华为昇腾960用光替代4万光模块，国产科技未来可期，势不可挡

当AI集群越铺越大，电与热已经压过芯片本身，成了扩规模时最先撞墙的两道坎。传统电连接每翻一倍带宽，功耗和故障率就跟着往上走。

二〇二六年九月十七日，华为全联接大会在上海给出新答案。昇腾960超节点把数千个光引擎直接贴到芯片旁，替掉了原本动辄数万个可插拔光模块。

外界还在用制程代差打量国产算力，这条思路已经跟不上。先进工艺受限，华为索性把比拼的尺度从单芯片拉到了整套系统。

昇腾960从发布到量产的完整路线

九月十七日那场HC大会，华为副董事长汪涛站上主舞台，把昇腾960超节点推到台前。这是全球首个采用NPO近封装光学的超节点，底座由灵衢加Hi-ONE共同打造。

按华为披露的节奏，960DT预计二〇二七年一季度就绪，960PR同年三季度推出，继续维持一年一代的更新频率。路线图上还排着二〇二九年登场的昇腾980芯片。

数字上最直观的一组对比：5500个Hi-ONE光引擎，替掉了原本需要的4.8万颗800G可插拔光模块。整套系统功耗因此下降超过550千瓦，无故障运行时间直接翻倍，可用度做到99.8%。

这组数字不是实验室里的单点指标，而是把整座超节点当成一个整体来算账。

算力规格给到8 EFLOPS FP8和16 EFLOPS FP4，采用正交架构加全液冷设计，最大可扩展到4096卡规模，瞄准十万亿参数级大模型的训练与推理。

全液冷把芯片级热量直接导走，正交架构则让节点之间的连线不打架，这两件事都是为了把4096卡真正拧成一股绳。

Hi-ONE单引擎传输容量达7.2T，自带光源。它和灵衢UnifiedBus配合，构成整套超节点的互联底座。围绕灵衢，华为已经攒出11颗关键芯片，把计算、互联、管理等核心能力逐一覆盖。

这套底座不只是给昇腾960一家用，而是后续超节点迭代的共同骨架。

华为马尔科夫实验室做过一组仿真。同样是十万卡规模，由4K超节点组成的集群，对比由8卡服务器堆出来的集群，模型浮点算力利用率MFU提升了2.75倍。

会场拥挤程度甚至超过七月那场世界人工智能大会，各国各地区参会者挤满上海。汪涛在台上把话说得很直白：“华为AI战略的核心就是算力，坚持硬件变现。”

这句话背后的逻辑是，模型迭代再快，最终都要落在可交付、可量产的硬件上，软件生态只是放大器，不是主角。

NPO近封装光学压下功耗的原理

传统方案里，卡与卡之间过数据走的是电信号，每隔一段路就得装一只光模块，把电转成光。这些光模块集中摆在交换机面板上，离芯片足有几米远。

铜缆有它的物理天花板。速度一旦冲到224G以上，信号就开始明显衰减。4096张卡互联，对应4.8万颗800G光模块，功耗大、占地多，是大规模计算最头疼的一块。

做大规模集群时，拖后腿的常常不是单卡算力不足，而是数据没送到要等，其他节点没同步完也要等。单卡算力堆上去，多卡任务并不会按比例跟着涨。

华为把三十年光通信行业的积累，挪到了超节点系统内部。Hi-ONE被贴到主芯片封装侧，电信号刚出芯片就转成光，相当于给整套算力换了一条低能耗的神经系统。

超节点不等于把集群简单做大。它靠高效互联把多个物理节点紧拴在一起，支持跨节点统一内存编址，在逻辑上呈现出一台计算机的特征——硬件还是那些硬件，软件看资源的方式却变了。

对上层框架而言，这台逻辑上的单机能像传统服务器一样被调度，不用为跨节点通信额外写大量胶水代码。

传统服务器架构下，集群内部通信可以吃掉训练时间的40%以上。这个比例没法套到每一个训练任务上，但通信开销确实是扩集群时绕不开的硬成本。卡数翻一倍，有效算力并不跟着翻，多余的时间耗在等数据、等同步上。

NPO近封装光学的关键动作，是将光引擎前置到主芯片封装边上。高速电信号走得越短，损耗和功耗越好收拾。传统面板式光模块离芯片几米，中间靠铜缆和过板走线硬扛；NPO把这段距离压到毫米级，从根上减少电信号在板上的损耗。

华为走的是NPO路线，光引擎贴在封装旁；英伟达走的是CPO共封装路线，把光引擎塞进封装体内部。Hi-ONE的设计说明里专门提到，要在光、机、电、磁、热几个要素之间做均衡。

两条路线没有绝对高下，差别在于谁愿意在工程难度和可维护性之间先跨出哪一步。

这套路线并非华为独自在走。壁仞科技在做NPO光互连超节点，支持1024卡扩展；曦智科技的OCS光交换芯片已进入商用阶段，与壁仞、中兴联手，只用半年多就把概念验证推进到光跃128卡商用版。

国产算力换道光互联的产业含义

外界还在拿制程代差衡量国产算力，这个视角已经过时。单卡追不上，就用系统来补；制程有瓶颈，就用光互联绕开。这场发布会真正炸开的信号，是国产算力迈过了光互联系统工程的拐点。

大模型训练叠加具身智能这轮浪潮，本质上一直被算力电耗卡着脖子。NPO将光引擎前置到芯片近旁，用光替电扛数据传输。国产算力链因此不只在追单芯片性能，也在补系统级工程这块短板。

系统级工程恰恰是AI落到工厂、医院、车间的现实门槛。光有跑得快的芯片，把整套算力工厂的能耗与稳定性压不下来，业务就跑不起来。

从产业协同看，壁仞、曦智、中兴几家国内厂商已经在NPO和光交换上各自卡位。昇腾960超节点一旦量产，会顺着这条链带动国产光模块、光引擎、高速互联整段成熟。规模上去之后，上游器件的成本曲线会被一起拉下来，下游客户才用得起。

落到一般企业与算力采购方视角，短期最直接的感受是：筹建新算力集群时，手里可选的牌变多了。国产芯片加国产光互联整套组合，在成本与供应链自主性上更有底，不再把单一海外方案当成唯一选项。

要清醒的是，NPO做成产品是另一回事。光引擎贴近主芯片，板级布局和热设计都会更紧张，性能要往上走，可靠性也不能掉。量产爬坡、良率提升、散热验证，都还需要时间。

550千瓦的功耗下降听着漂亮，但落到工程现场，意味着冷却管路、供电模块、机柜布局都要跟着重做。从发布会上的样机到客户机房里的量产机，中间还隔着良率、可靠性验证和运维体系打磨好几道关卡，不是一份发布会PPT就能走完的距离。

算力的下一程，不再只比谁的单芯片更强，而是比谁能把整套算力工厂的电耗与稳定性做扎实。华为用一束光铺出的这条路，等于让国产算力绕进系统工程这一全新方向，抢到了一次换道机会。#上头条 聊热点#