從拼芯片到拼集群 華為昇騰950超節(jié)點首次真機亮相 384超節(jié)點已商用超750套

過去幾年，AI（人工智能）產(chǎn)業(yè)對于算力的討論大多圍繞GPU（圖形處理器）展開，從英偉達A100、H100，再到國產(chǎn)AI芯片廠商相繼推出新產(chǎn)品，行業(yè)關注的焦點始終集中在單顆芯片性能、算力指標以及制程工藝上。然而，隨著大模型參數(shù)規(guī)模持續(xù)增長，尤其是MoE（混合專家模型）、Agent（智能體）以及長上下文推理逐漸成為主流，傳統(tǒng)算力基礎設施開始面臨通信瓶頸和資源利用率低下等新挑戰(zhàn)。

在這一背景下，行業(yè)競爭開始從“造更快的芯片”轉向“組織更大的計算系統(tǒng)”，“超節(jié)點”因此成為大模型時代AI基礎設施的重要發(fā)展方向。

7月17日，2026世界人工智能大會（WAIC）正式開幕，多家廠商不約而同將展示重點放在智算集群和超節(jié)點上。

其中，華為首次展示支持1024張NPU（神經(jīng)網(wǎng)絡處理器）高速互聯(lián)的昇騰950超節(jié)點（Atlas 950 SuperPoD）真機，并首次披露去年發(fā)布的昇騰384超節(jié)點已累計規(guī)模商用超過750套。真機亮相通常意味著產(chǎn)品已經(jīng)跨越實驗室驗證階段，在高速互聯(lián)、散熱設計、系統(tǒng)穩(wěn)定性等工程能力上具備規(guī)模交付條件。

圖片來源：企業(yè)供圖

中興通訊則聯(lián)合壁仞科技、沐曦股份、燧原科技等多家國產(chǎn)GPU企業(yè)打造國產(chǎn)高性能Matrix超節(jié)點；中科曙光首發(fā)scaleX十萬卡超智融合集群系統(tǒng)，這也是國內(nèi)規(guī)模最大的AI4S（科學智能）計算集群??可以看到，雖然不同廠商采用不同技術路線，但共同指向一個趨勢——國產(chǎn)AI算力正從單芯片競爭邁向系統(tǒng)級集群能力競爭。

誰能把芯片、服務器、網(wǎng)絡、液冷、存儲等高效整合成一套穩(wěn)定、可規(guī)模化交付的計算系統(tǒng)，誰就更有機會在下一階段AI基礎設施競爭中占得先機。

從384卡到1024卡

如果說去年發(fā)布的昇騰384超節(jié)點標志著華為開始將超節(jié)點作為AI基礎設施的重要發(fā)展方向，那么今年WAIC首次亮相支持1024張NPU高速互聯(lián)的Atlas 950 SuperPoD，則意味著這一技術路線正進一步向更大規(guī)模集群邁進。

去年9月，華為輪值董事長徐直軍罕見公布昇騰芯片的演進和目標。他表示，未來三年，華為已經(jīng)規(guī)劃了昇騰多款芯片，包括950PR、950DT以及昇騰960和970。其中，昇騰950系列按照不同訓練和推理場景劃分為950PR和950DT兩個型號，如今，Atlas 950 SuperPoD亮相，正是這一產(chǎn)品路線圖的落地。

從發(fā)布節(jié)奏來看，昇騰芯片將進入一個快速迭代和性能持續(xù)飆升的周期。但由于受限于先進制程的獲取，華為單顆昇騰芯片的算力目前還難以直接與英偉達芯片競爭。為此，華為通過“超節(jié)點+集群”的算力解決方案，滿足持續(xù)增長的算力需求。超節(jié)點可以理解為，將數(shù)百至數(shù)千顆AI芯片高效互聯(lián)，“像一臺計算機一樣工作”。

通過資源的高效調(diào)度，超節(jié)點在一定程度上可以彌補芯片工藝代差。以Atlas 950 SuperPoD為例，它以單柜64卡為基本單元，支持1024張NPU卡高速互聯(lián)，并實現(xiàn)256TB統(tǒng)一內(nèi)存編址。不過客觀來看，集群也面臨諸如能耗高、占地面積大等問題。“我們認為只有依靠超節(jié)點和集群，才能持續(xù)為中國AI提供充裕算力。”徐直軍當時說道。

值得注意的是，華為并不是少數(shù)押注超節(jié)點的企業(yè)。事實上，過去一年，全球AI基礎設施產(chǎn)業(yè)幾乎都在朝著這個方向演進。英偉達推出GB200 NVL72，并計劃進一步推出NVL144，通過NVLink Switch將更多GPU組成統(tǒng)一計算域；Meta宣布建設Prometheus和Hyperion兩座超大規(guī)模AI數(shù)據(jù)中心，目標部署數(shù)十萬張GPU。除此之外，國內(nèi)的阿里、字節(jié)、騰訊、百度、中科曙光、浪潮信息、新華三等多家廠商也均推出超節(jié)點方案。

這些發(fā)展路徑雖然不同，但解決的是同一個問題：模型越來越大，但芯片性能提升速度正在放緩。過去很長一段時間，AI算力競爭被簡單歸結為芯片制程的競賽。當單芯片性能遇到瓶頸時，行業(yè)慣性的選擇是增加服務器數(shù)量，也就是業(yè)內(nèi)常說的“堆卡”。隨著集群規(guī)模不斷擴大，這種方式的局限性開始顯現(xiàn)。

一方面，傳統(tǒng)計算架構中，卡間互聯(lián)依賴PCIe（高速外設互連總線）或以太網(wǎng)，跨服務器互聯(lián)帶寬多為200—400Gb/s且時延達數(shù)十微秒，在千億參數(shù)模型訓練的并行計算場景中，頻繁的GB級數(shù)據(jù)通信阻塞導致計算等待通信，成為性能瓶頸；另一方面，當集群規(guī)模擴大到“萬卡級”，故障概率呈指數(shù)級上升，某張卡的宕機都可能影響整個訓練任務，系統(tǒng)復雜度和運維成本也隨之快速上升。

而超節(jié)點是解決這一系列矛盾的核心答案，并成為AI時代算力基礎設施的主流形態(tài)。標志著AI計算開始從“堆算力”邁向“提效率”，從依賴單點性能突破，轉向依靠系統(tǒng)架構創(chuàng)新釋放整體算力。

加速行業(yè)應用：384超節(jié)點商用750套

如果說AI芯片決定了一臺服務器的計算能力，那么超節(jié)點真正考驗的，則是一整套AI基礎設施的系統(tǒng)工程能力。

隨著AI集群從幾百張卡擴展到數(shù)千張甚至上萬張卡，同時運行時，除了網(wǎng)絡互聯(lián)，還需要解決供電、液冷散熱、故障隔離、穩(wěn)定運行等一系列問題。華為方面認為，超大帶寬、超低時延和統(tǒng)一內(nèi)存編址，是當前超節(jié)點最核心的三項能力。

其中，超大帶寬和超低時延解決的是“通信”問題。超節(jié)點借助高效的互聯(lián)協(xié)議打破傳統(tǒng)架構限制，支持更大規(guī)模AI處理器的高效協(xié)同，以華為為例，其超節(jié)點RTT（往返時延）約為3微秒，相比傳統(tǒng)服務器集群，可顯著降低通信等待時間，提高流量的數(shù)據(jù)傳輸，從而突破系統(tǒng)性能。

通信能力之外，統(tǒng)一內(nèi)存編址更像是超節(jié)點真正實現(xiàn)“像一臺計算機一樣工作”的關鍵。可以簡單把它理解成一個巨大的共享倉庫。過去，每張GPU或NPU都擁有各自獨立的“倉庫”，芯片之間調(diào)用數(shù)據(jù)，需要不斷通過網(wǎng)絡搬運；而統(tǒng)一內(nèi)存編址則把這些倉庫整合為一個共享空間，不同AI處理器可以像訪問本地內(nèi)存一樣直接訪問遠端數(shù)據(jù)，大幅減少數(shù)據(jù)搬運帶來的時間損耗。

華為此次展示的Atlas 950 SuperPoD，便是基于靈衢互聯(lián)協(xié)議實現(xiàn)CPU（中央處理器）與NPU之間統(tǒng)一內(nèi)存語義，并支持256TB全局統(tǒng)一內(nèi)存編址，不管數(shù)據(jù)存在哪塊內(nèi)存里，都只有一個“全局地址”，CPU、NPU/GPU之間可以直接跨節(jié)點訪問地址。

此外，當1024張卡甚至萬卡持續(xù)運行時，巨大的功耗和散熱也將成為新的挑戰(zhàn)。華為專家此前曾對包括記者在內(nèi)的媒體表示，“大量的芯片堆到一起有巨大的熱量，熱散不掉系統(tǒng)就會癱瘓，熱是一門科學，散熱更是一門復雜的工程能力。散熱首先要把熱導出來，導熱墊緊貼芯片的表面，其導熱效率至關重要，核心是材料科學”。

據(jù)悉，華為此次展示的Atlas 950 SuperPoD采用液冷散熱方案，而同步展出的Atlas 850E風冷超節(jié)點，能夠適配現(xiàn)有風冷機房，降低客戶建設門檻。

系統(tǒng)工程問題解決后，市場更關注的是超節(jié)點能否真正實現(xiàn)規(guī)模部署。

華為此次透露稱，384超節(jié)點已累計商用超750套，規(guī)模應用于互聯(lián)網(wǎng)、運營商、金融、教育、醫(yī)療、交通、制造等行業(yè)。這意味著其客戶已經(jīng)不再局限于少數(shù)示范項目，而是開始進入更廣泛的行業(yè)應用。

去年12月，中國移動招標與采購網(wǎng)顯示，中國移動研究院2025年超節(jié)點試驗裝置采購項目開標，中標候選人為華為，投標報價為1.35億元，擬中標份額100%。招標內(nèi)容包括超節(jié)點試驗裝置1套（含超節(jié)點智算模塊（含計算及配套網(wǎng)絡等）48套、超節(jié)點存儲模塊1套）。

對于超節(jié)點的作用，DeepSeek此前曾表示，隨著昇騰950超節(jié)點批量上市，相關產(chǎn)品價格預計將明顯下降，超節(jié)點的大規(guī)模部署將進一步降低大模型服務成本，加快AI應用落地。

不過，與英偉達相比，華為仍有需要繼續(xù)追趕的地方。目前英偉達依托CUDA、NVLink等軟硬件生態(tài)，在全球云廠商、開發(fā)者生態(tài)中的覆蓋范圍依然更廣；華為雖然在中國市場快速推進昇騰部署，但在開發(fā)者數(shù)量、第三方工具鏈以及國際生態(tài)影響力方面，仍需繼續(xù)追趕。