华为昇腾960提前到2027年Q1：4096卡超节点如何组织AI算力

在华为全联接大会2026上，华为宣布昇腾960DT提前至2027年第一季度就绪，昇腾960PR在第三季度就绪，并发布采用NPO光互联的昇腾960超节点。单个超节点官方公布上限为4096张卡，华为给出的规格包括8E FP8算力和1PB HBM容量。这次发布把芯片、互联、存储和软件放进了一套超节点路线中。

华为正在把下一代AI芯片的时间表往前推。

9月17日，在华为全联接大会2026上，华为宣布昇腾960DT从原计划提前三个季度，改为2027年第一季度就绪；面向计算优化的昇腾960PR则提前一个季度，于2027年第三季度就绪。华为同时公布了昇腾960超节点：单个系统最多连接4096张卡，官方给出的上限为8E FP8算力和1PB HBM容量，并采用近封装光学（NPO）互联方案。

这些数字来自华为官方发布，性能“翻倍”、8E FP8和1PB HBM也都是厂商口径。它们还不是一张可以直接与同类加速系统对照的独立Benchmark表。需要继续观察的是，华为没有把发布重点停留在单颗芯片，而是把芯片、光互联、统一总线、内存、KV Cache和软件生态放进一套超节点路线中。

华为此次公开的路线可以先按时间拆开：

华为称昇腾960研发进度超出预期，性能实现倍增，并计划保持一年一代的演进节奏。这里的“性能翻倍”需要保留口径：官方没有在这次发布中同步给出完整的基准任务、精度类型、功耗、显存带宽和对照芯片。因此，它能证明路线和产品目标被提前公布，不能单独证明在所有训练和推理任务上都达到两倍实际吞吐。

从产品命名也能看出，昇腾960不是单一SKU。DT和PR分别承担不同的带宽与计算侧重点，最终效果还要取决于显存容量、带宽、算子覆盖、互联拓扑和软件栈。对大模型集群而言，芯片规格只是输入，模型能否在真实工作负载中保持高利用率，才是系统的输出。

大模型训练和推理的瓶颈，越来越多地出现在芯片之间的通信。

华为官方给出的解释是，当前10万卡集群已经成为训练超大模型的基础设施规模，但传统的8卡服务器架构会让集群内通信占到训练时间的40%以上。华为马尔科夫实验室的仿真结果显示，在同样的10万卡规模下，用4000卡超节点组成的集群，模型浮点算力利用率（MFU）是由8卡服务器组成方案的2.75倍。

这组2.75倍是华为仿真结果，不是第三方生产集群的实测。它说明华为要解决的问题并非“单张卡能跑多少”，而是让大量芯片在一个更紧密的内存和互联体系里协同工作。传统服务器把模型拆到多个节点后，计算、参数同步、激活传输和内存访问都会经过更多网络边界；超节点则试图让多个物理节点在逻辑上表现为一台更大的计算机。

超节点的价值可以用MFU来理解。理论算力很高，如果大量时间都花在等待数据、同步参数或跨节点通信，实际用于矩阵计算的比例就会下降。统一内存寻址、更短的互联路径和更高的带宽，目标都是减少等待，让每张卡更接近理论计算能力。

华为这次把昇腾芯片放进了一个基于灵衢UnifiedBus的11颗关键芯片组合中，覆盖计算、互联、存储和管理等能力。它不再把AI服务器理解成“加速卡加主机”，而是把数据如何在芯片、内存、网络和存储之间流动，作为系统架构的一部分。

昇腾960超节点的单系统规模达到4096张卡，华为给出的上限是8E FP8算力和1PB HBM容量。这里的8E代表8艾（Exa）级FP8算力，PB级HBM则意味着大量模型权重、激活和缓存可以留在系统内部。对于长上下文推理和大规模训练，这种容量可以减少部分数据在外部存储和网络之间搬运的次数，但并不意味着所有模型都能自动把这1PB空间有效利用起来。

华为还称，超节点使用5500个Hi-ONE光互联节点，对应原方案中所需的4.8万颗800G光模块，功耗降低超过550千瓦，系统无故障运行时间提升一倍，可用度达到99.8%。这些数字仍然属于华为公布的系统指标，后续还需要看到测试边界：统计周期多长、故障如何定义、负载是什么、对照系统采用什么拓扑，以及功耗是否包含完整的制冷和供电系统。

Hi-ONE是华为基于NPO（Near-Packaged Optics，近封装光学）开发的光互联产品。华为公布的单引擎传输容量为7.2Tbit/s，并称这款产品具备内置光源和量产能力。NPO的工程方向，是把光电转换组件放得更靠近计算和交换芯片，缩短高速电信号走线，降低长距离电传输带来的功耗、信号损耗和散热压力。

在几千张卡组成的超节点里，互联设备的数量、布线距离、功耗和维护难度会快速增长。传统方案可以通过增加光模块和交换设备扩容，但设备越多，链路越长，故障点和功耗也越多。华为用5500个Hi-ONE对应原方案中的4.8万颗800G光模块，实际想表达的是：通过更紧密的光互联形态，减少系统级的转换和布线开销。

但NPO也会带来新的工程问题。光源、封装、散热、可维修性、良率和供应链都要重新验证；一旦光器件与计算系统结合得更紧，换件和故障隔离也可能比传统模块更复杂。华为称Hi-ONE已经具备量产能力，是否能在长期运行和大规模交付中保持可靠性，还要看后续部署数据。

华为的路线并没有停在4096张卡。官方介绍称，基于灵衢UnifiedBus和二层CLOS四平面组网，系统最大集群规模可以达到51.2万卡；结合多轨道拓扑，目标是支持100万卡昇腾超节点集群。英文发布材料将这套把大量处理器、内存、存储和网络连接成大系统的架构称为Peerium Computing Architecture。

大规模集群不是把4096乘以若干个简单的节点。它还需要统一的地址空间、跨节点调度、故障域隔离、网络拥塞控制、模型并行策略和存储层级设计。华为同时发布了面向Agent推理的OceanStor M900多层KV Cache方案，试图把PB级缓存直接接入推理系统。对于持续运行的代码Agent和长上下文任务，KV Cache能否跨请求复用，往往比单轮生成速度更能影响成本。

在这种架构里，芯片、网络和存储之间的边界被重新划分。训练时要关注梯度同步和参数通信，推理时要关注Prefill、Decode、KV Cache和请求调度，Agent场景还要加上工具调用、沙箱和检索。这套扩展方案说明华为试图把芯片、互联、存储和软件作为一套完整的计算系统来设计。

华为已经不只是发布芯片，也在补齐软件和生态。华为称，昇腾CANN社区月活开发者超过5200名，外部开发者占比61%；基于昇腾和CANN的原生训练模型超过40个，并覆盖PyTorch、Triton、vLLM和veRL等90多个主流第三方社区。华为还称，昇腾910C超节点已经部署超过1000套，昇腾950超节点进入规模商用。

这些数字说明昇腾正在从硬件项目走向平台生态，而成熟GPU系统的优势也集中在软件和工具链。英伟达的优势不只是一张GPU的峰值算力，还包括CUDA长期积累的算子库、编译器、调试工具、推理框架、云服务适配和开发者习惯。Reuters在报道中也指出，CUDA仍然拥有广泛的软件生态。

华为的系统级路线提供了另一种解法：在单颗芯片的制造、显存和供货条件不同的情况下，通过更大规模的互联、更强的系统集成和自有软件栈，把可用算力组织起来。但这条路线的成本也更高，最终要看单位有效Token成本、真实模型MFU、软件迁移时间和长期运维，而不是只看超节点的最大卡数。

昇腾960这次公开的信息已经足够说明路线，但还不足以完成性能结论。至少有几项数据需要后续补齐：

如果要把昇腾960与同代GPU系统放在一起比较，至少应固定模型、精度、并发、输入长度和输出长度，再分别记录每秒生成Token、训练MFU、网络通信占比、显存峰值、功耗和每个成功任务的成本。只报理论FP8算力，无法回答一个模型在生产环境里到底更快还是更便宜。

华为这次最有价值的公开信息，是把AI芯片的讨论尺度从单卡拉到了系统。昇腾960提前到2027年第一季度，4096卡超节点使用NPO互联，背后都是在回答同一个问题：当单颗芯片的指标不能单独决定系统效果时，能不能靠芯片、互联、存储和软件的共同设计，把大规模AI计算重新组织起来。

这条路线能否成立，最终要由真实模型、真实客户和真实供货来验证。现在可以确认的是，华为已经把下一轮竞争的考场从“谁的芯片峰值更高”，推进到了“能否把数千乃至数十万张芯片稳定地组织成一台可用的AI计算机”。