華為汪濤：華為要打造AI算力底座，只做好一顆芯片遠遠不夠

昇騰960DT研發進度比原計劃提前三個季度，單芯片算力實現倍增，960DT支持2 PFLOPS FP8、4 PFLOPS FP4，HBM容量最高288GB、帶寬9.6TB/s。對應的昇騰960超節點做到4096張NPU卡，最高8EFLOPS FP8算力、超過1PB HBM容量。華為輪值董事長汪濤把後續路線一併攤開： 2028年昇騰970、2029年昇騰980，未來幾年保持“一年一代”的演進節奏。會後，汪濤接受專訪時把這個變化說得很直白： 從今年開始，950、960、970、980連續幾代，未來幾年我們堅持一年一代，走入了快速演進的節奏。

這也是國內半導體制造、封裝的上下游配套全部打通之後才實現的。但華為這次想講的，顯然不只是一顆更快的芯片。圍繞960，華為把NPO光互聯、超節點、CANN生態和韜定律一起擺上檯面，給出的答案很明確：AI算力競爭已經越來越像一場系統工程。單芯片倍增，但華為押注的是整套系統 先從這次核心的新產品說起——昇騰960。相比上一代，960把算力、內存容量和帶寬繼續往上推，同時產品節奏明顯加快。按照華為披露，960DT比原計劃提前三個季度準備就緒，960PR版本也將繼續提前。更值得注意的是昇騰芯片的研發週期。汪濤專訪時透露，960芯片已經在實驗室測了好幾個月。

“芯片從立項到產品化往往要三年，我們任何一次發佈，都是產品已經在實驗室反覆測試、有準確交付時間之後才做。” 從950、960到後續的970、980，華為接下來幾年計劃保持一年一代快速演進的節奏。AI大模型的訓練和推理規模正在迅速擴大，單顆芯片再強，也很難獨自承擔萬億、十萬億參數模型的計算需求。華為把突破口放到了“規模算力”上： 910C是384卡，950做到1024卡，960進一步擴到4096卡，並通過跨物理節點的統一內存編址，讓多顆NPU互聯起來更接近一臺邏輯計算機。汪濤提到，華為從仿真訓練裡看到，在同樣十萬卡集群下，4096卡超節點組成的集群相對傳統八卡服務器組成的集群，MFU可提升2.

75倍。MFU可以簡單理解為大模型真正吃到多少理論算力，集群越大，通信、同步、故障越容易把峰值性能吃掉。汪濤因此反覆強調，AI基礎設施已經進入系統工程階段。只做好一顆芯片遠遠不夠，只做一臺服務器也不夠，最後要交付一個高可用度的複雜系統才有價值。這種系統工程能力，也是華為給自己總結的核心優勢。一個大規模超節點同時涉及芯片、通信、IP網絡、光互聯、供電、散熱、軟件和故障管理，單點性能強並不代表系統能長期穩定運行。談到華為在這一輪算力競爭中的位置，汪濤的判斷很鮮明，“要做好這麼大的超節點集群，需要通信技術、IP、光模塊、算力、系統，華為幹了30年，每個領域都有長期大規模研發投資。

把這些能力全部聚在一個團隊裡，似乎只有華為。” 這也是昇騰960超節點值得關注的地方：當先進製程短期內仍然構成約束，華為選擇繼續提升單芯片，同時把競爭戰線擴大到整個系統。NPO落地，華為把30年光技術融入超節點 960超節點這一代最硬的新增技術，是NPO（近封裝光學）。NPO可以理解為一種用光來承擔芯片間高速數據傳輸的技術。過去高速數據傳輸主要依賴電信號，距離一長，損耗和功耗都會上升。NPO把負責光電轉換的“光引擎”往芯片附近推進，相當於“讓電少跑一點，讓光早點接手”，從而降低高速互聯的傳輸損耗和功耗。

這也是為什麼4096卡超節點開始需要NPO——卡越多，芯片之間的數據交換越頻繁，互聯能力就越容易從配角變成決定整個系統效率的關鍵。而昇騰960是業界首個採用NPO光引擎的超節點。華為用這套NPO架構做的具體產品，就是Hi-ONE光引擎。單引擎集成36路200G，總傳輸容量7.2Tbps，並把光源直接內置。汪濤在圓桌上把Hi-ONE的領先性概括為“三個第一”： 第一個規模商用的，大家還在實驗室階段；第二個最大的帶寬，36路200G集成；第三個唯一內置光源的。值得注意的是，華為沒有直接一步走向CPO（共封裝光學）。

CPO把光引擎和主芯片封在一起，理論上還能進一步縮短距離，但今天可靠性、良率、成本和維護都還沒到華為認為適合大規模商用的狀態。汪濤解釋得很具體：“CPO把光引擎和主芯片放一起，光引擎壞了整個主芯片就報廢，可用度差，故障成本極高，對封裝廠要求也高。現在NPO的TCO至少比CPO低40%以上。當前NPO是工程、成本各方面綜合最佳選擇。” 他對CPO的態度很開放，“未來CPO如果解決了可靠性、良率問題，華為也可能轉向CPO，以進一步降低高速信號傳輸損耗。” 昇騰960超節點用約5500個Hi-ONE，替代原本約4.

8萬個800G光模塊，功耗降低超過550kW，系統無故障運行時間提升一倍，系統可用度為99.8%。器件數量大幅減少，本身就意味著更少的故障點、更低的佈線複雜度和更可控的系統功耗。這也是“超節點+集群”路線能真正落地的前提之一： 華為需要的不只是把更多芯片連起來，還要確保系統規模變大以後，不被光模塊、供電、散熱和故障率反過來影響效率。CANN跨過拐點，華為補上軟件生態 硬件往前跑，生態要同步跟上。CANN進入常態化開源社區運營，月活開發者超過5200人，外部開發者佔比達到61%； 昇騰也進入PyTorch官方支持路線，開發者可以直接在PyTorch社區獲得相關支持。

汪濤對此的表述反而很剋制：“經過八年努力，我們今天只敢說CANN生態跨過了拐點。” 華為下一步想把適配動作進一步前置，在模型進入預訓練階段時就和模型廠商協同，把昇騰適配、性能優化等工作儘可能提前完成，不是等一個模型發佈後再遷移到昇騰。很高興看到中國湧現出一批十分優秀的大模型企業，既有頭部互聯網，也有大模型初創企業，他們的優異產品和強大的創新能力顯著提升了中國人工智能的全球影響力。華為的使命是為這些優秀企業構建堅實的算力底座，做好他們堅強的後盾和夥伴。汪濤表示，未來我們會看到越來越多模型基於昇騰原生訓練，這樣模型開源發佈走向千行萬業之後，就基本不需要再做適配和優化。

這背後對應的，是華為對自己在AI產業鏈中位置的一次明確劃分。汪濤直言：“華為的核心使命是打造算力底座。” 這句話其實給昇騰、超節點、CANN乃至整個AI基礎設施業務劃出了一條清晰邊界： 華為希望把更多資源放在芯片、互聯、系統和軟件底座上，為模型廠商和互聯網公司提供算力支撐。“盤古會繼續服務華為自身產品智能化，但華為並不打算在每一層都和夥伴競爭。靈衢協議已經開放，CANN代碼也持續開源，華為想把更多研發資源放在芯片、超節點和算力底座。” 汪濤隨後進一步表示，所有做大模型和訓練的企業，無論頭部互聯網公司還是創新企業，都代表著中國科技的未來，華為希望做他們的“底座、後盾”。

“我們把他們託得越高，中國AI競爭力越強。” 對應到產品形態，就是用4096卡超節點作為更大的計算單元，再由多個超節點組成十萬卡、數十萬卡集群。華為披露，多超節點通過靈衢網絡或RoCE繼續擴展，二層Clos組網最大可到51.2萬卡，結合多軌道拓撲，技術上限可支持百萬卡。汪濤也強調，百萬卡更多是技術指標，現實部署仍要看投資、電力和模型需求。而華為真正重要的目標，是讓算力“觸手可及”。汪濤說：“我們不僅提供產品，還派很多技術專家團隊，支持客戶做昇騰原生的預訓練，遇到技術問題一起解決。

” 汪濤在思量華為未來的路線，“到2030年甚至未來，我們必須做一個準備：中國最先進的製造工藝還沒有取得完全突破，華為必須有一個創新路線，同時滿足中國AI訓練、推理、行業應用的需求。” 而對於創新，汪濤說，這是華為沒有退路才走出的“勝利之路”。這也解釋了華為為什麼一邊繼續提升單芯片性能，一邊把大量資源投入到超節點、光互聯和系統工程。先進製程依然重要，但華為不能等製造條件完全改善後再推進產品。它需要在現有工藝條件下，把性能提升的空間繼續往芯片之外延伸，通過封裝、互聯、光通信、系統架構和軟件協同等多層優化，儘可能放大整體算力效率，縮小與國際領先AI芯片和計算系統之間的差距。

在圓桌收尾時，汪濤補充道：“華為是一家產品公司，要做最好的產品給客戶。任總常講，每個人都要磨好自己的豆腐，各司其職，我們的豆腐就是把算力底座做好。” 從昇騰960、Hi-ONE，到4096卡超節點、CANN和韜定律，這次全聯接大會真正展開的並不是一顆芯片的參數升級，而是一條更完整的AI基礎設施路線： 單芯片繼續迭代，光和互聯把系統做大，軟件讓模型原生跑起來，再用持續的產品化把算力穩定交付出去。華為想守住的，也正是這個位置——把中國AI需要的算力底座做厚，為國內模型公司的訓練、推理和持續迭代提供充足、穩定的算力支撐。版權所有，未經授權不得以任何形式轉載及使用，違者必究。