落地提供支撐，并且成為開發者的入口。鯤鵬已發展7000多家合作伙伴、415萬開發者，openEuler系操作系統累計裝機量超過1600萬套；昇騰已發展3000多家合作伙伴、超410萬開發者。

當初中國科技企業不抱任何幻想，堅決開辟系統級創新的戰場。從遭遇的技術斷點出發，華為的鯤鵬超節點和昇騰超節點，共同支撐了這個轉折點：昇騰讓模型算得起來，鯤鵬讓智能體跑得起來，靈衢讓異構資源連成一臺更大的機器，擴展智能的邊界。

自主生態站立起來，在自主的道路上演進。硬件可用性、軟件成熟度、開發者習慣、全球開源影響力、云端運維經驗，都是持續完善的結果。在軟件的層面，也如廖恒所說，在兼容和無所不包的同時，在做厚的同時，也要做薄。

未來半導體競爭的核心，或許不再是制程精度的極限，而是誰能以最低的時間成本，組織最大規模的計算資源。在這一工藝路徑上，華為已經提前起步了。

華為提出“時間（τ）縮微”，替代傳統的“幾何縮微”，作為半導體與電子系統演進的新主線，更是邁向了中國新范式。