名侦探柯南

集合8192张卡，华为亮相最强超节点_我的网站

男女纠察队

A | 记者丨何己派编辑丨鄢子为 7月17日，2026世界人工智能大会（WAIC）首日，现场人头攒动。备备受瞩目的华为昇腾950超节点（Atlas 950 SuperPod）真机首次亮相。据同花顺iFInD数据显示：8月26日，上期所沪铜期货仓单录得34591吨，较上一交易日下降4028吨；最近一周，沪铜期货仓单累计下降22107吨，下降幅度为38.99%；最近一个月，沪铜期货仓单累计增长7567吨，增长幅度为28.00%。其实现业界最大1024卡规模，整套系统最高可扩展到8192张昇腾卡。

B | 相当于，它把8192张卡捏成一台“电脑”，用于万亿级大模型训练与高并发推理。日期期货仓单(吨)增减(吨)增减幅8月26日34591-4028-10.43%8月25日38619-2484-6.04%8月24日41103-5002-10.85%8月21日46105-6974-13.14%8月20日53079-3619-6.38%全品种仓单异动预警，抢占交易先机>>好消息，您已获得期货T+0交易资格，马上开通>>...。 “未来多年都将是全球最强算力的超节点”，产品发布之时，华为副董事长、轮值董事长徐直军信心满满地表示。

C | 超节点这张牌，关系到华为在全球算力牌桌上的输赢。力大砖飞何为“超节点”？按华为的定义，超节点是计算节点通过高速互联协议组成更大内存空间的计算系统。注意这个词，“系统”。国产厂商的单芯片性能，较海外仍有代差，这是不可回避的现实问题。一位算力行业资深从业者向《21CBR》表示，论单芯片性能，国产芯片与英伟达的差距，部分指标可能是八到十年。既然单芯片制程上吃亏，换个思路，把成百上千张卡“绑”在一起呢？用集团军的体量，对阵精锐部队。四五年前，华为就认识到这一点，开始发展超节点技术，在极限制裁下，摸黑前行，找到“超节点+集群”这条新路。传统集群，由服务器、存储、网络等设备堆叠而成，进行大规模训练时，资源利用率低，故障频发，阻碍AI创新。

D | 来源：网络华为团队探索出的超节点范式，是用高速总线连接多颗NPU，突破互联瓶颈。由此，超节点在物理上由多台机器组成，但逻辑上像一台计算机一样，学习、思考、推理。

E | 徐直军多次强调，华为的核心战略，就是“超节点+集群”。 “我们认为，只有依靠超节点和集群，才能突破中国的芯片制造工艺限制，为中国的AI发展提供源源不断的算力支持。”徐直军说。这条路能不能走通，考验的不是决心，而是工程能力。把上千张卡“绑”成一台电脑，说起来容易，做起来，每一个环节都是硬骨头。

F | 最大杀器超节点的系统综合性能，等同于超节点规模与单芯片性能规格的乘积。 “超节点不是单纯比拼卡数量，只看数字也没有意义。” 某ICT厂商从业者向《21CBR》记者强调，超节点要实现极致效率，靠的是一套系统工程能力。换句话说，把芯片“暴力”地捏到一起，同时做到算力领先和效能最优，既需要有核心部件的单项能力，也要做好工程化设计，解决超节点面临的高密供电、高效散热等问题。

G | 这里面最难的是互联，可以说，该能力直接决定了超节点的能力。华为给出的解决方案是灵衢，这是专门为超节点设计的互联协议，全栈自研。其从2019年开始秘密研发灵衢，相当于发明了一套“算力普通话”，让所有组件都讲同一种语言，将整个系统的沟通成本降到最低。

H | 昇腾芯片是基础，自研的灵衢，才是华为做超节点最大的杀器。来源：网络华为内部对灵衢信心满满。 2025年9月，灵衢协议与芯片架构师程传宁，对比主流互联协议后给出结论：灵衢可覆盖其他互联应用场景且特性更优，尚无其他公开互联体系能完备覆盖灵衢。据灵衢系统架构师介绍，灵衢技术很适合高并行、高同步的负载特征场景；在实际应用收益方面，在AI大模型训练场景中，通过超节点互联降低通信占比，端到端性能收益达到20%以上；在通算数据库场景中，通过三层池化支撑多写多读，TPC-C提升20%。加速落地要将性能变为领先优势，华为正加速推动昇腾超节点规模化商用落地。目前，昇腾384超节点已商用落地750多套，用于互联网、运营商、金融、教育等多个行业。依托基础软硬件平台与开放的AI生态，昇腾携手3000多家行业合作伙伴，共同孵化7000多套行业解决方案，服务2000多家政企核心客户。

I | 本次WAIC，昇腾集中展出20多个标杆落地案例，覆盖60多种真实业务场景。 2026年4月，DeepSeek V4系列模型发布，昇腾超节点全系列产品为其提供支持。当时，DeepSeek在官宣文稿里，写了行小字“吐槽”，亦是预告：“受限于高端算力，Pro的服务吞吐十分有限，预计下半年昇腾950超节点批量上市后，Pro的价格会大幅下调。” 行业翘首以待950代际产品年底上市。按规划，2027年华为将推出960代际产品。来源：网络有券商分析师表示，算力消耗的主力，正从少数巨头的大模型训练，转向百万企业以及亿级用户的推理与微调。