AI 领域现在最缺什么？ 算力，一定是算力。 在国内，算力几乎是制约几家大模型厂商发展的最重要的环节。训练需要算力，国产大模型都陆续迈进几万亿的参数了；模型练好了有了用户，越好的模型用户越多，越需要算力，算力跟不上，体验就变差。 高端的英伟达算力卡不卖给我们，低端的也要多花钱、排队来。 所以国产算力卡即使不如英伟达的那么好用成熟，国内的大模型也不敢一根筋的吊在英伟达身上，华为昇腾、寒武纪、壁仞都在国产算力上有自己的一席之地。 要说现在算力领域最时髦的词儿，一定是 “ 超节点（ SuperPod ） ”。在国产显卡领域，这个词儿并不让人陌生，但这种形态的产品其实是英伟达第一个做出来的。 早在 2019 年以前，虽然那时候还没有大模型，但语音识别、图像识别之类的服务，也已经催生了大算力的需求了。 单卡能力有限，人们很容易就想到把多张显卡拼起来的方式获得更大算力。 人们以为用 100 张卡拼在一起能得到 100 张卡的算力，结果能用出来 3 - 4 成就不错了。究其原因，粗暴的把这些卡连在一起，但通信协议带宽差，数据流通起来太差，另一个是各家攒起来的服务器没有标准化，模块适配度和稳定性也差。 所以英伟达推出了一套 自研 NVLink 高速互联协议、再加上 InfiniBand 组网、给服务器里适配专属硬件和软件 。 16 张 V100 GPU 拼成了一个超节点，最多把 96 台超节点服务器里的 1536 张卡通过组网互拼，这种显卡打包套装就是超节点集群（ SuperPOD ）。 业内说英伟达把原来的显卡利用率从 4 成提升至了 8 成，而且因为整体性很高，企业几乎开箱即用，有效算力高，所以大家特别买账。 英伟达在超节点上的演进 而咱们国产显卡，要说单卡性能，相比英伟达的最新显卡肯定是远远不如。但超节点给了我们一个思路，单卡不太行，但是如果组合成超节点，只要系统开销能稳定住，拼数量的话，我们没问题啊，咱不最擅长大力出奇迹嘛。 去年华为 CloudMatrix 384 出来的时候，国内显卡终于算在超节点上迈出去了。正巧遇到 DeepSeek 横空出世，推理训练火得一塌糊涂，不同于预训练对于算力的庞大需求，384 超节点恰好能满足推理需求，就也把它带火了。 今年上半年，昇腾 950 的组成的超节点也开始交付了，单机柜 64 卡，16 个机柜，共 1024 张显卡为统一编址的超节点。作为对比，英伟达由 NVLink 连接的单一高速互联超节点 NVL72 里是 72 张 GB200。 如果不考虑 CUDA 生态，从超节点的某些纸面参数来看，昇腾 950 超节点已有和英伟达最新的超节点有一战之力。 上周华为全连接大会上，华为把基于昇腾 960 的单一超节点规模推向了 4096 张显卡（ 明年一、三季度交付 ）。 昇腾 960 本来就比 950 性能提升一倍，而整体的互联架构相比 950 的更进一步，时延、统一内存池的优化都又有提升。 华为超节点里昇腾的名字大家最熟知，但让 它发挥出超节点魅力的其他关键技术，反而大家很少知道。 在我看来，排头的必须是华为 “ 灵衢协议 （ UnifiedBus ） ” 。就像我前面说到的，制约服务器算力发展的，最重要的就是数据互通，其实也就是协议问题。 以前不同零件、模块、节点、集群都有自己一套协议，非常碎片化，数据需要不停的反复转换，不仅延迟极高，还浪费算力。英伟达因此弄出来 NVLink+InfiniBand 协议来解决它。 咱也知道，华为是靠通信起家，来重新给设计一套互联协议这不是手拿把掐，不管是服务器内部、节点之间、集群之间都可以用灵衢来通信，相比英伟达节点内外分层传递数据的方式，灵衢显然更加统一。 而且为了让更多厂家跟进这个灵衢，华为还把这个给开源了。在华为超节点的发展上， 我愿称【 灵衢协议 】是其灵魂技术 ，有了它打底，才让其他技术发挥了更大的作用。 协议部分打通了，这次华为在硬件上也搞了一个大新闻，他们刚发布了业内第一个基于 NPO 的光互联产品 Hi-One。 2026 A 股最火的是啥，不就是光模块嘛，为啥这么火，就是因为在训练大模型的时候，为了能顺利的保证柜间通信稳定，必须用光模块来把信号相互传递出去。 为什么不用电缆来传信号呢？因为不仅长距离高速电信号的电磁问题和衰减问题根本解决不了，而且功耗也会夸张到离谱，用光信号才能保证速率和功耗。 一般英伟达万卡级别的超节点集群配备 4.5 万～5 万颗光模块，可想而知行业对光模块的需求。 大家可以看到底下这张图左边就是传统光模块的样子，放在机柜背部密密麻麻的，其实这样排布，光模块离显卡芯片还有几十到 100cm 距离，这部分必须走电信号，为了保证电信号无误，需要专门的 DSP 进行时钟恢复和信号重整，功耗很大。 但华为的这个 Hi-One 不同，