时间：2025-07-29 22:27 作者：一陈旧人
为什么昇腾384超节点能成为“镇馆之宝”？
文 观察者网吕栋
机器人不仅能调酒、分拣还能格斗，AI眼镜不仅能翻译、导航还能支付，医疗大模型不仅能识别病理切片还能自动生成诊断报告，金融数字员工正从辅助工具变身“专业研究员”......这些画面并不是科幻电影，而是世界人工智能大会（WAIC 2025）被火爆围观的场景。
在这里，每个人都能感受到，中国AI应用创新正呈现百花齐放之势。但不可否认的是，无论AI技术在哪个场景落地，都离不开算力底座的支撑。尤其是在当下，随着全球AI竞争进入白热化，美国不断收紧技术出口管制，中国产业界更加呼唤底层软硬件的技术突破。
行业变革中，华为一直走在开放创新的前列。这次参展WAIC，华为重磅展出了昇腾384超节点真机，并获评“WAIC镇馆之宝”。它的创新之处在于，并没有像传统计算架构一样简单堆叠芯片，而是通过高速互联总线，突破互联瓶颈，让超节点像一台“AI服务器”一样工作，超大带宽、超低时延和超强性能等三大技术优势，可以长期满足行业算力需求。
在国外巨头的先发优势下，外界之前或许对国产算力没有底气，但相信这次大会能打消不少人的疑虑。在昇腾384超节点的身后，华为全方位展现了昇腾算力底座的创新能力、训练及推理解决方案、开源开放的软硬件生态，以及在互联网、运营商、金融、能源、教育科研等11大行业的丰富实践。
适配和开发超80个大模型，孵化6000+个行业解决方案等数据，充分证明了昇腾绝对不是“花架子”，而是已形成技术、应用和生态的正向循环。
镇馆之宝背后，是系统工程的突破
自大模型蓬勃发展以来，中国产业界就一直存在算力焦虑。一方面，大模型的Scaling Law（尺度定律）持续有效，训练和推理的算力需求爆发式增长；另一方面，美国不断收紧对先进算力芯片的出口管制，并遏制中国先进芯片制造能力，给国产单卡算力追赶制造障碍。
但实际上，大模型技术演进过程中，国产算力的挑战和机遇并存。一方面训练万亿参数大模型，仅靠单卡算力无法实现，集群算力成为大势所趋；另一方面，随着以DeepSeek为代表的MoE（混合专家模型）成为主流模型架构，其复杂混合并行导致通信需求骤增，单纯靠堆芯片，已不能带来有效算力的线性增加，但给提升通信带宽进而改善性能带来机遇。
在这种趋势下，华为充分发挥在通信、存储、基础软件等方面的大杂烩优势，通过非摩尔补摩尔、数学补物理等系统工程创新，成功实现业界最大规模的384颗昇腾NPU高速总线互联，构建了昇腾384超节点。它由12个计算柜和4个总线柜构成，算力总规模达300 PFLOPS。
并且，昇腾384超节点还可以通过灵活分配资源，更好地支持混合专家MoE大模型的训推，实现384卡“一卡一专家”，是业界唯一支持DeepSeekV3/R1在一个超节点域内即可完成所有的专家并行（EP）的方案，也是MoE模型的最佳训练/推理方案。
之所以能实现这种超强性能，是因为昇腾超节点并非修补式改进，而是彻底重构系统。一是打破以CPU为中心的冯诺依曼架构，计算单元通过总线直接互访，转变为更高效、更灵活的全对等架构；其次，新的总线技术重新定义通信互联协议，减少系统开销，内存统一编址，超节点内全局TB级内存统一访问；第三，突破传统服务器间通信能力不足带来的系统性能瓶颈，实现通信能力10倍提升，让计算不再等待通信，提升算力利用率和整体性能。
在半导体制程受限的情况下，昇腾384超节点通过资源高效调度，一定程度弥补了芯片工艺的不足。性能测试数据显示，在昇腾超节点集群上，LLaMA3等千亿稠密模型性能相比传统集群提升2.5倍以上；在通信需求更高的Qwen、DeepSeek等多模态、MoE模型上，性能提升可达3倍以上，较业界其他集群高出1.2倍，在行业中处于领先地位。更重要的是，通过最佳负载均衡组网等方案，还能将昇腾超节点组成数万卡的Atlas 900 SuperCluster超节点集群，支持更大规模的模型训练，成为中国AI创新的可靠底座。
枝繁叶茂，昇腾已走进千行万业
“中国制造业像今天这样如此强大的原因，不仅是它能更便宜地生产东西，也因为它能更便宜、更快、更好、更智能地生产东西，而且正在越来越多地将人工智能融入到产品中来。”美国记者托马斯·弗里德曼在《我在中国看到了世界未来的样子》一文中写道。
毫无疑问，任何技术只有落地才能产生价值，而中国AI技术的落地正走在世界前列。如果深入华为WAIC的展台就会发现，昇腾不仅在大规模算力集群上进行系统性创新，同时也已经深入千行万业，支撑互联网、运营商、金融、政务、教育等垂直领域的创新落地。
以运营商领域为例，浙江移动基于昇腾算力与移动九天大模型打造的“营销助手”ChatCRM，为一线人员提供智能问答、信息搜索和业务办理支持，目标客户获取时间从3小时骤降至3分钟，营销成功率提升5个百分点，知识问答准确率超过95%；上海电信基于昇腾算力自研魔方应用系统，让一线客服人员从被动接受变为主动设计，已经基于昇腾完成了Telechat和Qwen大模型的微调，把大模型在客服场景的准确度从80%提升到了90%。
金融行业也在积极携手昇腾，拥抱智能化。交通银行基于昇腾千卡算力集群，瞄准审贷联动、惠民催收、数据速查等大模型高价值场景，通过全流程优化，大幅减少人工校验工作量，缩短处理时间，目前已落地大小模型融合应用超100个，累计提升人力效能超1000人。浦发银行基于昇腾千卡算力集群，采用CANN架构，通过MindIE硬件使能引擎及ModelArts一站式AI开发平台进行统一纳管，支持DeepSeek、Qwen等多种主流大模型的部署，帮助浦发银行实现运营、普惠、零售、信用卡等200多个AI应用场景落地。
昇腾还深度融入实体产业，赋能更多领域。例如在医疗场景，昇腾+DeepSeek智慧医疗应用一体化解决方案，已在瑞金医院、华西医院、中山眼科等多家医疗机构落地，覆盖医学科研、辅助诊断、院区管理等多个核心场景；在电力领域，昇腾助力南方电网打造电力行业首个开放创新大模型“大瓦特”；在建材领域，昇腾助力海螺水泥打造建材行业大模型......
与此同时，AI技术也正在深刻重塑零售行业的各个环节。以深圳大型零售企业天虹为例，在昇腾算力和丰富AI工具链的支撑下，基于Qwen、DeepSeek等开源模型以及内外部海量数据进行模型后训练，打造了“百灵鸟”零售垂直模型，在营销策划、导购服务、商品运营、客服售后、经营决策、办公助手等业务维度开发了30多个智能应用，服务于6万名员工及合作伙伴，每月模型访问请求量超300万次，企业内部工作效率提升30%。
当全球AI竞争进入白热化，昇腾展现的不仅是根技术实力，更是一幅清晰的产业落地图景。截至目前，业界基于昇腾适配和开发超过80个大模型，在基础大模型多个技术方向均有积累，如讯飞星火认知、DeepSeek、Qwen、鹏城、LLaMA等。同时，昇腾联合2700+行业合作伙伴，共同孵化超过6000+个行业解决方案，正加速AI赋能千行万业。
以开放促发展，昇腾产业生态快速成长
AI技术的竞赛从来不是单点的比拼，本质上是软硬件生态的竞争。英伟达能领跑行业，不仅是因为有高性能的GPU，同时也因为拥有深厚的软件与开发者生态护城河。
从这一点来看，昇腾之所以能引领中国AI算力产业创新，在千行万业迅速落地，首先就是因为构建了完整且开放的昇腾AI基础软硬件平台，包括Atlas系列硬件、异构计算架构CANN、全场景AI框架昇思MindSpore、昇腾应用使能MindX以及一站式开发平台ModelArts等，帮助伙伴和开发者高效使用AI能力，创新场景化AI应用。
短短六年，昇腾产业生态以惊人速度构建起一片繁荣之地，330万开发者、2700家行业伙伴、6000余个行业解决方案、60余家硬件伙伴推出150多款产品……这些数字背后，是中国AI底层软硬件生态的强势崛起，更揭示了构建自主开放的AI算力生态已是大势所趋。
昇腾生态的爆发性增长，本质是华为和产业伙伴的集体突围。
当英伟达CUDA构筑的“围墙花园”日益成为全球AI研发的隐形基础设施，其生态黏性几乎定义了开发者的技术路径。然而昇腾以“开放”为抓手，开辟了另一条路径：作为充分释放处理器极致性能的关键，CANN实现分层深度开放，从最底层的算子开发层，到模型开发层、推理层，进一步兼容三方开源框架，让运行在三方框架、推理引擎上的模型/应用迁移至昇腾无需修改；新增开放AscendNPU IR接口，使能开发者向昇腾平台“无感迁移”。
昇腾的快速生长，也印证了AI竞争的本质是生态之争。英伟达CUDA生态的统治力，源自长期积累的庞大工具链、优化库与开发者社区形成的“护城河”。昇腾的破局之道在于双轨并行：一方面以开源开放加速技术民主化，在算子开发、系统调优、编译链优化等场景提供好用的工具软件，推动AI开发效率与性能的双重突破，截至目前，已携手互联网、运营商、金融等30多个伙伴，创新开发260多个高性能算子；另一方面，以“智能基座”产教融合深入人才土壤，2600门+实战导向课程，与高校联合成立实验室，为生态持续造血。“技术+人才”的双轮驱动，让昇腾持续成为中国AI创新的坚实底座。
在AI重塑未来的时代，没有生态的算力如同无根之木。国外厂商虽有先发优势，但单一依赖将扼杀技术多样性与产业安全。昇腾生态的快速成长，标志着全球AI算力格局正从“一极统治”向多元生态深刻演变。当昇腾“黑土地”上持续生长出本土化的框架、工具与人才，中国AI产业将实现真正的技术、应用和生态繁茂，握紧通往智能时代的钥匙。
2、北大教授姚洋宣布开始“沪漂”，如何看待他列出的离开北京的原因？