9月17日，上海世博展览馆。华为全联接大会2026现场。

汪涛站在台上，身后大屏幕打出一行字：“业界首个采用NPO技术的超节点——昇腾960超节点”。

台下先是安静了一秒，然后开始骚动。因为所有人都在等一个答案：华为到底用什么方式，绕开了单卡制程的物理限制。

华为的答案，藏在5500这个数字里——但数字背后的选择，更值得细品。

一、AI算力竞赛的下半场：互联瓶颈浮出水面

先交代背景。这一轮AI算力竞赛，上半场拼的是单卡性能，下半场拼的是互联。

大模型参数量从千亿向万亿、十万亿级跨越，训练集群从“单机八卡”走向“万卡、十万卡”。但集群规模越大，互联瓶颈越致命。

是德科技网络与数据中心副总裁Joachim Peerlings展示过一组数据：在计算机视觉模型训练中，GPU有超过60%的时间花在数据移动和通信上，真正用于计算的时间仅占20%左右。

你花几千万美元买来的GPU，大部分时间不是在“算”，是在“等”——等数据从隔壁的GPU传过来。

传统集群架构下，10万卡集群内通信时间超过训练时间的40%。买十张卡，有四张的算力在等数据传输。

华为马尔科夫实验室的仿真更直接：4K超节点组成的10万卡集群，相比8卡服务器组成的同规模集群，模型浮点算力利用率提升2.75倍。

中科曙光高级副总裁李斌算过一笔账：传统CPU计算节点，一台机器配一张网卡就够了。但以GPU为中心的计算节点，一台机器需要配八张甚至更多网卡。“相比原来的数据中心高速网络用量，网络功耗占比大幅提升。”

光互联技术的演进速度，正在成为决定AI基础设施竞争力的关键变量。

二、NPO不是更小的光模块，是换了一种走法

传统超节点怎么连？可插拔光模块，插在交换机面板上。电信号从NPU芯片出来，得在铜缆里跑一段长路，跑到面板边上，再转成光发出去。这段路越长，损耗越大，发热越凶，时延越高。

华为干了件什么事？把光引擎直接贴到芯片旁边。

这就是NPO——近封装光学。电信号从NPU出来，几乎还没跑远，就被转成了光。这个距离的缩短，带来的变化是数量级的。

昇腾960超节点采用华为自研Hi-ONE光引擎，单引擎7.2T传输容量，业界首个量产的NPO产品，也是唯一内置光源的NPO产品。

那为什么不干脆用CPO？CPO把光学器件和交换芯片封死在同一个基板里，集成度最高，性能最优。但问题也在这里——光引擎坏了，没法单独换，得换整机。

有个数字很说明问题：CPO封装良率的数学账，32颗光引擎乘以95%的单颗良率，整机良率约19.4%。而NPO复用成熟光模块产线，良率稳定得多。

SemiAnalysis总结了NPO相对CPO的三项关键优势：现场可更换、故障波及范围可控、制造装配更容易。

华为选了NPO。牺牲一点集成度，换来可插拔、可独立维护。杨超斌在发布会上的表态一针见血：“万卡集群一跑几个月，你愿意赌哪个？”

三、这笔功耗账，比单卡跑分重要得多

一个昇腾960超节点，用5500个Hi-ONE光引擎，替代了原本需要的4.8万颗800G光模块。

功耗降低超过550千瓦。

550千瓦什么概念？一个中型工厂的用电量，省下来了。而且省的是光互联的功耗，不是减少算力换来的。

还有一个数字更直观：一个超节点节省的铜缆总长，196公里。杨超斌说，这根铜缆的长度，从上海拉到杭州还有富余。

铜缆没了，故障点也就没了。系统无故障运行时间提升一倍，系统可用度达到99.8%。

以前万卡集群跑大模型，算力去哪了？卡间排队、协议转换、光模块发热、故障重算，一点一点啃掉的。行业追了几年PFLOPS，很少有人把光模块的电费和故障成本写进算力单价。这笔隐性成本，比再堆两千颗NPU还狠。

四、4096卡在逻辑上是一台计算机

昇腾960超节点，单节点4096卡规模，8 EFLOPS FP8算力，1PB HBM容量，RTT时延最低2微秒。

但这些数字背后，是一个更根本的变化：这4096张卡，在逻辑上是一台计算机。

靠什么？灵衢总线。它实现了内存统一编址——每张卡的内存不再是孤岛，整个超节点的内存池像一个整体一样被寻址和调用。用大白话说：CPU可以直接访问远端NPU的内存，不用经过多次协议转换，不用显式拷贝数据。就像一台电脑里，CPU访问自己的内存一样自然。

再加上正交架构和全液冷设计，机柜内零电缆、零电路损耗。

鹏城实验室主任高文在2026世界人工智能大会上指出，超节点的核心架构特征就是“跨物理节点的统一内存编址”。2026年8月，鹏城实验室联合清华大学、华为等单位发布《超节点定义与实践白皮书》，为行业提供了清晰的定义框架。

传统集群架构在应对AI大模型“紧耦合、同步并行”的计算特征时，面临通信瓶颈与效率衰减。超节点把这40%的等待，变成了有效算力。

而且这不是PPT。上一代产品已经跑在前面了：昇腾910C超节点部署超过1000套，服务370多家客户。昇腾950超节点规模商用。从路线图到交付现场，只用了一年。

五、产品节奏：一年一代，不是口号

华为这次把时间表摊开了。

昇腾960DT，2 PFLOPS FP8、4 PFLOPS FP4，288GB HBM，9.6TB/s访存带宽，2027年第一季度就绪——比原计划提前三个季度。昇腾960PR，2027年第三季度就绪，提前一个季度。

再往后，昇腾970在2028年，昇腾980在2029年。一年一代，不停。

产品落地节奏：Atlas 960液冷超节点计划2027年第三季度上市，Atlas 860风冷超节点2027年第二季度上市，适配常规机房部署。

芯片行业最怕的不是制程落后，是迭代节奏跟不上。一年一代，每一代都要在算力、访存带宽、互联带宽上继续翻倍。依托的是韬定律——不赌单点制程突破，赌架构持续迭代。

六、生态与标准：比硬件更难还的账

硬件只是故事的一半。

CANN生态的进展，是这次大会另一个值得单独说的事。CANN外部开发者首次超过内部，占比61%。社区月活开发者突破5270名。基于昇腾+CANN的原生训练模型已超过40个，是国内唯一支持预训练的技术路线。昇腾已正式成为PyTorch官网可直接安装的算力平台，首个来自中国的算力平台。

以前是国产卡追着模型求适配，现在是模型把国产平台当一等公民。攻防换位了。

更关键的是标准话语权。华为在全球光互联标准组织OIF提出了NPO标准立项建议，得到众多行业伙伴积极响应。同时牵头国内首个NPO光互连MSA落地，统一接口标准，解决不同厂商光引擎和交换机的兼容痛点。

这意味着中国企业首次在光互联核心标准上拥有了定义权。以前是各家插头互不兼容，现在华为先把接口规矩定下来。谁定标准，谁掌握下一轮的话语权。

七、一个老机房人问的问题

最后说一个我在评论区看到的问题。

有人问：大屏喊4096卡、8EFLOPS，我干了十几年机房交付，第一反应不是算力，是光模块坏了谁换，市电够不够。

这个问题问到了根子上。华为把图纸摊出来了，电和审批不归它管。

国产算力下半场，单卡代差可能不是最要命的。总线、光互联、故障域、市电扩容、运维手册，才是真正决定万卡集群能不能跑起来的硬约束。

一位智算中心运维负责人跟我说过一句实话：“以前每周要换光模块，现在故障率降了一个量级。但电扩容的批文，比芯片到货还慢。”

至少这次，华为把最难的那道题——光互联和系统架构——给出了一个能落地的答案。

你觉得国产算力下一步最大的瓶颈，是芯片产能，还是机房配套？

A. 芯片产能，订单排到三年后，交付跟不上
B. 机房配套，电力和散热是硬约束
C. 生态，开发者迁移速度决定天花板
D. 我是做机房或算力交付的，评论区说说真实体感

我押B。芯片有路线图，有数据，有客户在等。但百兆瓦级数据中心接入电网，供电和散热不是发几款产品就能解决的。电扩容批文，可能比芯片到货还慢。

投完票欢迎在评论区说说你的理由，我会挑20条真实体感在下期展开讲。

#昇腾960 #NPO #超节点 #国产算力 #华为全联接大会 #AI基础设施 #数据中心