华为定义Agentic计算新范式：从“超节点+集群”重构算力网络底座

算力基础设施正在经历一场从“中心化供给”到“智能体驱动”的底层逻辑变迁。当海量Agent开始执行长程复杂任务，传统以服务器为边界的计算范式遭遇前所未有的效率瓶颈，而华为给出的答案，是面向“超节点+集群”的Agentic计算新开发方式。

9月19日，华为全联接大会2026期间，华为计算首席战略官朱照生披露了鲲鹏、昇腾生态的最新进展，核心亮点在于基于灵衢系统，面向“超节点+集群”提出了Agentic计算新开发方式的五大维度——从单服务器到超节点开发、从进程走向Agent思程开发、从SIMD到SIMD+SIMT新同构开发、从HiF8走向低精HiF4、从人工算子编程到Agent编程调优。

这并非一次简单的开发者工具升级，而是对算力网络架构的一次系统性重构。当算力分布与互联方式发生深刻变化，操作系统、编程模型、通信协议乃至底层指令集都需要随之重写。

Agentic时代，算力瓶颈从“算得慢”转向“等得久”

理解华为这次布局的行业意义，首先要看清Agentic时代给算力基础设施带来的真实挑战。

过去几年，大模型的发展主线是“规模扩展”，算力需求围绕训练效率展开。但当模型能力进入平台期，行业焦点开始转向智能体的规模化落地。这带来的变化是本质性的：不再是单个大模型在一个训练任务上跑多久的问题，而是海量Agent同时在线、持续交互、动态决策的实时性问题。

原文中提到的三大挑战值得高度关注：输出等待时延高、通信带宽压力大、内存资源消耗激增。这三个问题直指当前算力体系的结构性短板——现有分布式计算架构，本质上仍以单服务器为基本单位，互联方式也主要服务于数据并行或模型并行，而非Agent之间高频、离散、小块的交互模式。

换句话说，Agentic时代对算力网络的需求，已经从“计算密集型”转向“交互密集型”。算力不再是孤立的计算能力，而是分布式协作的产物。这正是华为提出“面向超节点+集群”开发方式转换的核心逻辑——开发者需要把超节点视为一台巨大的计算机来编程，而非一群服务器的集合。

从进程到“思程”，操作系统的粒子度革命

本次发布中最具理论深度的变化，发生在操作系统层面。

传统操作系统的基本执行单元是“进程”，其设计初衷是隔离与调度。但在Agent成为主流运行对象后，Agent需要在开放目标下不断探索最优解，状态管理、上下文切换、资源调度的粒度都发生了根本变化。openEuler提出的“思程”（ThinkProcess，简称ThinkPro），正是对这一挑战的回应。

值得关注的是，思程并非简单的概念包装，而是提供了原子级API能力，涵盖User Space API和Kernel Space API两个层面。这意味着Agent的状态管理、CPU与内存资源的抽象，都有了专门针对思维过程的调度原语。

从通信行业视角来看，这一创新的意义在于：它打通了云边端的算力调度链路。当操作系统层面具备对Agent思考和执行过程进行精细化管理的能力，算力网络才能真正实现从“连接”到“编排”的升级——网络不再只是传输管道，而是参与智能计算逻辑的有机组成部分。

打破指令集封闭，PTO-ISA开放背后的产业博弈

如果说思程是应用层面的创新，那么PTO-ISA虚拟指令集的开放，则是触及了计算产业最深层的话语权问题。

长期以来，芯片指令集是计算产业生态的“宪法”，谁掌握了指令集，谁就掌握了生态的入口。华为此次在昇腾950新代际上开放PTO虚拟指令集，已形成基本运算、数据搬运、通信等8大类共120多条虚拟指令，表面上是为了让算子源码跨代迁移，实质上是在构建一个开放、可编程的硬件抽象层。

PTO-ISA的巧妙之处在于其“面向Tile的指令”设计。它不是让开发者直接操作底层硬件寄存器，而是通过Tile这一计算数据的基本单位，实现指令级抽象。加上Auto与Manual两种优化模式的配合，开发者既能让编译器自动优化，也可以手工细粒度操作底层硬件——这在一定程度上兼顾了易用性与性能释放的平衡。

从产业格局看，这一动作释放了明确信号：在AI计算时代，指令集的竞争不再是封闭生态的对抗，而是开放程度与开发者体验的比拼。华为CANN社区已经成为中国活跃度最高的开源社区，而Ascend C升级到SIMD与SIMT混合编程以及RegBase编程模式，实际上是在为开发者提供一条从底层硬件到上层应用的“全栈自由”。

通信视角下的算力网络：互联协议正在成为新的制高点

回到通信行业的视角来看，本次发布中一个容易被忽视但极具战略价值的信息是：超节点的内存语义接口与消息语义接口。

内存语义接口实现跨物理节点的load/store同步访问，适用于离散、高频次的小块数据计算与通信场景；而URMA异步访问的消息语义接口则支持连续大块数据的通信。这两类接口本质上是在重新定义算力节点之间的“通信语法”。

传统的AI集群互联，主要依赖消息传递接口等通信库来协调多机协作，存在明显的时延开销。而内存语义化将远程内存访问抽象成本地Load/Store操作，让通信的编程模型从“显式收发”演进为“隐式共享”——这是一次重要的架构升级。

这种变化与大模型十万亿级参数规模的发展趋势直接相关。当模型规模增长到一定程度，单机显存与内存的瓶颈迫使模型并行必须跨越更多物理节点。超节点内通信的时延与带宽，直接决定了训练效率的上限。华为在互联协议层面的布局，本质上是在为下一代超大规模AI集群预埋通信基础设施。

这也对算力网络的建设思路提出了新命题：当算力集群的通信模式从“数据搬运”转向“内存语义化共享”，承载算力互联的网络架构也需要相应升级，低时延、高带宽、无损传输的智能无损数据中心网络将不再是可选项，而是必需项。

万卡算力池化与50亿投入，生态竞争进入“耐心资本”时代

华为此次发布的“100卡时计划”是一个值得细读的生态举措。每位开发者保障基础的算力开销，从表面看是算力普惠，但其更大的价值在于：让开发者在真实大规模集群上验证和优化其Agent应用。

对于Agentic计算的开发方式而言，小规模实验与大规模部署之间存在显著的“规模鸿沟”——通信瓶颈、内存墙、调度开销等问题，只有在万卡规模下才会充分暴露。华为为社区上线万卡算力集群，实际上是提供了一个逼真的实验场，让开发者提前进入大规模并行环境。这种“算力即服务”的开放姿态，有助于吸引更多开发者基于昇腾生态进行创新实践。

与此同时，华为宣布未来3年投入50亿联合高校、科研机构、伙伴与开发者开展联合创新。这一体量的资金投入，展现出其建设算力新生态的决心和耐心。从全球范围来看，无论是英伟达的CUDA生态，还是国内其他AI算力平台，生态竞争的焦点已经从前期的技术与工具比拼，转向了长期的生态黏性与开发者忠诚度。50亿投入折射出的是，华为已做好打一场持久战的准备。

中国算力产业的“换道超车”机会

从更宏观的产业格局来看，华为此次Agentic计算布局，也为中国算力产业提供了一条差异化的竞争路径。

过去几年，国产AI算力产业在硬件性能上持续追赶，但始终面临生态壁垒的挑战。而在Agentic时代，计算范式本身正在经历重构——操作系统、编程模型、通信协议、开发者工具都面临着重新定义的机会。

这是一个关键的“窗口期”。如果中国产业界能够在Agentic计算的新范式下率先构建起完整的工具链和开发者生态，就有可能在下一代AI基础设施的竞争中实现从跟跑到领跑的跨越。

华为的选择，是从“超节点+集群”的视角出发，将硬件、软件、通信、生态四个层面拧成一股绳。从超节点原子化开发接口，到思程ThinkPro的操作系统创新，再到PTO-ISA的指令集开放，以及万卡算力池化——每一个维度都指向同一个目标：把极致的开放与自由度交给开发者。

这或许就是Agentic时代算力基础设施建设的核心逻辑——不再追求对开发者的控制，而是通过开放底层能力，让创新自然生长。当算力网络从“资源供给”进化到“能力释放”，中国AI产业才有可能真正形成自己的生态系统，在全球AI竞争中占据一席之地。

站在这个时间节点回望，华为全联接大会2026上关于Agentic计算的讨论，可能不仅仅是技术路线的选择，更是对未来AI算力网络架构主导权的一次重要布局。