华为这次最值得看的，可能不是昇腾 960 芯片。
“5500 个光引擎，可以替代 48000 个 800G 光模块”。在刚刚过去的华为全联接大会 2026 上，这组数字比单卡性能参数更让我们讶异，它来自昇腾 960 超节点的方案对比。华为给出的数据是：功耗降低超过 550kW，系统无故障运行时间翻倍！
做大规模计算，最让我们头疼的往往不是某张卡算得不够快，而是卡已经够快了，整个系统却没能跟上。
数据没到，要等。其他节点没完成同步，也要等。卡越贵，这种等待越让人崩溃。
9 月 17 日，华为正式发布昇腾 960 超节点，是全球首个采用 NPO 技术的超节点，支持 4096 卡，主要面向十万亿参数规模大模型的训练和推理。
本次发布会，灵衢、11 颗关键芯片、Hi-ONE 光引擎，以及一同升级的鲲鹏超节点，都值得我们拆开一看。它们要处理的事情很具体：这么多计算资源，放在一起到底怎么工作？
今天，现在的超节点很容易被人误解成一个规模特别大的集群。
按照华为给出的定义，超节点通过高效互联将多个物理计算节点紧密连接，支持跨物理节点统一内存编址，在逻辑上的确具备“一台计算机”的特征。设备还是那些设备，但软件看到和使用资源的方式变了。
目前，华为在传统服务器架构下，集群内通信可占到训练时间的 40%以上。这个比例不能套用到每个训练任务上，但通信开销确实是扩大集群时需要解决的问题，主要是单卡算得更快，多卡任务并不是按比例加速。
华为马尔科夫实验室做过一项仿真实验：同样是十万卡，由 4K 超节点组成的集群，与由 8 卡服务器组成的集群相比，模型浮点算力利用率（MFU）提升了 2.75 倍。
这个结果足以解释华为为什么愿意花这么大力气改架构。提升算力利用率，意味着在已有计算资源中挖出更多实际产出，而对十万卡级系统而言，这是一笔大开支。
灵衢 UnifiedBus 承担的是其中最基础的工作。华为的设计思路是，以统一协议连接不同组件，支持跨物理服务器的内存访问，减少协议转换开销。围绕灵衢，华为打造了 11 颗关键芯片，可覆盖计算、互联、管理等关键能力。
这可就不是在计算芯片旁边“配点东西”了。
我们过去谈芯片竞争，大家习惯比较制程、算力和带宽，而到了今天的“超节点”，很多原本不太受关注的组件也进入了主战场，这就导致了某个环节多一次转换、多一点等待，都可能让上游昂贵的计算资源闲下来。而统一编址也不是魔法，它不会抹掉物理距离，更不会让所有访问都一样快。因此，协议之外，华为还得处理连接本身。
光引擎为什么非要往芯片旁边挪？
NPO，Near-Packaged Optics，近封装光学。这是昇腾 960 超节点此次最值得展开说说的技术变化。
先来看它做的重要调整，这一次华为把光引擎放到了更靠近主芯片封装的位置，缩短了高速电信号需要经过的路径。值得一提的是，高速电信号不是跑多远都一样，它的路径越长，损耗、信号完整性和功耗等问题越难处理。如果传输速率继续往上走，工程上的妥协也会越来越多。
而在今天，NPO 试图把一部分距离交给光来完成。
但做成产品是另一回事。
光引擎靠近主芯片，导致布局和热设计会更紧张；性能要提高，可靠性也不能丢。华为介绍 Hi-ONE 时，专门提到了光、机、电、磁、热等要素的均衡设计，因为它们确实是必须同时处理的约束。Hi-ONE 单引擎传输容量达到 7.2T，采用的是内置光源，它与灵衢配合，构成了昇腾 960 超节点的互联基础。
48000 个光模块的“替代品”改变了什么
用 5500 个 Hi-ONE 替代它们，不能只简单的理解为部件数量变少，要知道连接结构一旦发生改变，功耗分布、散热压力、可靠性设计，都要跟着变，华为公布的超过 550kW 功耗降低和无故障运行时间翻倍，价值就在这些地方。
另外，昇腾 960 超节点采用正交架构、全液冷设计，最大的提供了 8 EFLOPS FP8 算力，说起来，真正到了这个规模，芯片、互联和散热已经很难各做各的，进行“各自为战”，而华为的链路优势也恰好在这里完美闭环，华为做计算，也做光通信。如今，光通信不只是负责把设备连上网，而是深入超节点内部，参与决定计算资源能发挥的作用。这比孤立地看一个 NPO 指标更有价值，不同技术线的积累也终于在同一套产品中相遇。
按照目前披露的计划，昇腾 960DT 将于 2027 年第一季度就绪，960PR 将于第三季度就绪。
鲲鹏为什么也要做 4096 节点？
这个问题乍看离大模型训练有点远，我们放到 Agent 上看一下。模型生成了一段代码后，接下来得有地方运行，装依赖、读文件、调工具缺一不可。这个流程中间一旦执行失败，还得需要拿到错误信息再交回模型处理，一次完整任务的落地，往往就在这些环节里来来回回的跑。在其中，不少工作是靠 CPU 完成的，但 CPU 的推理速度再快，如果执行环境迟迟起不来，用户看到的照样是“等待中”。
而此次升级的鲲鹏超节点基于灵衢全光组网，最大支持 4096 节点，可以解决这个问题。其给出的一个应用方向是 Agent 沙箱，在十万级沙箱启动场景对比中，鲲鹏超节点相较传统服务器方案可以实现 30 倍启动性能提升，沙箱密度提升 25%。
或许今天对普通应用团队来说，十万级沙箱还很遥远。也不是说今天你做一个 Agent 就必须配一套超节点。但当少量 Agent 运行时，启动环境慢一点，可能只是体验问题；但当任务大量并发，环境供给、调度和资源密度就必然会影响到整个平台的吞吐。
模型训练把 AI 加速卡推到了聚光灯下，真正到了 Agent 执行阶段，通用计算的压力也会重新浮出来。
提前布局，才是鲲鹏超节点出现在这场发布里的主要意义。
“易用”这两个字，得让开发者来评
CANN 的变化不能略过。
企业做平台选型，问的问题通常会及其朴素：我们这个模型能不能跑？要改多少代码？性能差在哪里，查不查得出来？出了问题，谁能解决？
上面任何一个问题拖上两周，研发团队对平台的评价都会变。
CANN 已全面开源开放，进入常态化开源社区运作，从“可用”走向“易用”，华为同时给出了“昇腾已跨越生态拐点”的判断。
目前，CANN 外部开发者占比达到 61%，首次超过内部开发者。社区月活开发者超过 5200 名。数据是最好的说明，外部开发正的认可让平台建设不再只是厂商自己的事，来自不同模型、框架和业务现场的问题，可以被直接带进社区，并在修改和优化后被更多团队复用。
华为披露，基于昇腾与 CANN 原生训练的模型已超过 40 个，昇腾覆盖了 PyTorch、Triton、vLLM、veRL 等 90 多个主流第三方社区。相比单纯增加一份支持列表，这些适配能否进入开发者日常使用的版本，能否持续维护，更决定“易用”的成色。
工程功夫的兑现，藏在无数细节里
看完这场发布，或许我更愿意把华为的实力理解为一种工程跨度：从芯片延伸到光引擎，从互联协议深入系统设计……处理开发框架与工具链。任何一条线拿出来都不轻松，而更难的是把它们做在一起，并且持续往前不断推进。
昇腾 960 接下来仍要经历产品就绪与应用验证，大型系统终究要到负载里见真章，但此次发布已经让人看到，华为正在尝试解决的，并不是某一代芯片的性能问题。一个 4096 卡系统背后，是成千上万处具体的工程选择。信号走哪条路？热从哪里带走？软件怎样调用资源？智能计算的雄心，最终都要落到无数细节中。
而只有能把这些细节做好，才有资格谈更大的未来。
