华为的百万卡逻辑：从堆算力到组织算力

　二〇二六年九月十七日，上海，华为全联接大会。轮值董事长汪涛发布昇腾960超节点：四千零九十六卡规模，八 EFLOPS FP8算力，一PB HBM容量，并首次在超节点中采用NPO光互联技术。这看上去是一台更强的AI服务器，但低估了这场发布的意义——昇腾960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。

　　过去几年，AI产业遵循一个极简单的线性逻辑：模型扩大需要更多算力，算力不足就堆更多卡。但大模型正把这条路推向物理极限。模型参数快速迈向十万亿级，到二〇三〇年可能达百万亿以上；中国每天推理Token需求已增长到五百万亿级，未来将迈向百万万亿级。于是产业开始疯狂堆算力：千卡、万卡、十万卡、甚至百万卡。但新的矛盾随之出现：规模越大，有效利用算力反而越难。传统AI集群本质是独立服务器通过网络协作，当规模扩大到十万卡，通信、同步、数据搬运成为致命瓶颈——传统十万卡集群中，卡间通信可能占训练时间四成以上。

　　汪涛给出的数字更直观："现在MFU（模型浮点算力利用率），一个十万卡集群业界往往连三成都不到。"这意味着，AI产业正在撞上一堵新墙：拥有更多卡，并不等于获得更多有效算力。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——就像给所有仓库编上同一套货架号，机器仍分散，资源却开始像一个整体。

　　这个方向不是华为一家之言。WAIC 2026期间，鹏城实验室和全球计算联盟联合三十八家单位发布白皮书，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是这套思路的最新落地，价值不只四千张卡，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。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。

　　最典型的是光。随着高速互联升级，铜互联逐渐逼近极限，速率到二百二十四G以上，数千根铜缆捆在一起，信号质量和工程安装都成灾难。为此华为把三十年的光通信积累带进计算：昇腾960采用Hi-ONE NPO光引擎，把电转光的位置进一步靠近卡，单个传输容量达七点二T；整个超节点用约五千五百个Hi-ONE，替代传统方案约四点八万颗800G光模块，功耗降低超五百五十千瓦，系统可用度达九九点八。这解决的只是互联，Agent又提出新问题：推理要NPU、复杂任务要CPU、长上下文要庞大KV Cache，于是鲲鹏和存储也被拉进同一体系。

　　结果已经可以部分量化。华为马尔科夫实验室仿真显示，同样十万卡规模，采用四K超节点组成集群，相比传统八卡服务器集群，MFU可提升两点七五倍。截至目前，昇腾超节点已规模商用超一千套。这才是真正释放出的信号：单卡依然重要，它决定算力起点；但进入十万卡、百万卡时代，最终能释放多少有效算力，越来越取决于整个系统。AI基础设施正从比拼单点性能走向系统工程，从制造算力走向组织算力。

　　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？答案藏在"硅基黑土地"的定位里。汪涛表示："所有的核心是为了提供算力，而不是应用"，更形象地说是"华为磨好我们的豆腐，做好算力底座"。基础设施真正的价值，不只在于自身能力多强，更在于有多少伙伴愿意在上面创造价值——这也解释了华为看似矛盾的两面：一边坚持硬件变现，一边坚持开源开放。

　　开源开放背后是真金白银的八年。经八年建设，CANN外部开发者占比已达六成一，社区月活突破五千二百名；基于昇腾的原生训练模型已超四十个，昇腾进入PyTorch、Triton、vLLM等九十余个主流第三方社区。鲲鹏全球开发者超四百一十六万，合作伙伴七千二百家，openEuler装机量两千万套，拿下中国服务器操作系统第一份额。其中PyTorch的变化虽不醒目却关键：过去开发者需从PyTorch社区跳转到华为社区，现在昇腾已成为PyTorch官方支持的技术路线。

　　汪涛判断："经过八年的努力，昇腾生态跨过了拐点。"检验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。越是宏大的技术革命，越不可能由一家公司包办。