一個十萬卡規模的AI（人工智慧）算力集群，業界的MFU（模型浮點算力利用率）往往連30%都不到。這意味著，70%的算力經常處於故障和故障修復狀態。
MFU每提升一個百分點,理論上一個10萬億參數的大模型訓練時間就可以縮短約三天。
按照算力集群演進規律,2027年,10萬卡規模的算力集群就會成為行業主流,如何將如此大規模算力集群的效率最大化提升,是一個現實難題。
2026年9月17日,上海,華為輪值董事長汪濤接受了包括我們在內的媒體採訪。 汪濤提到,用大規模高效互聯,把更多芯片組成一個超大的計算系統--華為要解的,就是這道題。 它的答案不在單芯片上,而在系統。
對於華為來說,由於NPU(自然語言處理器)單卡製程製約,短期繞不過去。 但大模型迭代不會停下來等。 汪濤預計,2027年行業領先大模型的參數規模將達到10萬億級,到2030年將達到100萬億以上。 訓練10萬億參數這樣的模型,需要10萬卡規模的算力集群。
單顆芯片、單服務器再強,也不可能獨立完成訓練任務。10萬卡集群中,如果採用現有光模塊方案,光模塊數量會達到100多萬個。 這個規模集群帶來的能源消耗難以想象。
“只有一條路可走。」汪濤提到,這條路的核心,是「超節點 集群」。
汪濤當天發布了升騰960超節點。 它支持4096張卡,是950系列的4倍。 按照鵬城實驗室和全球計算聯盟聯合38家單位制定的行業標準,超節點的關鍵在於「跨物理節點統一內存編址」--讓分散在不同物理服務器中的芯片,能夠像訪問本地內存一樣訪問整個系統的內存池。
華為的演進路線清晰:910C超節點支持384卡,950支持1024卡,960擴大至4096卡。 多個超節點再通過靈衢協議互聯,組成10萬卡乃至更大規模的集群。
汪濤還明確了華為的AI戰略:核心是算力,堅持硬件變現,通過「超節點 集群」構建中國算力底座,構建開源開放的算力生態,支持主流大模型原生訓練。
「堅持硬件變現」的目的是戰略聚焦。 汪濤說,「任何一家公司都有它的專注點。」 一些客戶和夥伴擔心華為什麼都做,這高估了華為的能力。
「我們希望大家放心用升騰。」 汪濤說,「華為磨好自己的豆腐,做好算力底座。」
華為的路線選擇,本質上是用系統效率對沖單卡劣勢。 當製程差距短期無法彌合,把更多芯片高效地組織成一台「計算機」,就成了為數不多能主動作為的變量。
在一個容錯率幾乎為零的行業里,這個新路線需要重新定義內存、互聯、供電、散熱和軟件棧,也需要讓開發者願意在上面寫代碼。這既是華為接下來要回答的問題,也是中國AI算力能否真正自主的關鍵。
為什麼要走系統路線?
「用這種大規模高效互聯方式,組成一個超大算力計算系統,通過並行計算來解決單算力不足的問題。」
升騰面臨的現實環境是具體的。
製程上,華為升騰無法從全球供應鏈獲得最先進的芯片製造、存儲和封裝資源,它的供應鏈主要來自中國市場。 部分關鍵器件的採購成本甚至更高。 不過,這主要來自先進製程受限,而非芯片設計問題。
成本壓力同樣現實。 HBM(高帶寬內存)是AI芯片裡最關鍵的零部件之一,它的容量和帶寬會直接影響AI芯片能否充分發揮計算能力。 中國的HBM供應並不充足。
需求則在加速。 2026年,全球領先大模型的參數規模仍在快速增長,主流SOTA(業界頂尖)模型的參數規模已經超過2萬億。 汪濤預計,2027年行業領先大模型的參數規模可能達到10萬億級。 訓練這樣一個模型,往往需要10萬卡規模的算力集群。
這些挑戰讓華為比其他同行更早遇到了系統級的物理瓶頸。 華為試圖率先處理這個問題。
華為計算首席戰略官朱照生對我們表示,當前SOTA模型的訓練和推理,無論單顆芯片性能多強、用什麼先進工藝,單顆芯片、單台服務器都無法獨立完成。「規模算力是全行業的共同方向,華為只是更早遇見了這個問題。」
物理約束會繼續存在。 上一代華為950系列超節點規模為1024卡,升騰960要擴大至4096卡,規模翻了4倍。 但傳統光模塊方案下,組建一個4096超節點,光模塊就需要約48000個800G模塊--48000個潛在故障點、海量光纖布線、巨大功耗。 更棘手的是單板空間:單卡算力變大後,扇出能力無法通過可插拔光模塊實現,「板就那麼長,插不進去」。
傳統的算力架構更多是為萬卡時代設計的。 隨著大模型規模從萬億走向十萬億,集群規模從萬卡走向十萬卡,整個算力行業都將共同面對新的物理瓶頸。 算力競爭的維度,正在從「誰的單卡快」,轉變為「誰的系統效率高」。
從華為此次公布的升騰960系列理論參數性能來看,它的進展十分快速。
升騰960DT和960PR單芯片算力已進入2024下半年-2025下半年國際同行旗艦產品的性能區間。 一位華為人士對我們表示,理論參數並不能完全反映芯片在實際模型訓練和推理中的性能表現。 以推理場景為例,他更關注升騰960在實際運行中的每秒Token(詞元)吞吐量、單卡可支持的並發用戶規模等指標。 這些指標更接近企業真實使用場景,也更能反映芯片的實際效率和使用成本。
企業實際使用中的性能,並不完全由單芯片的理論參數決定。 對當前的SOTA模型來說,單顆芯片性能再強,單顆芯片、單台服務器也不可能獨立完成訓練和推理任務,最終仍要依賴大規模集群。 因此,真正決定模型訓練和推理效率的,是規模算力和集群能力。
這恰恰給系統工程優化留下了空間。
華為選擇通過高速互聯、超節點和大規模集群,把更多芯片組織成一個計算系統,用更高的並行效率和系統利用率,彌補單芯片算力不足。
因此,升騰960DT並沒有把設計重點只放在堆砌峰值算力上。 它配備288GB顯存,顯存帶寬達到9.6TB/s,這已經達到甚至超過國際廠商旗艦產品的部分參數水平。
這背後的邏輯是,在大模型訓練、推理場景中,性能瓶頸有時並不在算力本身,更關鍵的是數據的讀取速度。 更大的顯存容量、顯存帶寬,以及更強的芯片間互聯能力,可以減少芯片數據等待時間、性能損耗,讓已有算力得到更充分利用。
這種強化顯存容量、顯存帶寬以及芯片間互聯能力的做法,也是在為後續更大規模的超節點集群做準備。
超節點 集群,怎麼走?
「我們的超節點和集群是被SOTA模型驅動著做到這麼大的規模。」
2026年,全球領先大模型的參數規模仍在快速增長。 主流SOTA模型的參數規模已經超過2萬億。 訓練一個萬億參數的基礎模型,往往需要10萬卡規模的算力集群。
汪濤預計,2027年行業領先大模型的參數規模可能達到10萬億級。 隨著模型規模繼續擴大,10萬卡算力集群可能逐漸成為標準配置。
讓一個10萬卡集群穩定高效運轉並不容易。 大量芯片需要頻繁交換數據,通信等待會消耗訓練時間。 供電、散熱、軟件調度和故障恢復,也會影響整個系統的運行效率。 芯片的數量決定了算力的規模,能否讓這些算力持續用於訓練,則考驗系統工程能力。
如何讓10萬卡集群更高效地運轉? 華為採用的是「超節點 集群」的方案。
超節點是2025年-2026年算力行業的熱詞。 所有主要算力廠商都推出了超節點產品。
今年7月,鵬城實驗室聯合全球計算聯盟發布了《超節點定義與實踐白皮書》,首次統一了行業對超節點的定義。 華為是白皮書的重要參與方。
何謂超節點? 定義的核心是分散在不同服務器、不同機櫃裡的芯片,內存被映射成一張巨大的地圖,不管數據在哪顆芯片上,都可以直接訪問,不需要走網絡協議。
汪濤用了一個通俗比喻。 「真正的超節點,是一個辦公室裡10個人,每個人桌上都有一張地圖,標著所有人的文件放在哪兒。 你要拿別人的文件,伸手就夠到了。」 他說。
「業界很多超節點,是10個人坐在不同的辦公室裡,中間用網線連起來。 你要拿別人的文件,得打電話說'把文件發我一下',然後對方找文件、發郵件、你下載--每一步都有開銷。」
「靠IP(網絡協議地址)協議轉換的,只能叫集群,不能叫超節點。」 他說。
從三代產品看,華為超節點的規模在持續擴大:升騰910C是384卡超節點,950系列是1024卡,960系列達到4096卡。
規模擴大的核心支撐,是新一代互聯芯片的內存統一編址能力。
事實上,目前主要的國際算力廠商在採取類似的策略。 一位通信領域的專家2025年曾對我們表示,目前行業主流方式更多是用銅纜進行聯接,但只能在單機櫃內,要突破單櫃,需要光互聯技術。
在集群總卡數相同的情況下,更大規模的超節點可以減少芯片間通信帶來的性能損耗。
規模的價值,可以用一組仿真數據量化。 按照華為披露的測試結果,同樣是10萬卡集群--如果以4096卡超節點為基本單元組成,相比約1.25萬台傳統8卡服務器三層組網,MFU是後者的2.75倍。
「MFU每提升一個百分點,一個10萬億參數的大模型訓練時間就可以縮短約3天。」 他說。
規模也帶來了物理挑戰。 升騰960超節點單櫃功耗約20萬瓦。 散熱、高速信號完整性、故障累積,任何一個環節出問題,都會導致整個系統的可用度大幅下降。
這時候,NPO(近封裝光學)成為關鍵支點。
關鍵牌NPO,核心技術支點
「如果未來CPO的可靠性提高了、封裝良率提升了,再去用也不遲,華為並不排斥CPO。」
當AI算力的競爭維度從一張卡上升到一個集群時,卡和卡之間,機櫃和機櫃之間,整個集群之間的通信效率就變得至關重要。
整個行業都撞上了高速信號的物理墻。
224G SerDes是當前AI芯片互聯的最新一代技術。 從56G到112G再到224G,每一代速率翻一倍--單芯片算力越來越強,需要傳輸的數據量越來越大,112G已經不夠用了。
但224G的電信號有個物理極限(高速電信號頻率越高,衰減越快,就像大聲說話,距離越遠聲音越小)。 在電路板上,224G信號最多允許20幾個dB的損耗,過了25dB,信號就模糊得認不出來了。
也就是說,224G電信號在電路板上物理傳輸長度基本上小於2米。
櫃內短距離,電信號還能撐住;但櫃間、跨櫃,電信號跑不了那麼遠,就必須用光了。 這意味著,超大規模互聯不能只靠電,「近電遠光」是全行業共識。
近兩年,基於CPO技術的以太網光子交換機誕生。 這項技術引發了市場關注。
所謂CPO,是共封裝光學(Co-Packaged Optics)的縮寫。 它的核心思路是:把光引擎和主芯片封裝在同一個基板上,讓光信號盡可能短距離地從芯片出發,減少電信號在電路板上傳輸的損耗。
受CPO趨勢影響,一大堆光通信企業「站在光里」。 資本市場上,光模塊概念股漲了一輪又一輪。 行業里,從光模塊到光引擎,從可插拔到共封裝,各種技術路線的討論越來越熱鬧。 目前,CPO由於可靠性、可維護性等方面的挑戰,一直還未規模量產。
華為選擇了另一條路。 升騰960超節點採用的不是CPO,而是NPO--近封裝光學。
NPO的解決方案,是把36個200G光通道集成到一個小模塊。 7.2T帶寬,一個 NPO模塊代替9個上一代產品800G光模塊。
按照華為披露的數據,一個升騰960超節點用5500個嗨-一光引擎,代替約48000個800G光模塊。 故障點從48000個降到5500,接近一個數量級,同時還可以降低超過550千瓦的功耗。
CPO本質是把光引擎和主芯片封裝在一起。 理論上,CPO比NPO再省約3dB的鏈路損耗,信號質量好一倍。 為什麼華為不選更激進的 CPO? 汪濤表示,這不是技術能不能的問題,而是商業上的權衡。
他算了一筆賬:「為了獲得那3個dB,現在要增加至少40%以上的總擁有成本,承受更高的故障率。 因為,CPO的光引擎一旦壞了,整個主芯片會一起報廢。 此外,CPO對現有數據中心的運維體系是「破壞式變化」--工程師技能需要全部重新培訓。
「至少目前不是最優方案。」 汪濤說。
這背後是華為的戰略邏輯。 華為要的不是技術最先進,而是現階段最實用、成本最低、客戶最容易接受的方案。
華為能做NPO還是有另一個因素。
光傳輸的核心競爭力在於對光信號的理解、對光電轉換效率的優化,以及把設備做到運營商願意大規模採購的成熟度。
在全球光傳輸設備市場,華為多年保持30%以上市場份額。 1996年做出第一代SDH設備,1999年定義MSTP,2006年發布業界首款OTN設備,2011年自研出第一代100G oDSP(光數字信號處理器)芯片。 ODSP是光傳輸裏技術門檻最高的環節之一,全球能自研的廠商寥寥。 華為在2014年完成了第二代自研,成為業界唯一能提供第二代100G oDSP芯片的廠家。
這些積累在AI時代變成了直接的籌碼。 光互聯的核心部件是光引擎和oDSP。 ODSP華為自研,光引擎在武漢工廠生產,光源也是自己的。 從設計到製造,華為走的是IDM模式。
即便如此,汪濤透露,NPO研發了四五年,迭代多個版本。 「失敗了再來,良率不斷提升。」
今年,華為在 OIF光互聯網論壇提交的NPO提案通過立項。 為什麼要把技術推成標準? 汪濤的邏輯很實際。 「不希望把這個技術只有華為有…… 推成標準,讓大家都來做,成本就很低,他成本做得比我們低,我們順便買點他的,然後我們成本也更低。」
「未來CPO可靠性和封裝良率提升後,我們再跟進。」 汪濤說。
「NPO和CPO核心技術是一樣的--都是把光引擎從可插拔模塊的位置,往主芯片方向移。」 一位資深光通信技術專家向我們評價:「集成工藝類似,生產能力也可以復用,確實不難過渡」。
CANN開源,跨越生態坎
「沒有軟件的硬件是沒用的。」
汪濤在華為領銜了一個工作組,叫「第一橫隊」。
工作組2025年下半年成立,拉通了海思、2012實驗室、計算產品線等多個部門主要負責人幾乎每月要開半天會,就乾一件事--找問題,學習國際同行的產品,找升騰軟硬件適配層面的問題。
CANN開源後,團隊發現了很多以前看不到的問題--模塊太大、改幾行代碼就要全量重編譯。 在華為內部,硬件和軟件是兩條戰線。 硬件上,華為用超節點和NPO,在系統層面補單芯片的差距;軟件上,「第一橫隊」就是破局的組織調優。
超節點和NPO解決的是如何讓更多芯片高效協同。 但硬件算力能否真正被用起來,還取決於軟件。 國產算力的使用成本之一,其實是軟件適配的成本。
性能已經不是國產算力的最大障礙。 但軟件適配成本,依然是影響企業使用國產算力的關鍵因素。
由於仍然存在一定的適配成本,一些算力公司對使用國產算力有顧慮。 一位雲計算腰部廠商的基礎設施產品人士對我們表示,因為資源少、盤子小,不敢押注在國產算力上。
但進入2026年,國產芯片的使用成本正在大幅降低。 更多企業願意使用國產算力。一位地方大數據發展集團人士對我們曾表示,他們2025年中用DeepSeek-R1適配升騰910B,花了兩個月。 2026年他們用DeepSeek-V4系列適配升騰910B,只花了不到半個月。
這和CANN這一年多的改進有很大關係。
2025年8月,華為宣布CANN全面開源開放。 目前,華為之外的CANN外部開發者占總開發者的61%。 升騰覆蓋90多個主流第三方社區,適配或支持了200多個開源模型。
CANN是華為為升騰芯片配套開發的基礎軟件,它連接PyTorch等上層開發框架與底層硬件。 由於PyTorch是全球最有影響力的計算框架,開發者通常通過它完成模型開發和訓練,而不是直接操作底層芯片。
對升騰來說,它是通過CANN等軟件,把PyTorch里的模型和算子轉換成升騰芯片能夠高效執行的計算任務。 華為改善軟件生態的重要方向,是讓開發者繼續使用熟悉的PyTorch等框架,同時減少適配升騰的額外工作。
過去幾個月,升騰在軟件生態上取得了一項重要進展:開發者可以直接通過PyTorch開源社區獲取相關支持,不再需要先轉入華為自己的社區進行二次適配。 這降低了升騰與主流開發框架之間的使用門檻。
CANN這套軟件是否好用,影響的不只是模型能否運行,還包括開發者要花多少時間適配調優,芯片的算力能發揮出多少,乃至最後的他是否真正願意使用國產算力。
在汪濤看來,開源首先是一種「曝光機制」。 早期使用升騰910A、910B的客戶曾反饋不少CANN的使用問題。 CANN開源後,團隊發現,一些代碼模塊劃分不夠細,修改少量代碼也可能觸發大範圍重新編譯,拖慢開發效率。 這倒逼內部團隊必須直面這些問題。
華為技術專家也會參與客戶的原生預訓練,協助處理缺失的算子、效率不足的算子,以及實驗室沒有提前發現的問題。 汪濤說,一些設計上的不足,只有在客戶的實際應用中才會暴露出來。
這種合作也不是單向的。 一位華為技術人士介紹,CANN開源後,一些客戶在具體場景下對算子的優化,已經超過華為原有的實現效果。
這說明,改善升騰的使用體驗,不再只是華為內部團隊的工作。 其他企業的開發者也可以根據自身需求改進軟件,進一步挖掘芯片的潛力。
我們在全球最大開源社區GitHub發現,包括一批互聯網公司、模型創業公司的官方代碼倉庫都在圍繞升騰/CANN開展工具開發、框架支持或模型適配等工作。
汪濤用一個詞形容CANN的生態階段--「跨過拐點」。
經過八年努力,我們今天只敢說CANN生態跨過了拐點。
對升騰而言,越來越多開發者能夠自主解決問題,才能把芯片用得更好,升騰的開發成本也會變得更低。生態的慣性是巨大的。 但生態的正循環一旦轉起來,也是巨大的。
邊界和選擇
「華為磨好自己的豆腐,華為的豆腐就是算力底座;大模型由更擅長的公司去做,中國大模型越優秀,我們越高興。」
汪濤反復提到一個詞--「硬件變現」。 這是當下華為AI戰略的核心。
「經常有很多客戶夥伴,對華為有一點莫名的不必要的恐懼,感覺好像華為啥都做,什麼都能做得好。 其實這是外界對我們的謬讚。」
汪濤說,堅持硬件變現這句話,「一半是說給外部聽的,一半是說給員工聽的」。
說給外部聽,是給生態夥伴吃定心丸。 告訴他們:華為不碰模型和應用,只做最底層的算力。 你們放心用,華為不搶飯碗。 「我們堅定地做好他們的底座,堅定地做好他們的後盾。」 汪濤說。
說給內部員工聽,是給龐大的組織劃邊界。 華為內部不是沒有人想做全。 每個人都覺得自己的方向重要,都想投入更多資源。 但華為一年研發投入2000多億,也不夠五層蛋糕都做。 「我們沒有那麼多資源。」 汪濤說。
所以堅持硬件變現這句話,也是給內部立規矩--不要什麼都想做,聚焦在算力這一環,把豆腐磨好。
但 「硬件變現」 不等於不做軟件。 「(堅持硬件變現)是約束自己的邊界,但我們70%的研發投入,其實是在軟件上。」 華為計算首席戰略官朱照生說。
如果每家公司都有自己的生態位,華為希望守住的是AI算力這一環。它未必要在所有AI領域都做到第一,但至少要讓算力不成為中國AI技術演進和全球競爭中的短板。
超節點並不是一次性的產品投入。 它是一條需要持續數年演進的技術路線。 升騰960之後,華為還計劃繼續推出970、980系列芯片,並保持一年一代的迭代節奏。 華為希望通過持續的芯片、互聯和系統能力升級,逐步完善自己的算力底座。
這種創新最終仍需要回到商業市場。 既然最終要靠客戶真金白銀買硬件,那麼製程受限、HBM採購成本更高這些困難,都不能成為產品競爭力不足的理由。
汪濤強調,即使難以獲得最先進的製程,華為也必須通過芯片、部件和系統層面的創新,提供高性能、高性價比的產品。 客戶最終要花錢買單,購買理由應當「不是因為同情華為才買華為,應該是因為華為產品做得好。」
2026年以來,華為升騰的產品力正在不斷提升。
汪濤提到,升騰950系列芯片在模型預訓練方面已經有一定規模的應用。 華為同時正在和中國主流模型廠商、主流互聯網廠商合作,提前圍繞升騰960做訓練、推理和算子適配的相關工作。 他透露,預計中國部分開源大模型,後續會逐步採用升騰950、升騰960進行原生預訓練。
剩下的問題似乎只有一個--超節點不是一次性的產品投入,而是一條需要持續數年演進的技術路線。 960是第一個路標,970、980還在後面。 除了戰略耐心,華為需要更多戰略智慧。
華為升騰的路線圖已經明確:950系列在2026年規模供應,960系列2026年發布、2027年分季度交付,970計劃2028年推出,980計劃2029年推出。 「從950開始,連續幾年,我們堅持一年一代。」 汪濤說,這一節奏的前提是國內半導體製造、封裝、上下游配套全部起跑。
汪濤在發布會上提到的「韜(τ)定律」,是華為更長期的技術路線。 它包含四個層次:器件層面(皮秒級)、電路/晶體管層面、芯片層面、系統層面。
目前,升騰主要在系統層面發力--超節點就是系統級的「τ」。 麒麟手機芯片已經率先用到了晶體管層面的「τ」。 汪濤透露,970、980會往下走到芯片設計層面的「τ」。
時至今日,任正非的一句話仍有含金量:不去想困難,干就完了。
算力即國力。 在舉國追趕的宏大敘事中,產業政策縱橫捭闔,地方政府多頭押注,企業各展其長,有人攢局,有人賭賽道。 落到華為身上,故事要樸素得多:守好邊界,深挖技術,該聚焦聚焦,該擴散擴散。 這條路能走多遠,取決於960、970、980能不能按期落地;取決於10萬卡集群能不能穩定運轉;取決於開發者願不願意把下一代模型「種」在升騰這塊黑土地上。
