当大模型参数从千亿迈向十万亿，单卡性能早已不是瓶颈——真正卡脖子的是卡与卡之间的通信。华为在全联接大会2026上扔出的昇腾960超节点，用NPO光互联把4096张卡焊成一台"超级计算机"，直接把集群通信开销从40%压到历史新低。这不是又一张PPT，而是已经部署了1000+套的工程现实。

一、热点切入：大模型训练，为什么越训越"贵"？

2026年9月，大模型赛道的热度只增不减。Meta的Muse Spark 1.3三天冲上榜首，OpenAI的GPT-6 Astra紧随其后，国产Kimi K3、GLM-5.3也杀入全球前十。榜单上的参数规模从千亿向十万亿狂奔，但榜单背后的工程团队却在经历一场静默的"算力焦虑"。

这不是耸人听闻。一个实际数字：在10万卡规模的训练集群中，传统服务器架构下集群内部通信占训练时间超过40%。也就是说，你花了千万级算力预算，有四成时间GPU在"等数据"。

问题的根源在于Transformer架构的大规模分布式训练需要频繁的AllReduce通信。当模型参数从70B扩展到万亿级，梯度同步的数据量呈指数增长，而传统集群中卡与卡之间通过PCIe交换机和InfiniBand网络互联，带宽有限、跳数多、延迟累积。结果就是——单卡算力在涨，集群有效算力却在跌。

业界把这个问题叫做"Scale-out瓶颈"。简单说，你堆的卡越多，通信开销占比越大，边际收益越小。这不是某个厂商的问题，是整个行业的结构性痛点。

二、破局之道：超节点架构，把"集群"变成"一台机器"

华为给出的答案是超节点（Super Node）。

核心思路并不复杂：通过高速互联协议将成百上千张算力卡"焊"在一起，实现跨物理服务器的内存统一编址与访问，让整个集群在逻辑上等效于一台巨型计算机。这样一来，卡间通信不再走传统网络协议栈，而是通过硬件级直连，延迟从微秒级降到纳秒级。

但思路简单，工程实现极难。华为在全联接大会2026上发布的昇腾960超节点，首次采用了NPO（近封装光学）技术，这是关键突破。

2.1 NPO光互联：用光替代电，把延迟打到底

传统超节点内部互联用的是电互联（铜线），信号在高速传输时面临严重的损耗和串扰问题，传输距离受限。NPO技术的核心创新是将光引擎直接封装在芯片附近，用光信号替代电信号进行高速互联。

华为自研的Hi-ONE光引擎是业界首个具备量产能力的NPO产品：

指标	Hi-ONE NPO光引擎	传统800G光模块
单引擎传输容量	7.2T	0.8T
内置光源	✅ 是	❌ 否
量产能力	✅ 已量产	已量产
单超节点所需数量	5,500个	~48,000颗

一个昇腾960超节点用5,500个Hi-ONE替代了原本需要的约48,000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%。

2.2 算力规格：4096卡一体，8E FP8算力

昇腾960超节点的核心参数：

• 最大支持4096卡互连（上一代1024卡，4倍提升）
• 8 EFLOPS FP8算力（约800亿亿次/秒）
• 1 PB HBM容量（1,048,576 GB显存池）
• 芯片级：昇腾960单卡FP8算力2PFLOPS，HBM 288GB，访存带宽9.6TB/s，互联带宽2.2TB/s

这些数字意味着什么？一个超节点就能装下当前最大规模的大模型全部参数，且训练过程中无需跨网络节点搬运数据——所有梯度同步都在超节点内部通过内存语义互联完成。

2.3 集群扩展：从4096卡到100万卡

单个超节点还不够。多个昇腾960超节点通过灵衢网络或RoCE互联，采用二层CLOS四平面组网，最大集群规模可达51.2万卡。再叠加多轨道拓扑技术，最大可支持100万卡昇腾超节点集群。

华为马尔科夫实验室的仿真数据：采用4K超节点构成的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（MFU）提升2.75倍。

三、行业痛点 vs 方案价值：一张表看清差距

维度	传统万卡集群	昇腾960超节点方案	改善幅度
卡间互联	PCIe + IB网络	NPO光互联 + 灵衢总线	带宽提升数倍，延迟大幅降低
通信占比	>40%训练时间	大幅压缩	MFU提升2.75倍
单节点规模	8卡/台	4096卡/节点	512倍
功耗	48,000颗光模块	5,500个Hi-ONE	降550kW+
可用度	常规水平	99.8%	MTBF翻倍
集群扩展	万卡级	100万卡级	100倍
生态开放	封闭生态	CANN全面开源	外部开发者占比61%

四、对比分析：国产算力的差异化竞争力

4.1 vs NVIDIA H100/H200集群

NVIDIA的NVLink互联在单节点（8卡）内表现出色，但跨节点扩展仍依赖InfiniBand网络，超节点规模受限。华为的NPO技术将光互联推到芯片封装级别，单节点4096卡的规模是NVLink方案的单节点512倍。

更关键的是生态开放度。NVIDIA的CUDA生态虽然成熟但高度封闭，而华为选择CANN全面开源开放，昇腾已成为PyTorch官网首个可直装的国产平台，原生训练模型超40个，外部开发者占比61%。对于关注供应链安全的企业来说，这是一个不可忽视的维度。

4.2 vs 壁仞科技等国产超节点方案

壁仞科技也在推进NPO光互连超节点，BLink™2.0的内存语义互连和在网计算方案有其特色。但华为的优势在于全栈自研——从芯片（昇腾960）到光引擎（Hi-ONE）到互联总线（灵衢）到操作系统（欧拉）到AI框架（MindSpore/CANN），垂直整合深度无人能及。

这种全栈能力带来的直接好处是：优化可以跨层联动。比如KV Cache的存储优化，华为同步发布了OceanStor M900 AI记忆存储系统，提供L3.5层PB级KV缓存，通过灵衢UnifiedBus与昇腾超节点"一跳直连"，推理场景下的首字延迟和吞吐量都有量级改善。

4.3 华为云的差异化：从卖算力到卖"任务完成能力"

这里要划重点。华为云不只是卖裸金属算力，而是构建了完整的Agentic Infra体系：

• 底层：昇腾超节点 + 鲲鹏超节点 + OceanStor M900 KV缓存，通过灵衢UnifiedBus拉通
• 中间层：Agentic MaaS平台汇聚160+主流大模型，免部署一键调用
• 平台层：智果AgentArts企业级智能体平台，保障生产级长程任务成功率超80%
• 行业层："行业AI梦工厂"沉淀超1000个行业资产，落地项目超1000个

截至目前，华为云Agentic Infra已服务超过3500家客户，智果AgentArts及开源版openJiuwen已服务100多家企业。这不是PPT上的数字，是实打实的生产环境部署。

五、工程现实：不是PPT，是已部署的产线

一个容易被忽视的事实：昇腾910C超节点已累计部署超过1000套，昇腾950超节点已实现规模商用。昇腾960超节点是这一技术路线的第三代产品，不是第一代验证。

芯片路线图也明确：昇腾960DT将于2027年Q1就绪（较原计划提前三个季度），昇腾960PR将于2027年Q3就绪，未来保持一年一代演进，2028年和2029年陆续推出昇腾970、980。

DeepSeek计划部署至少16万颗华为AI加速器，采用昇腾950DT运行模型——这是国产算力获得头部大模型公司大规模采购的有力信号。

六、写在最后：算力基建的"华为时刻"

2026年，大模型竞争进入深水区。参数规模、推理成本、训练效率——每一个指标背后都是算力基础设施的硬实力比拼。

华为昇腾960超节点的发布，标志着国产算力在系统级工程能力上实现了从追赶到引领的跨越。NPO光互联、灵衢总线、全栈自研、CANN开源——这套组合拳打出的不是单点优势，而是系统级竞争力。

对于技术选型者而言，一个现实的问题值得思考：当你的大模型训练任务需要万卡级算力时，是继续忍受40%的通信浪费，还是选择一个已经部署了1000+套、MFU提升2.75倍的工程方案？

答案，或许已经在风中。

---

本文技术数据来源： 华为全联接大会2026官方发布、国盛证券/中财网/通信世界等行业研报、华为马尔科夫实验室仿真数据。文章站在技术从业者视角撰写，旨在提供选型参考，不构成商业推广。