华为Atlas 950超节点集群：以系统级方案弥补单卡差距，面临产能与成本三重约束

事件概述

华为在2026年全联接大会上披露，正在部署和测试一个由25.6万张昇腾加速卡组成的Atlas 950超节点集群。这一规模是英伟达NVL72机柜（72张GPU）的3500多倍。华为试图通过“CloudMatrix”及“灵衢总线”等系统级连接技术，将数万颗处理器整合为一台计算机，以弥补单卡性能与英伟达存在的代差。

同期，美国科技巨头AMD与英伟达分别以82亿美元收购World Labs和200亿美元获取Groq技术授权，显示出通过前置锁定下一代模型计算需求来指引芯片设计的战略逻辑。相比之下，中国AI产业目前更多采取模型迁就芯片的路径，如DeepSeek采用特定数据格式适配国产芯片。

核心信息

1. 技术路线：系统能力替代单卡性能

• 单卡差距：昇腾910C单卡FP16算力约为英伟达H200的一半；下一代960DT预计2027年交付，虽能追平H200的FP8算力，但仍远落后于英伟达B系列芯片。
• 集群优势：Atlas 950 SuperPoD拥有160个机柜，总算力为英伟达NVL144的6.7倍，内存容量15倍，互联带宽62倍。华为通过统一协议将柜间带宽提升至每秒800GB，时延压至150纳秒量级，解决了传统方案中柜间通信瓶颈问题。

2. 现实应用：推理侧落地快，训练侧仍处测试期

• 推理主导：由于训练对全局同步、互联延迟和故障恢复极度敏感，国产芯片目前主要应用于推理场景。浪潮数据显示全国智算中心GPU平均利用率仅约30%。
• 训练滞后：DeepSeek V4预训练仍依赖英伟达H800/H100集群，昇腾主要用于推理部署及后训练。Atlas 950面向训练的950DT型号目前仍在测试，预计年底或明年初才具备大规模供货条件。

3. 三大硬性约束

• 产能约束：受限于DUV光刻机及先进制程产能，昇腾芯片无法拓展海外市场，且国内供给严重不足。余承东指出，制约供货的是产能而非需求。
• 有效算力（MFU）：大规模集群导致单卡故障概率增加，通信等待时间拉长。当前国产集群的模型浮点运算利用率（MFU）仅为50%左右，意味着近半数算力在空转。
• 成本与电力：
  • 采购成本：一颗昇腾950DT约11.1万元，25.6万张卡总采购额接近284亿元。
  • 电力成本：同等峰值算力下，昇腾方案需约4.5倍卡数，对应供电需求约380兆瓦，年电费约10亿元，是英伟达方案的4倍。

4. 中美模式分化

• 美国（芯片迁就模型）：通过收购World Labs（空间智能/世界模型）和Groq（推理芯片），提前介入下一代计算需求的源头定义，让芯片研发跟随模型发展趋势。
• 中国（模型迁就芯片）：在算力受限背景下，模型方主动调整以适应硬件。例如DeepSeek开源适配昇腾的训练工具链，并采用UE8M0 FP8格式以兼容国产芯片架构。

值得关注

Atlas 950集群展示了中国在极端算力约束下的工程创新能力，但其商业化成功的关键在于能否降低“换算率”——即用多少额外资源换取同等模型效果。若产能、电力和运维成本无法显著优化，超节点路线可能仅能支撑基础模型迭代，难以支撑前沿大模型的持续高效训练。