华为昇腾路线图再升级：960DT提前三季上市，NPO方案引领AI算力新篇章

华为正以更快的步伐推进昇腾AI芯片的迭代进程，展现出其在人工智能领域的强劲技术实力。

9月17日，在“第十一届华为全联接大会2026”于上海盛大启幕之际，华为副董事长、轮值董事长汪涛在会上宣布：昇腾960芯片的研发进度远超预期，性能实现了显著倍增。其中，960DT芯片将比原计划提前三个季度，于2027年一季度正式就绪；而960PR芯片也将提前一个季度，预计在2027年三季度完成部署。

此次更新是继2025年华为罕见地公开昇腾未来三年技术路线图后的又一次重要调整。根据华为2025年的规划，昇腾960原定于2027年四季度上市。此外，华为还首次将产品路线图延伸至2029年，计划在2028年和2029年分别推出昇腾970、980芯片。汪涛表示：“我们将坚持一年一代的演进节奏，依托τ（韬）定律的创新方向，实现算力规格的持续翻倍。”

然而，随着大模型参数规模的不断扩大，AI集群的发展趋势正从千卡向万卡乃至十万卡迈进。在这一背景下，单颗芯片的性能已无法完全决定整个集群的有效算力，芯片之间的通信效率和系统协同能力变得愈发关键。如何降低大规模集群中的通信损耗，使更多理论算力转化为实际有效算力，已成为AI基础设施竞争的新焦点。

华为给出的解决方案是“超节点+集群”技术路线，这一路线目前已进入规模商业部署阶段。汪涛透露，截至目前，昇腾910C超节点已累计部署超过1000套，昇腾950超节点也已实现规模商用。同时，他还公布了昇腾960超节点的最新进展：液冷超节点计划于2027年三季度推出，并将首次引入NPO（近封装光学）方案，标志着华为将AI算力竞争进一步拓展至光互联等系统层面。

单颗芯片性能不再是算力上限的决定因素

近年来，华为不断强调超节点概念的重要性。这一技术路线的背后，有着深刻的产业背景。华为在2025年发布灵衢（UnifiedBus）时曾明确指出，由于先进工艺获取受限，需要从多芯片层面寻求突破，“希望将更多的计算资源联接在一起”。这意味着，受先进工艺获取约束，昇腾选择从系统架构层面实现突破，依托系统级协同调度提升集群整体有效算力。因此，超节点在一定程度上能够弥补国产芯片的工艺代差，成为华为提升AI算力的另一条重要路径。

然而，“简单堆卡”并非解决之道。随着集群规模从千卡扩大至万卡、十万卡，芯片之间需要交换的数据量急剧增加。汪涛指出，一个由8卡服务器组成的10万卡集群，在模型训练过程中，集群内通信时间可能超过训练时间的40%，严重制约了MFU（模型浮点算力利用率）。换句话说，芯片虽在集群中，但相当一部分时间并未用于真正的模型计算，而是在等待数据传输。

根据华为马尔可夫实验室的仿真结果，在同样10万卡规模下，由4K规模超节点组成的集群相比传统8卡服务器组成的集群，MFU可提升至原来的2.75倍。汪涛表示，MFU每提升1个百分点，模型迭代时间可提前约3天。

因此，超节点技术不仅要解决“能连多少张卡”的问题，还要解决芯片数量大幅增加后如何降低通信成本的问题。

为实现这一目标，首先需要改变芯片之间的传统互联方式。华为推出的灵衢（UnifiedBus）技术，可视为面向超节点打造的一套高速互联解决方案。通过统一的互联协议，将原本分散在不同物理服务器中的CPU（中央处理器）、NPU（神经网络处理单元）、内存、存储等计算资源连接起来，并支持跨物理节点统一内存编址。灵衢技术使不同芯片和设备之间交换数据的路径更短、时延更低，从而让数千颗芯片在逻辑上更接近“一台计算机”。

然而，要组建一台拥有数千颗NPU的“超级计算机”，仅有互联协议还远远不够。

会上，汪涛介绍称，围绕灵衢技术，华为目前已开发出11颗用于超节点和超节点集群的关键芯片，覆盖计算、互联、存储、管理等多个方面。

从统一互联协议到计算、存储等关键芯片，华为实际上是在围绕昇腾NPU搭建一整套超节点系统。而此次公布的昇腾960超节点（Atlas 960），则成为这套系统架构向下一代演进的最新载体。

据悉，Atlas 960单个超节点可实现4096颗NPU高速互联，最大可提供8E FP8的算力。依托灵衢架构及Hi-ONE光引擎，其RTT（往返时延）最低可达2微秒（人眨一次眼约需0.1秒～0.3秒）。RTT可理解为数据从一端发出、到达另一端再返回所需的时间。对于需要频繁交换数据的数千颗NPU而言，时延越低，芯片花在“等待通信”上的时间就越少，也就能将更多时间用于模型计算。华为称，这也是目前业界规模最大的超节点。

从单颗NPU到数千卡超节点，再到数十万乃至百万卡集群，华为追求的并非简单增加芯片数量，而是在单芯片性能之外，通过互联和系统架构降低通信开销，使更多理论算力最终转化为模型可实际使用的有效算力。

算力竞赛向光互联、存储等领域延伸

对于产业链而言，AI超节点的持续扩容意义重大，不仅体现在NPU本身。

当数千颗AI芯片需要在同一个超节点内部高速通信时，互联、光器件、内存、存储、散热和供电等环节都会成为影响系统效率的关键因素。

华为此次将NPO引入昇腾超节点便是一个显著变化。目前，大规模AI集群内部仍以铜缆作为高速电互联的主体。但当SerDes（串行器/解串器）速率迈入224G及以上时代，铜互联正逼近物理极限：插损、串扰与反射等信号损耗显著增加，传输距离越来越短；与此同时，数千乃至数万根高速铜缆汇聚在一个机柜内，不仅布线复杂、安装维护困难，也给散热与系统可靠性带来巨大挑战。

解决方案是进一步缩短高速电信号的传输距离，使电信号更早转换为光信号，从而降低随着互联距离增加带来的信号损耗，并提升大规模芯片互联的带宽和效率。为此，华为研发了NPO形态光互联产品Hi-ONE。汪涛表示：“昇腾960超节点中用5500个Hi-ONE替代原本需要的4.8万颗800G光模块，降低了超550千瓦功耗，系统无故障运行时间提升1倍。”昇腾960超节点也由此成为全球首个采用NPO技术的超节点。

除了“芯片之间如何传得更快”，存储也正成为Agentic AI时代另一个不容忽视的瓶颈。

汪涛指出，随着Agent任务持续时间的延长，模型上下文长度已快速增长至百万级。与此同时，Agent与模型的交互频次明显高于传统人机问答，每张昇腾卡对应的KV Cache可能达到TB级。

所谓KV Cache，可简单理解为大模型在生成答案过程中需要反复调用的“临时记忆”。模型每生成一个新的Token（词元），都需要参考此前已经计算过的信息。如果这些信息每次都重新计算，速度会非常慢，因此系统会把它们暂时存下来。问题在于，当上下文越来越长、Agent连续工作越来越久，这份“临时记忆”也会迅速膨胀。

但由于AI服务器中的HBM（高带宽内存）和DRAM（动态随机存取）容量有限，华为此次提出多层KV缓存架构，推出基于灵衢UnifiedBus的PB级KV缓存——OceanStor M900集群。同时，M900采用混合介质加优化Retention算法，可将SSD（固态硬盘）读写寿命提升16倍。可以理解为，华为建了一个超大、超快的“记忆仓库”M900，专门给大模型存聊天记忆用。它通过自研高速通道和计算芯片直连，计算芯片要查KV缓存时，不用经过一堆交换机、路由器层层转发，可以一步到位，并且里面混用不同存储介质，还加了智能算法，让SSD寿命延长16倍。

可以看到，过去市场最关注的是GPU（图形处理器）或NPU本身，而随着大模型规模继续扩大，决定最终有效算力的因素正在延伸至HBM、互联网络、光模块、KV Cache、SSD、液冷等越来越多环节。AI算力正在从一场“芯片竞赛”，逐渐演变为一场系统工程的竞争。

而硬件之外，生态仍然是国产算力规模商业化绕不开的另一道门槛。

汪涛披露，目前鲲鹏全球开发者已超过416万，支持560多个全球开源项目，openEuler装机量则已超过2000万套。昇腾方面，昇腾生态的根基是CANN，外部开发者数量首次超过内部开发者，占开发者总数的61%；基于昇腾+CANN进行原生训练的模型已经超过40个。

这也意味着，下一阶段AI基础设施的竞争可能越来越难以用单颗芯片的参数来衡量。当集群规模迈向十万卡乃至百万卡，芯片能否高效互联、数据能否快速存取、系统能否稳定运行，以及软件生态能否让开发者真正用起来，将共同决定一套AI算力基础设施的实际竞争力。

“人工智能也许是人类社会最后一次技术革命，它带来的变革之深、之广、之快，远超想象，没有任何一家公司能独自支撑整个智能世界。”汪涛表示，华为AI战略的核心是算力，未来华为将继续聚焦AI基础设施，坚持硬件变现、软件开源开放。