撰文 | 李信馬
題圖 | IC Photo

AI 像火焰，正在吞噬世界，而算力構(gòu)成了“柴薪”。在國與國之間的人工智能競爭日益激烈的當下，算力成為國力的重要體現(xiàn)。

圍繞著這個話題，不久前，華為在北京組織了2026新春媒體沙龍。目前，計算產(chǎn)業(yè)已經(jīng)成為華為公司最重要的業(yè)務(wù)主航道之一，華為計算產(chǎn)品線營銷運作部部長張愛軍表示，希望未來為中國構(gòu)建一個堅實的算力底座，“為世界提供一個新的選擇”。

“超節(jié)點”成為他演講的關(guān)鍵詞。

01.什么是超節(jié)點？

超節(jié)點在行業(yè)內(nèi)還是一個新生事物，行業(yè)內(nèi)對超節(jié)點還未形成標準定義，張愛軍表示，華為希望在行業(yè)界形成共識，定義什么樣的設(shè)備是超節(jié)點。

目前業(yè)界有些看法，認為超節(jié)點類似“大型機”，或者連接的計算卡足夠多，就是超節(jié)點了。張愛軍認為這些看法是對超節(jié)點的誤解，從華為的角度來說，“超節(jié)點”是計算節(jié)點通過高速互聯(lián)協(xié)議組成更大內(nèi)存空間的計算系統(tǒng)，能夠提供大帶寬、低時延的互聯(lián)能力。

傳統(tǒng)計算架構(gòu)中，卡間互聯(lián)依賴PCIe或以太網(wǎng)，跨服務(wù)器互聯(lián)帶寬多為200-400Gb/s且時延達數(shù)十微秒，在千億參數(shù)模型訓(xùn)練的并行計算場景中，頻繁的GB級數(shù)據(jù)通信阻塞，導(dǎo)致計算等待通信，成為性能瓶頸。

比如下圖中，CPU-AI處理器之間通過PCIe互聯(lián)，AI處理器之間通過RoCE互聯(lián)，單跳通信時延只能做到微秒級，RTT通信時延會更高，高達幾十微秒；假如要從32卡升級到64卡規(guī)模，需要增加二層交換，組網(wǎng)復(fù)雜；而且不支持內(nèi)存統(tǒng)一編址，無法做到全局的內(nèi)存池化以及AI處理器之間的內(nèi)存語義訪問，所有訪存都需要通過消息語義通信，優(yōu)化存在瓶頸。

而超節(jié)點借助高效的互聯(lián)協(xié)議打破傳統(tǒng)架構(gòu)限制，能做到大帶寬、低時延、內(nèi)存統(tǒng)一編址，支持更大規(guī)模AI處理器的高效協(xié)同，實現(xiàn)更大范圍、更高流量的數(shù)據(jù)傳輸，從而突破系統(tǒng)性能瓶頸。

張愛軍做了個比喻：“有足夠大的帶寬，就像中國的經(jīng)濟為什么能夠騰飛，基礎(chǔ)設(shè)施包括高速公路、高速鐵路功不可沒，一個好的超節(jié)點一定要有足夠大的帶寬；高速公路路修得寬，還不能堵車，要有足夠低的時延，長安街也很寬，但是經(jīng)不起天天堵，時延不足夠好很難構(gòu)建起來效率；能不能形成有效的邏輯上的單一系統(tǒng)，關(guān)鍵是內(nèi)存能不能真正統(tǒng)一編址，有統(tǒng)一內(nèi)存編址的技術(shù)才能真正稱得上超節(jié)點?！?/p>

以昇騰384超節(jié)點為例，相較于傳統(tǒng)服務(wù)器架構(gòu)，通信帶寬提升15倍、RTT通信時延從7微秒做到3微秒，降低了50%以上。

現(xiàn)實情況中，還需要具備散熱技術(shù)、模塊化架構(gòu)、冗余能力、連接技術(shù)、供電能力等工程能力，以及大規(guī)模、高可靠、靈活切分等系統(tǒng)能力，才是真正可商用的超節(jié)點。

02.為什么需要超節(jié)點？

超節(jié)點的出現(xiàn)，是AI發(fā)展的必然產(chǎn)物。

張愛軍在演講中提出了三個趨勢觀察：

首先，模型的規(guī)模正變得越來越大。人工智能的核心在于壓縮與泛化，壓縮是通過計算將物理世界的多元信息映射為函數(shù)表達，這一過程需消耗大量算力，隨著大模型從單模態(tài)轉(zhuǎn)向多模態(tài)，其對算力的需求會進一步上升。

其次，輸入長度顯著增加，模型上下文長度，將從K級邁入兆級。進入多模態(tài)時代，輸入從文字到加入視頻和圖片，導(dǎo)致序列長度大幅提升，在計算過程中更長的輸入意味著更長的矩陣維度，進而推高計算量。

第三，在數(shù)據(jù)層面，泛化能力決定了智能上限，而提升泛化離不開更多數(shù)據(jù)，利用人工智能生成合成數(shù)據(jù)以持續(xù)擴展訓(xùn)練資源已成為趨勢，訓(xùn)練數(shù)據(jù)規(guī)模也從10TB級升級為100TB 級。

“所有的一切都決定了未來對算力的需求會指數(shù)性增長，，今天算力的需求遠遠未被滿足，無論是在行業(yè)里進入到生產(chǎn)系統(tǒng)的過程當中，還是在ToC的消費端，我們看到token消耗的數(shù)量不是倍增，而是指數(shù)級增長。去年國家數(shù)據(jù)局發(fā)布的數(shù)據(jù)，2024年初，我國每天消耗的AI相關(guān)“Token”（可理解為AI處理的基礎(chǔ)數(shù)據(jù)單元）只有1千億；可到了2025年6月底，這個數(shù)字已經(jīng)突破30萬億，短短1年半時間就漲了300多倍?！睆垚圮娬f道。

但當我們將視線移向算力的供給端，隨著半導(dǎo)體制造技術(shù)接近觸及物理極限，摩爾定律正在失效，導(dǎo)致單一芯片的提升難以滿足人類對算力的需求。這種情況下，多芯片互聯(lián)的大規(guī)模計算節(jié)點就成為解決問題的關(guān)鍵。

這就回到了上文中提到的問題，傳統(tǒng)集群通過“服務(wù)器堆疊和以太網(wǎng)聯(lián)接”的模式提升算力規(guī)模，服務(wù)器之間帶寬不足、時延大，集群規(guī)模越大，算力利用率反而越低。Meta公布的Llama 3.1論文顯示，在1.6萬卡H100集群上訓(xùn)練時，算力利用率低。同時，集群規(guī)模擴張還帶來了可靠性問題，在54天的訓(xùn)練過程中，整個集群累計中斷419次，平均每天中斷8次，也就是說每3小時就會出現(xiàn)一次故障。

此外，在推理端，對低時延的要求日益嚴苛。比如金融風(fēng)控場景時延要求小于20毫秒，反欺詐的時延更是要在10毫秒以下。而Agentic AI需要更多任務(wù)協(xié)同和多輪次推理迭代，傳統(tǒng)的計算架構(gòu)也難以滿足低時延要求。

因此，超節(jié)點應(yīng)運而生，通過新的互聯(lián)協(xié)議及架構(gòu)突破服務(wù)器擴展的硬件限制，來增強算力的供給。經(jīng)華為驗證，在DeepSeek、Qwen等多模態(tài)、MoE模型上，超節(jié)點相較于傳統(tǒng)集群可以達到3倍以上訓(xùn)練性能的提升，同時在強化學(xué)習(xí)場景下，可以將訓(xùn)推權(quán)重的傳輸從小時級降到60s。

03.華為的算力攻堅

2019年，華為進入計算產(chǎn)業(yè)，當時提出了“硬件開放、軟件開源、使能伙伴、發(fā)展人才”的十六字方針。時隔六年，鯤鵬的注冊開發(fā)者數(shù)達到了約380萬，昇騰約有400萬，同時，華為還和約9800家ISV伙伴打造了超過2萬個解決方案，這些解決方案廣泛應(yīng)用在金融、運營商、能源、制造等領(lǐng)域。

但比起數(shù)量的增長，真正的攻堅源于底層技術(shù)的突破，以及新技術(shù)的成功商業(yè)化，超節(jié)點就是這樣的一個案例。

采訪中，張愛軍提到了一個細節(jié)，光模塊是比較“嬌嫩”的系統(tǒng)，灰塵、溫度變化都會導(dǎo)致系統(tǒng)的閃斷和不穩(wěn)定，而華為昇騰384的超節(jié)點光模塊有將近幾千顆，通過模塊化的設(shè)計和冗余技術(shù)等，實現(xiàn)了規(guī)?；纳逃谩?/p>

據(jù)了解，自去年正式上市以來，昇騰超節(jié)點已經(jīng)規(guī)模部署了數(shù)百套，廣泛應(yīng)用在互聯(lián)網(wǎng)、金融、能源、制造等各行各業(yè)中。

過去一年，華為還在業(yè)界首創(chuàng)了將超節(jié)點技術(shù)引入到通用計算中，是全球第一家發(fā)布了通算超節(jié)點的廠商。華為還將構(gòu)建超節(jié)點的靈衢協(xié)議完全開放，以推動在中國形成完整的產(chǎn)業(yè)鏈模式。

當天受邀參加活動的工業(yè)和信息化部新聞宣傳中心（人民郵電報社）總編輯王保平在會議開始時講道：“算力作為數(shù)字經(jīng)濟的核心生產(chǎn)力，已經(jīng)成為像水電一樣的基礎(chǔ)資源。當前算力需求從通用計算向智能計算延伸，從中心向邊緣擴展，這既需要芯片、服務(wù)器、數(shù)據(jù)中心等硬件領(lǐng)域的持續(xù)突破，也需要架構(gòu)軟件、調(diào)度平臺等系統(tǒng)層面的協(xié)同創(chuàng)新。”

而華為，在這個歷史進程中，做出了重要的推動。

面向未來，張愛軍表示，就像在移動互聯(lián)網(wǎng)時代，華為給世界提供了領(lǐng)先的5G產(chǎn)品，面向未來AI時代，華為將通過“集群+超節(jié)點”的創(chuàng)新，為中國包括全世界提供算力新選擇。