湖南
➡️本篇基于华为全联接大会信息，解读昇腾新一代芯片路线图与 NPO 近封装光学超节点方案，区分大会提及的技术方向与尚未落地的行业猜想，对比英伟达硬件‑生态‑集群的综合优势，客观分析国产 AI 算力的进展，同时梳理生态、量产、技术迁移等现实挑战。
文｜捉驿 •栏目｜数字视线
华为全联接大会上，两组重磅信息搅动了整个 AI 算力行业。
新一代昇腾 AI 芯片路线图正式更新，昇腾 960DT 的发布节点大幅提前。
大会上华为提及韬定律的技术方向，行业普遍猜测，这套在麒麟芯片上验证成功的技术思路，有望迁移到 AI 芯片领域，带来可观的性能提升。
与此同时，搭载业界首个 NPO 近封装光学方案的昇腾 960 超节点亮相，单节点最多可接入 4096 颗 NPU。
算力竞争早已不再比拼单颗芯片的跑分，芯片硬件、软件生态、高速集群互联三位一体，国产 AI 算力正式迈入体系对抗的新阶段。
追赶算力，不能只盯着单颗芯片的参数跑分。 硬件、软件生态、集群互联，三者缺一不可。
路线图更新：昇腾芯片迭代节奏全面提速
在本次全联接大会，汪涛公布了昇腾系列新一代芯片的时间规划。
昇腾 960DT 预计 2027 年第一季度推出，昇腾 960PR 定在 2027 年第三季度，昇腾 970 落地于 2028 年，昇腾 980 则计划 2029 年上线。
对比旧版规划，960DT 整体提前约 9 个月，官方透露 960DT、960PR 两款芯片能够实现性能翻番。
这里需要厘清，华为在大会提到了韬定律的技术发展方向，但并未官宣将这套技术落地到昇腾 AI 芯片，能否完成迁移，只是行业媒体和业内人士的推测。
CANN 与 Mind 系列工具链持续开源，对标 CUDA 体系，持续补齐软件生态这块短板。
从出货数据来看，昇腾去年交付 81.2 万张算力卡，正在持续缩小和海外头部厂商之间的体量差距。
昇腾 960 超节点：NPO 近封装光学，万卡集群的另一条路线
单颗新芯片解决的是单机算力上限，而昇腾 960 超节点，瞄准的是大规模算力集群互联的核心难题。
大集群部署一直存在一个棘手难题，光模块会产生巨大功耗。上万卡规模的算力集群，光模块自身就要消耗大量电力，功耗天花板限制了集群扩容的规模。
Atlas 960 液冷超节点采用 NPO 近封装光学方案，单节点最高支持 4096 颗 NPU 互联，面向超大参数大模型的训练与推理任务。
NPO 把光引擎放置在靠近芯片的位置，提前完成电光信号转换，减少信号传输带来的损耗。
它和英伟达主推的 CPO 共封装光学路线有着明显区别。
CPO 将光器件直接封装进芯片内部，性能上限更高，但后期维修、更换器件难度很大。
NPO 保留可插拔的光模块，在性能、功耗、运维成本之间找到了平衡。
这套方案可以替换大量传统 800G 光模块，降低整机功耗。
同架构的风冷版本 Atlas860，会在 2027 年第二季度率先上市，液冷版 Atlas960 超节点将于 2027 年第三季度投入商用。
华为联合二十余家合作伙伴发起 OPEN‑NPO 项目，推动这套互联技术成为开放通用标准。
对标英伟达：硬件、生态、集群三重博弈
英伟达能够长期坐稳 AI 芯片龙头位置，依靠的不只是 GPU 硬件算力。
一是单芯片本身的硬件性能；二是 CUDA 积累下庞大的软件生态，全球绝大多数 AI 模型都基于 CUDA 训练；三是成熟的高速互联技术，可以支撑上万卡规模的超大算力集群稳定运行。
昇腾现在同时在三条赛道发力。
芯片迭代寄望韬定律相关技术思路带来性能提升，CANN 开源持续搭建国产软件生态，NPO 技术提供一套可落地的大规模集群互联方案。
但现实差距客观存在。单芯片的绝对性能仍有差距；生态迁移成本高昂，国内不少客户现阶段选择双栈并行，同时使用 CUDA 和国产算力栈，全面切换需要漫长周期。
NPO 技术同样要经受良率、成本和大规模真实部署场景的考验。
芯片拼的不只是单颗性能，更是芯片、软件、互联集群的整套体系。
单颗芯片就像是一名士兵，NPO 超节点则相当于搭建起整套集团军通信调度系统。
单兵实力固然重要，但集团军想要承接超大规模训练任务，通信调度体系才决定了整体战斗力的上限。
机遇与现实，国产算力还有几道关要闯
路线图提前落地、NPO 集群方案亮相，代表国产 AI 算力已经跳出单点硬件突破的思路，转向完整体系建设。
不过挑战依旧清晰。韬定律在手机芯片上已经跑通，但迁移到大算力 AI 芯片之后，能不能复刻相同的收益，还需要等待实机测试验证。
软件生态建设是长期工程，CANN 开源之后，还需要吸引大量开发者、模型厂商完成适配工作。
NPO 目前纸面参数亮眼，但大规模商用后的良率和运维成本，还需要真实项目持续检验。
同时要分清，本次公布的全部属于产品路线规划。
芯片能否按时交付、达到预设性能指标，还会受到制造工艺、供应链等多重因素制约，规划不等于已经实现量产落地。
市场份额正在稳步追赶，但不管是硬件指标还是生态成熟度，和全球顶尖水平仍存在差距，算力追赶不会一蹴而就。
AI 算力的竞争早已不是单芯片跑分游戏，一套完整的软硬件集群体系，才是决定长期竞争力的关键。
你觉得国产 AI 算力，最大短板是芯片硬件，还是软件生态？欢迎聊聊你的看法。
#华为昇腾#国产AI算力#NPO#CANN#AI大模型
【免责声明】：本文部分配图源自公开渠道或CC0协议素材，仅作行业交流与产业参考使用。如涉侵权，请联系后台处理。本文仅做行业科普与实操分享，不构成任何投资、消费决策建议。文中数据及案例均来自公开信源，仅供参考，具体以实际为准。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
