华为的百万卡逻辑：从堆算力到组织算力

AI越往上生长，越需要更厚的黑土地。

文 | 华商韬略 张静波

2026年9月17日，上海，华为全联接大会2026。

华为副董事长、轮值董事长汪涛发布昇腾960超节点：4096卡规模，8 EFLOPS FP8算力，1PB HBM容量，并首次在超节点中采用NPO光互联技术。

这是一个面向AI时代的新型计算系统。

但如果只是把它理解为一台更强的AI服务器，可能低估了这场发布的意义。

因为昇腾960超节点真正关注的，不是如何制造一张更强的卡，而是一个正在困扰整个AI产业的难题：

模型越来越大、卡越堆越多，有效算力却没有跟上。

【01 当堆卡不再等于堆算力】

过去几年，AI产业遵循一个极其简单的线性逻辑：模型规模扩大，需要更多算力；算力不足，就堆更多卡。

但大模型正在把这条路推向物理极限。

模型参数正快速迈向10万亿级，到2030年可能达到100万亿以上；中国每天推理Token需求已增长到500万亿级，未来将迈向百万万亿级；智能体（Agent）也将从今天连续工作几个小时，走向以月为单位执行复杂任务。

AI吞噬算力的速度，超过了历史上任何一次技术革命。

于是，产业开始疯狂堆算力：千卡、万卡、十万卡，甚至百万卡。但一个新的矛盾随之出现：算力规模越大，有效利用算力反而越难。

原因不在卡本身，而在卡之间。

传统AI集群，本质上是一群独立服务器通过网络协作。每台机器拥有独立的计算、内存和存储，机器间需要频繁交换数据。

当规模扩大到十万卡级别，通信、同步、数据搬运开始成为致命瓶颈。数据显示，传统10万卡集群中，卡间通信可能占训练时间40%以上。

汪涛给出的数字更直观：“现在MFU（模型浮点算力利用率），一个10万卡的集群业界往往连30%都不到。”

这意味着，AI产业正在撞上一堵新的墙。过去，大家担心没有足够多的算卡。现在的问题是：

拥有更多卡，并不等于获得更多有效算力。

【02 百万卡时代，如何组织算力】

一台计算机，到底可以有多大？

过去几十年，这个边界一直很清楚。一台服务器就是一台计算机；多台服务器连起来，叫集群。

但当算力走向十万卡、百万卡，传统架构开始撞上高墙：机器越多，通信、同步和数据搬运的成本越高。

问题从如何获得更多算力，变成了如何组织更多算力。

过去，是让一群计算机通过网络协作；现在，是让它们在逻辑上更像一台更大的计算机。

这就像仓库调货，统一内存寻址，就是给所有仓库编上同一套货架号，机器仍然分散，资源却开始像一个整体。

这个方向也不是华为的一家之言。

WAIC 2026期间，鹏城实验室和全球计算联盟联合38家单位发布《超节点定义与实践白皮书》，给超节点立了标准：

具备跨物理节点的统一内存编址能力。

昇腾960超节点，是这套思路的最新落地。它的价值不只4096张卡，而在于华为把过去分散在计算、光通信、网络、存储和软件里的能力，拉进了同一个AI计算体系。

这件事，最难的是咬合问题。

算力单元快了，互联可能成为瓶颈；互联解决了，内存和存储又可能成为瓶颈；机器继续扩大，功耗、散热、可靠性和软件调度接着冒出来。

AI正在把过去分属于不同产业的技术边界一层层打穿。

最典型的是光。

随着高速互联继续升级，铜互联逐渐逼近极限，速率到224G以上，数千根铜缆捆在一起，信号质量和工程安装都成了灾难。

为此，华为把30年的光通信积累带进计算。

昇腾960采用Hi-ONE NPO光引擎，把电信号转成光信号的位置进一步靠近卡。

一个Hi-ONE的传输容量达到7.2T；整个昇腾960超节点用约5500个Hi-ONE，替代传统方案约4.8万颗800G光模块，功耗降低超过550千瓦，系统可用度达到99.8%。

但光解决的只是互联。

Agent又提出了新的问题。AI推理需要NPU，复杂任务执行需要CPU，长上下文又需要越来越庞大的KV Cache。

于是，鲲鹏和存储也被拉进同一个体系。

基于灵衢全光组网，鲲鹏超节点最大支持4096节点，形成256TB统一内存池；OceanStor M900承担PB级KV缓存。再往上，多个昇腾、鲲鹏和存储节点通过灵衢连接，相关集群架构最大支持向百万卡规模扩展。

这时候再看昇腾960超节点，逻辑已经完全不同了。

它不再只是多放一些卡，真正的考验在于，能不能把计算、光、通信、IP、内存、存储、网络和软件，变成一套彼此协同的系统。

这背后，需要复杂的多学科的系统工程的能力。

而华为过去几十年，用范弗里特弹药量，围着一个城墙口砸出来的，正是把分散的能力聚成系统。

汪涛将它概括为一句话：“把这些能力全聚成系统工程能力。”

结果已经可以部分量化。

华为马尔科夫实验室仿真显示，同样是10万卡规模，采用4K超节点组成集群，相比传统8卡服务器集群，MFU可以提升2.75倍。

截至目前，昇腾超节点已经规模商用超过1000套。

这才是昇腾960超节点真正释放出的信号：

单卡依然重要，它决定算力的起点。但进入十万卡、百万卡时代之后，最终能释放多少有效算力，越来越取决于整个系统。

AI基础设施正在从比拼单点性能走向系统工程，从制造算力走向组织算力。

这，才是华为押注百万卡时代的技术逻辑。

【03 向下，深耕硅基黑土地】

解决算力问题，只是第一步。

更值得追问的是：当AI巨头纷纷向大模型、Agent和应用入口靠近，为什么华为反而选择留在更底层的算力基础设施？

答案，就藏在硅基黑土地的定位里。

今天的AI产业，有一种明显的向上冲动：算力厂商想碰模型，模型公司开始做Agent，Agent又争夺应用和用户入口。越接近用户，商业故事越性感。

华为却给自己画了一条边界。汪涛表示：“所有的核心是为了提供算力，而不是应用。”

他还有一句更形象的话：“华为磨好我们的豆腐，做好算力底座。”

而基础设施真正的价值，从来不只是自身能力有多强，更在于有多少伙伴愿意在上面创造价值。

这也解释了华为AI战略看似矛盾的两面：一边坚持硬件变现，一边坚持开源开放。前者划定华为的商业边界，后者扩大这片土地的生态边界。

开源开放四个字背后，是真金白银的八年。

经过八年建设，目前CANN外部开发者占比已达61%，社区月活开发者突破5200名；基于昇腾+CANN的原生训练模型已超过40个，昇腾已进入PyTorch、Triton、vLLM、veRL等90多个主流第三方社区。

另一边，鲲鹏全球开发者超过416万，合作伙伴7200家。openEuler装机量2000万套，拿下中国服务器操作系统第一份额。

其中一个很小，却很关键的变化发生在PyTorch。

过去，开发者获取昇腾相关技术栈，需要从PyTorch社区再跳转到华为社区。现在，昇腾已成为PyTorch官方支持的技术路线。

这件事没有4096卡那么醒目，却可能更加接近生态竞争的本质。

因为基础设施做到最后，拼的不只是机器能不能跑，还要看开发者愿不愿意来，模型迁移麻不麻烦，软件工具顺不顺手。

汪涛因此判断：“经过八年的努力，昇腾生态跨过了拐点。”

而检验一片黑土地最直接的方式，是看上面长出了什么。

中国商飞用昇腾和昇思MindSpore做民机设计，中国气象局用鲲鹏支撑数值天气预报，德赛西威则把昇腾超节点用于具身智能。

从飞机设计、天气预报到工业机器人，应用越往上生长，华为的角色反而越清晰：硬件解决能不能算，生态解决谁愿意来算。

这或许才是硅基黑土地真正的商业逻辑：华为不包办上层的智能，它要做智能生长的基础设施本身。

【04 尾声】

回头看，昇腾960只是华为AI战略落下的一颗棋子。

“超节点+集群”，解决如何组织算力；系统工程能力，回答华为凭什么组织算力；开源开放，则决定这套基础设施能否成为产业共同使用的底座。

汪涛说：“每家企业坚持自己擅长的赛道，客串是没有长期竞争力的。”

这句话，也解释了华为在AI浪潮中的选择。

当整个AI产业都在向上争夺更大的模型、更强的Agent和更近的应用入口，华为选择继续往下扎。

磨好自己的豆腐，把算力底座做厚，让伙伴放心去用，为世界构建新的选择。

越是宏大的技术革命，越不可能由一家公司包办。

正如汪涛在大会主题演讲中表示：

“人工智能也许是人类社会最后一次技术革命，它带来的变革之深、之广、之快，远超想象，没有任何一家公司能独自支撑整个智能世界。”

AI越往上生长，越需要更厚的土地。这，才是硅基黑土地真正的战略含义。

欢迎关注【华商韬略】，识风云人物，读韬略传奇。

版权所有，禁止私自转载

部分图片来源于网络

如涉及侵权，请联系删除