一、开篇：一年之后，路线图交出了什么
2025 年 9 月的华为全联接大会（HUAWEI CONNECT 2025）上，华为第一次公开了昇腾芯片未来三年的路线图：950PR、950DT、960、970，外加 8192 卡的 Atlas 950 超节点和 15488 卡的 Atlas 960 超节点。当时最大的疑问只有一个：这些 PPT 上的数字能不能按时变成机柜？
2026 年 9 月 17–19 日，HUAWEI CONNECT 2026 在上海世博展览馆举行，主题为 “Advancing the Agentic World”。这一届的看点就是”对账”：哪些按期兑现、哪些提前、哪些悄悄调整了形态。本文先整理发布内容，再做技术层面的考察。
📌 说明：文中数字均来自华为官方新闻稿及公开报道（见文末来源），为厂商宣称的峰值规格，非第三方实测。
二、发布速览
| 类别 | 内容 | 关键数字 |
|---|---|---|
| 芯片路线 | 昇腾 960DT 提前到 2027 Q1，960PR 提前到 2027 Q3；970（2028）、980（2029）入列 | 960DT 比原计划提前三个季度 |
| AI 超节点 | Atlas 960E SuperPoD，业界首个 NPO 超节点 | 4096 NPU，FP8 8 EFLOPS / FP4 16 EFLOPS，HBM 最高 1 PB |
| 光互联 | Hi-ONE 近封装光引擎（NPO） | 单引擎 7.2 Tbit/s，内置光源 |
| 通用计算 | TaiShan 950 SuperPoD 全面升级 | 最高 4096 节点，统一内存池 256 TB |
| 存储 | OceanStor M900 上下文记忆存储 | PB 级 KV Cache（“L3.5 层”），SSD 寿命提升 16 倍 |
| 集群 | Agentic SuperCluster | 两层四平面 Clos 最多 51.2 万 NPU，多轨拓扑可达百万 NPU |
| 生态 | CANN 社区化开源、PyTorch 官方后端 | 外部开发者占 61%，月活 5200+ |
此外，官方表示 Atlas 900 A3 超节点已部署超过 1000 套，Atlas 950 SuperPoD 已进入规模商用。
三、芯片路线：从”一年一代”到”提前交付”
3.1 回顾 HC2025 的承诺
HC2025 公布的昇腾规格如下：
| 芯片 | 定位 | FP8 / FP4 算力 | 内存 | 互联带宽 | 原定时间 |
|---|---|---|---|---|---|
| 950PR | Prefill、推荐 | 1 P / 2 P | 自研低成本 HBM（HiBL 1.0） | 2 TB/s | 2026 Q1 |
| 950DT | Decode、训练 | 1 P / 2 P | HiZQ 2.0，144 GB，4 TB/s | 2 TB/s | 2026 Q4 |
| 960 | 全面翻倍 | 2 P / 4 P | 容量、带宽翻倍 | 翻倍（端口数） | 2027 Q4 |
| 970 | 再翻倍 | 4 P / 8 P | 带宽至少 ×1.5 | 4 TB/s | 2028 Q4 |
几个架构变化值得关注：950 起引入 SIMD/SIMT 双编程模型，访存粒度从 512 字节缩小到 128 字节，并新增 FP8/MXFP8/MXFP4 以及自研的 HiF8、HiF4 格式。SIMT 的加入意味着写算子的方式更接近 GPU，这对生态迁移的意义可能大于算力本身。
3.2 HC2026 的更新
- 960DT 提前到 2027 Q1（比原计划早三个季度），960PR 2027 Q3（早一个季度）。
- 官方称 960 研发”超出预期，性能如期翻倍”。
- 路线图延伸到 970（2028）和 980（2029），并把持续翻倍的依据归于华为提出的 “τ（Tau）Scaling Law”。
- 昇腾被定位为”基于灵衢的 11 颗芯片组合”中的核心，其他芯片覆盖计算、互联、存储与管理。
3.3 考察：PR / DT 拆分是这条路线最有意思的设计
把同一颗计算 Die 配上不同的 HBM，分别服务 Prefill（算力密集、带宽需求低）和 Decode（带宽密集），本质上是把 PD 分离 这一推理架构下沉到了芯片 SKU 层面。好处是在 HBM 供给受限的条件下，把昂贵的高带宽内存只用在真正需要的地方；代价是集群调度更复杂，客户需要按负载比例采购两类芯片。
四、超节点：Atlas 960E 与 NPO 光互联
4.1 Atlas 960E 规格
- 4096 颗 NPU，正交架构，全液冷；
- FP8 8 EFLOPS，FP4 16 EFLOPS，HBM 最高 1 PB；
- 使用 5500 个 Hi-ONE 光引擎，替代传统方案所需的约 4.8 万个 800G 光模块，官方称功耗降低超过 550 kW，无故障运行时间翻倍，系统可用度 99.8%。
按官方数字推算，单卡 FP8 约 2 PFLOPS、HBM 约 256 GB，与”960 规格较 950 翻倍”的承诺吻合。
4.2 和 HC2025 的 Atlas 960 是什么关系？
HC2025 发布的 Atlas 960 超节点规格是 15488 卡、FP8 30 EFLOPS，计划 2027 Q4 上市。HC2026 的 960E 是 4096 卡。从官方材料看，960E 是一个基于 NPO 的新形态，并未说明它取代了 15488 卡的版本。较合理的理解是：华为在超大规模单域之外，补上了一个更易部署的”中号”超节点。15488 卡版本的进度，本届大会公开材料中没有更新。
同样，Atlas 950 SuperPoD 在 2026 年 7 月 WAIC 上展出的真机为 1024 卡（FP8 1 EFLOPS），与 HC2025 宣称的满配 8192 卡相比，目前公开商用信息多以 1024 卡规模出现。8192 卡满配的实际交付情况仍有待观察。
4.3 考察：为什么是光，为什么是 NPO
华为的超节点思路是”以规模换单芯片性能”：先进制程受限时，用更多芯片 + 更强的互联把系统级指标做上去。HC2025 时 Atlas 950 满配需要 160 个机柜、约 1000 平方米，柜间全光互联，光模块的数量、功耗与故障率随之成为瓶颈。
NPO（Near-Packaged Optics）把光引擎放到靠近交换/计算芯片的位置，省掉可插拔光模块和长距离电通道。华为已向 OIF 提交 NPO 实施协议（IA）。如果”5500 个引擎替代 4.8 万个模块”的数据成立，这是本届大会工程价值最高的发布：它直接回应了”大规模超节点可靠性”这一最常被质疑的点。
不过需要注意，99.8% 的可用度和 550 kW 的节电数据都是厂商口径，对比基准（“传统方案”）的具体配置也未公开。
五、通用计算、存储与集群
- TaiShan 950 SuperPoD：鲲鹏超节点，灵衢全光组网，最高 4096 节点、256 TB 统一内存池。官方给出的场景是 Agent 沙箱：10 万沙箱启动速度为传统服务器的 30 倍，密度再提升 25%；百亿 × 1000 维向量检索效率为 2 倍。HC2025 时它的定位还是”替代大型机/小型机”，今年明显转向 Agent 基础设施。
- 鲲鹏路线（HC2025 公布）：Kunpeng 950 为 96 核/192 线程和 192 核/384 线程两版，支持机密计算；2028 Q1 再推高性能版（单核 +50%）与不少于 256 核的高密版。
- OceanStor M900：面向 Agent 推理的 KV Cache 存储，一跳直达，PB 级容量。这与业界 “KV Cache 分层下沉” 的趋势一致，长上下文、多轮 Agent 让 KV Cache 从显存问题变成了存储系统问题。
- 集群：灵衢把多种协议统一为一种，昇腾超节点、鲲鹏超节点和 KV Cache 集群之间对等互联。两层四平面 Clos 可达 51.2 万 NPU，多轨拓扑可达百万级。华为马尔可夫实验室的仿真称，4k 卡超节点组成的 10 万卡集群 MFU 是 8 卡服务器方案的 2.75 倍（仿真结果，非实测）。
六、与 NVIDIA Vera Rubin 的对比：先对齐口径
HC2025 上华为拿 Atlas 950 和 NVIDIA “NVL144” 对比，称卡规模 56.8 倍、总算力 6.7 倍。需要说明的是，NVIDIA 后来按 GPU 封装计数，把该产品命名为 Vera Rubin NVL72（每个 Rubin 封装含两个计算 Die）。这类对比很容易因为口径不同而失真，下面按单芯片和单系统分开看。
6.1 单芯片
| 指标 | 昇腾 950DT | 昇腾 960（推算） | NVIDIA Rubin |
|---|---|---|---|
| FP8 | 1 PFLOPS | ≈2 PFLOPS | 17.5 PFLOPS（FP8/FP6 训练口径） |
| FP4 | 2 PFLOPS | ≈4 PFLOPS | 50 PFLOPS（NVFP4 推理口径） |
| HBM 容量 | 144 GB | ≈288 GB | 288 GB HBM4 |
| HBM 带宽 | 4 TB/s | ≈8 TB/s | 约 19–22 TB/s（官方页面不同处数值不一） |
| Scale-up 互联 | 2 TB/s | 翻倍 | NVLink 6，3–3.6 TB/s（同上） |
| 上市 | 2026 Q4 | 2027 Q1 起 | 2026 下半年起出货 |
即使到 960，单芯片 FP8 仍相差约 8–9 倍，HBM 带宽相差约 2–3 倍。NVIDIA 的 FP4 数字依赖其特定的推理加速机制，与昇腾的 MXFP4/HiF4 并不完全可比；稀疏/稠密口径也未在所有材料中注明。
6.2 单系统
| 指标 | Atlas 960E | Vera Rubin NVL72 |
|---|---|---|
| 芯片数 | 4096 | 72 |
| FP8 | 8 EFLOPS | 约 1.26 EFLOPS |
| HBM | 最高 1 PB | 20.7 TB |
| 形态 | 多机柜、全液冷、光互联 | 单机柜、液冷、铜互联 NVLink |
系统总量上华为领先，但这是用约 57 倍的芯片数换来的。真正决定竞争力的是单位功耗算力、单位面积算力、实际 MFU 和总拥有成本，而这些华为都没有公开完整数据。NVIDIA 的路线是”单柜做强 + Scale-out 网络”，华为是”把 Scale-up 域做到数千卡”，两者没有绝对优劣：大 Scale-up 域对 MoE 专家并行、超长上下文更友好，单柜方案则在部署灵活性、能效和软件成熟度上占优。
七、软件生态：从”能用”到”好用”了吗
本届最值得注意的生态数字：
- CANN 已转为社区驱动的持续开源，外部开发者占比 61%，首次超过内部开发者，月活开发者超过 5200；
- 超过 40 个模型在昇腾 + CANN 上完成原生预训练；
- 支持 PyTorch、Triton、vLLM、veRL 等 90 多个开源项目，成为 PyTorch 官网首个官方中国算力后端。
PyTorch 官方后端和 Triton 支持的意义，在于开发者可以不直接面对 CANN 的底层接口，这是降低迁移成本最现实的路径。但也要客观看待：5200 月活与 CUDA 生态的规模仍不在一个量级；“40 个模型原生预训练”的口径（参数规模、是否前沿模型）没有公开。MindSpore 在本届主题演讲中的分量明显让位于 PyTorch 兼容路线。
八、风险与未知数
- 制造与 HBM：在缺少 EUV 的条件下，翻倍节奏依赖先进封装、多 Die 合封和自研 HBM。HiBL、HiZQ 的量产良率与产能没有公开数据。
- 功耗与机房：数千卡超节点要求全液冷和大面积机房，数据中心改造成本会转嫁给客户。
- 规格兑现：Atlas 950 满配 8192 卡、Atlas 960 15488 卡的交付状态，需要后续看实际部署。
- 对比口径：厂商间的算力对比常混用精度、稀疏性和计数方式，读者应以同精度、同口径为准。
- 生态黏性：硬件指标可以翻倍，开发者习惯和工具链积累则需要时间。
九、结语
如果说 HC2025 是”公布路线图”，HC2026 则是”开始兑现路线图”：960 提前、NPO 光互联量产、CANN 外部贡献者过半，都是可验证的进展。华为的核心打法也更加清晰：单芯片不追平，用互联、系统和软件开放把整体做上去。
这条路能走多远，取决于三件事：960 能否按 2027 Q1 实际出货；数千卡超节点的真实能效与 MFU；以及 PyTorch 后端能否让开发者”无感迁移”。下一届大会，值得继续对账。
参考来源
- Huawei, “Advancing the Agentic World, Building a Solid Silicon Foundation”（HC2026 主题演讲），2026-09-17：https://www.huawei.com/en/news/2026/9/hc-wang-keynote
- Huawei, “Huawei Launches the World’s First NPO-based SuperPoD – the Atlas 960E SuperPoD”，2026-09-17：https://www.huawei.com/en/news/2026/9/hc-ascend960-supernode
- 华为，《以开创的超节点互联技术，引领AI基础设施新范式》（HC2025 主题演讲全文），2025-09-18：https://www.huawei.com/cn/news/2025/9/hc-xu-keynote-speech
- 华为，《华为发布全球最强算力超节点和集群》，2025-09-18：https://www.huawei.com/cn/news/2025/9/hc-lingqu-ai-superpod
- 华为，《昇腾950超节点真机亮相2026世界人工智能大会》，2026-07-17：https://www.huawei.com/cn/news/2026/7/atlas-950-superpod
- NVIDIA, Vera Rubin NVL72 产品页：https://www.nvidia.com/en-us/data-center/vera-rubin-nvl72/
- Supermicro, NVIDIA Vera Rubin NVL72 Datasheet：https://www.supermicro.com/datasheet/datasheet_Supermicro_NVIDIA_Vera_Rubin_NVL72.pdf
- SiliconReport, “Nvidia Vera Rubin Explained: NVL72 Specs & Shipping Date”：https://www.siliconreport.com/nvidia-vera-rubin-everything-we-know-33727d4d
📅 2026 年 10 月 | 【AI 辅助编写】，数据以官方发布为准