华为徐直军：灵衢互联技术被低估，重新定义AI算力协作

事件概述

在2026年全联接大会期间，华为轮值董事长徐直军与华为半导体首席科学家廖恒深入探讨了AI算力从单点芯片向大规模集群演进的核心挑战。徐直军强调，外界往往过度关注芯片制程与产能，而忽视了芯片间的高效协同能力。随着AI模型规模扩大，处理器之间的数据交换与同步成为瓶颈，华为提出的解决方案是通过“灵衢”（Unified Bus, UB）互联技术和Peerium计算架构，让数万乃至百万级处理器像一台计算机一样协作。

核心信息与技术细节

1. Peerium架构与灵衢互联技术

• 解决痛点：传统架构中，近距离设备互联（总线）与远距离网络通信（网络）界限分明，跨层级通信带来高昂的开销和时延。在大模型训练中，一颗芯片的计算速度受限于其他芯片的数据到位速度。
• 技术方案：Peerium架构通过嵌套并行（Nested BSP）、统一内存寻址和平等互联，打破物理边界。灵衢（UB）作为关键互联技术，旨在用一套统一的高速协议覆盖柜内、柜间、数据中心内部甚至不同区域间的连接，减少协议转换环节，提升有效算力利用率（MFU）。
• 演进路线：昇腾910C超节点采用UB 1.0，昇腾950超节点采用UB 2.0，下一代昇腾960超节点将采用UB 2.1。该技术自2020年立项，历经多年研发，现已进入产品化阶段。

2. NPO光互联方案的战略选择

• 技术路径：面对高速率下的信号衰减与散热压力，华为选择了NPO（Near Package Optics，近封装光学）而非CPO（Co-Packaged Optics，共封装光学）。Hi-ONE模组保留约5厘米的板上铜连接，其余互联转向光连接，形成“全光超节点”。
• 决策逻辑：徐直军表示，NPO是工程、成本、产业链分工与维护的综合平衡结果。相比CPO，NPO带来了接近40%的成本下降，且光引擎可独立维护，降低了系统复杂性。华为凭借在激光器、硅光和高速电子电路上的积累，实现了这一务实的技术取舍。

3. 稳定性与可用性保障

• 故障处理：在大规模集群中，链路短暂异常或单卡性能下降会严重影响训练。华为通过靠近故障位置的检错与重传、替代连接路径及光源冗余设计，确保任务持续运行。
• 核心价值：高MFU（模型浮点算力利用率）是头部模型厂商看重昇腾950的主要原因。连接速度与系统稳定性最终体现为训练成本降低和迭代速度加快。

值得关注

• 产品交付进度：昇腾950PR已上市面向推理；用于训练的950DT预计今年年底或明年开始规模供货。基于Atlas 950超节点的25.6万卡集群正在部署，基于NPO的Atlas 960系统已进入测试阶段。
• 生态开放策略：华为计划开放UB协议，希望整个产业界共同推动AI走向AGI。虽然目前主要在自家产品中验证，但未来旨在通过标准化吸引更多参与者，形成更广泛的生态支撑。
• 长期布局背景：徐直军指出，UB及相关计算架构的研究在制裁前已开始，并非单纯的突围故事，而是对AI计算底层逻辑的长期探索。他认为统一互联协议是未来AI计算的必由之路。