大会要点与基调
在“华为全联接 2025”上,华为公布了下一代 Ascend 芯片与大规模计算集群路线图。华为董事会副主席徐直军称 2025 年“值得纪念”,并将年初的大模型事件视作公司的“转折点”。他同时坦承,中国在先进制程节点上或将“在相对较长时间内”落后,因而将重心放在系统架构、互连、低精度数值格式与软件生态的组合推进,包括开源 openPangu 基金会模型与 Mind 系列 SDK。

新品矩阵:Ascend 950 / 960 / 970
|Ascend 950:聚焦低精度与互连带宽
型号与精度:950 系列包含 950PR、950TO/DT 等版本,新增 FP8 与 MXFP8 等低精度支持。官方口径下,FP8 峰值约 1 PFLOP,MXFP8 约 2 PFLOP。
存储与矢量:更细粒度的内存访问(从 512B 降至 128B)与矢量处理优化。
互连:2 TB/s 芯片间带宽,约为 910C 的 2.5 倍。
上市节奏:950PR 计划 2026 年 Q1,950DT 计划 2026 年 Q4。
|Ascend 960:性能翻倍的中期节点
时间:2027 年 Q4。
指标:在计算、内存带宽/容量与互连端口数量上相对 950 翻倍。
数据格式:引入自研 HiF4(FP4 家族),华为称其精度优于同类 FP4 方案。
|Ascend 970:远期旗舰
时间:2028 年 Q4(规划)。
目标:互连带宽 4 TB/s,FP4 约 8 PFLOP,并配备更大容量的片上/外部存储。部分规格仍在评估中,整体指标“全面上压更高”。
超级集群:从 SuperPoD 到 SuperCluster
|Atlas 950 SuperPoD(2026 年 Q4)
以 Ascend 950DT 为核心的通用 NPU 集群形态,主打超大规模原始算力供给。
华为对标称:相较竞品某代大型 GPU SuperPod 系统,其NPU 数量级更高、处理能力显著提升(具体倍数与对比基准由华为口径给出)。
|UnifiedBus 2.0:开放互连协议
定位:新一代开放式集群互连协议,继承并升级自 UnifiedBus 1.0。
发布:技术规范对开发者社区开放,面向 SuperPoD 内部与 跨 PoD 级联的 SuperCluster 互联。
现状:前代 Atlas 900 A3 SuperPoD 已在 3 月投入使用,累计装机超 300 套(官方口径)。
|Atlas 950 / 960 SuperCluster
Atlas 950 SuperCluster:号称在 NPU 数量与算力上超过全球头部集群的既有规模,标榜更高的 FP4 级吞吐。
Atlas 960 SuperCluster(2027 年 Q4):规划超百万 NPU规模,FP4 指标约 4 ZFLOPS(1 ZFLOP=10^21 FLOPs),面向超大模型与多模态/多代理训练推理。
通用计算:鲲鹏 950 与 TaiShan 950 SuperPoD
CPU 产品:2026 年 Q1 推出两款鲲鹏 950 处理器,最高 192 核 / 384 线程(另有 96 核 / 192 线程版本)。
通用计算 SuperPoD:TaiShan 950 SuperPoD 同期面世,被称为“全球首款通用计算 SuperPod”,面向数据/存储/微服务等混合场景。
开源与生态:软硬一体的“第二增长曲线”
模型与 SDK:openPangu 基金会模型与 Mind 系列 SDK 开源,配合 Ascend 硬件的低精度内核、算子库与分布式并行栈,意在降低大模型训练与部署门槛。
数据格式:从 FP8/MXFP8 到 HiF4/FP4,围绕低精度稳定性(高精度累加、裁剪/归一化、确定性执行)构建工具链与最佳实践。
对标与时间表:关键里程碑(官方口径)
2026 Q1:Ascend 950PR、鲲鹏 950、TaiShan 950 SuperPoD;UnifiedBus 2.0 规范开放。
2026 Q4:Ascend 950DT、Atlas 950 SuperPoD。
2027 Q4:Ascend 960、Atlas 960 SuperCluster(>100 万 NPU、FP4≈4 ZFLOPS)。
2028 Q4:Ascend 970(目标 FP4≈8 PFLOPS,4 TB/s 互连,增配更大内存)。
产业影响:三条主线的博弈
1) 低精度与确定性并行的工程能力
在制程受限背景下,用更激进的低比特数值格式换算力成为现实路径。成败取决于:算子稳定性、训练可复现、跨集群通信栈的拥塞与延迟管理。
2) 互连与规模效应
2–4 TB/s 的芯片互连与 UnifiedBus 2.0 的开放式级联,瞄准的是“把万卡/十万卡组织成一张可被模型吃满的算网”。实际收益仍取决于模型并行策略、编译器与调度栈的成熟度。
3) 软硬协同与生态外溢
开源模型与 SDK 能否带动算子生态与应用迁移,是释放硬件能力的关键一环;同时,数据、框架与工具链的兼容性将决定第三方开发者的采用曲线。
风险与不确定性
量产可得性与交付节奏:节点跨越(950→960→970)的间隔与产能爬坡,将直接影响实际落地。
功耗与散热:百万 NPU 级集群对供配电与液冷设施提出高门槛。
软件栈成熟度:低精度训练的收敛稳定、跨集群调度与容错,均需长期迭代验证。
对标体系:与竞品的横向对比需在统一基准、统一精度与统一数据/模型设定下进行,避免“口径不一致”造成的感知偏差。
观察
在先进制程约束下,华为将“低精度+开放互连+软件开源”作为放大系统级算力的主路径:用工程与系统堆栈去换单颗芯片的制程差距。这一策略的竞争点不在单项指标,而在端到端穿透力——从数值稳定到算子/编译器、从协议到调度、从 PoD 到 SuperCluster 的规模化可复制能力。
若时间表与交付能按计划推进,并在真实大模型工作负载下兑现吞吐与成本优势,这套路线有望成为“制程受限条件下的另一条登顶路径”;反之,任何一个链路环节的瓶颈,都可能放大为系统级短板。下一步,观察重点应落在:950 系列量产与集群实测、UnifiedBus 2.0 的生态采用度、以及低精度训练在标杆模型上的收敛“曲线图”。