国产AI算力雄起，华为超节点架构挑战英伟达霸主地位，胜算几何？

AI科技 2025年09月21日 17:22 0 aa

编辑文聪

声明：本文内容均来自于权威资料，结合个人观点撰写的原创内容，文章标注了文献来源和截图，请悉知。

前言

在人工智能的世界里，算力就像粮食一样重要。没有足够的计算能力，再聪明的AI模型也只能是纸上谈兵。

2025年秋天华为在全联接大会上扔出了一颗重磅炸弹——万卡集群技术，这不仅仅是一个产品发布，更像是向全球宣告：在AI算力的赛道上，中国企业不再是追赶者。那么华为这次的新技术能够撼动英伟达的霸主地位吗？

要理解华为的技术突破，得先明白一个基本问题：为什么需要这么多计算卡？

今天的AI大模型动辄需要处理数千亿个参数，训练一个顶级模型的计算量，相当于一台普通电脑不眠不休运算几千年。所以，科技公司们不得不把成千上万张计算卡连接起来，共同完成这个艰巨的任务。

但问题来了。把一万张计算卡简单地堆在一起，就像把一万个厨师塞进一个厨房，如果没有合理的分工和协调，结果只会是一团糟。这就是传统AI集群面临的最大难题——如何让这些计算卡高效协作。

简而言之将数千张计算卡整合为一个统一系统，使它们仿若一台超级计算机般实现协同运作，如此便能发挥出更强大的计算效能。

这是个什么概念？如果把算力比作马力，这相当于把六千多匹赛马的力量完美地结合在一起，而不是让它们各跑各的。

更强大的Atlas 960则把这个数字推到了15488张，算力更是达到了惊人的60 EFLOPS（在FP4精度下）。要知道，目前市面上主流的英伟达NVL144系统只能支持144张计算卡的互联，华为直接把这个数字提升了两个数量级。

这种规模的提升不是简单的数字游戏。在AI训练中，模型越大，需要的计算卡越多，而计算卡之间的协同效率直接决定了训练速度。华为的超节点架构，相当于把原本需要几个月的训练时间压缩到几周甚至几天。

在传统的计算集群中，数据传输就像城市交通，计算卡越多，"堵车"现象越严重。每张计算卡都在产生和需要海量数据，如果传输跟不上，再强的计算能力也发挥不出来。

它不是简单地增加带宽，而是重新设计了整个数据传输的逻辑。

Atlas 960的互联带宽达到34PB/s，这个数字意味着什么？打个比方如果把数据比作水流，这个带宽相当于每秒钟可以传输整个互联网上一天产生的数据量。

这个决定背后有着深远的考虑。在AI计算领域，英伟达的CUDA生态已经形成了事实上的垄断，全球绝大多数AI开发者都在使用CUDA编程。华为通过开放灵衢协议，实际上是在邀请全球的硬件厂商一起，构建一个新的技术生态。

这就像当年安卓系统对抗苹果iOS的策略——通过开放赢得更多盟友。不同的是这次战场在更底层的硬件互联协议上。

在整个万卡集群技术中，还有一个容易被忽视但极其重要的突破——华为自研的HBM（高带宽内存）技术。

HBM就像是计算卡的"工作台"，所有需要处理的数据都要先放在这里。传统的内存技术就像一个狭窄的工作台，数据多了就放不下，只能排队等待。而HBM则像是一个超大的工作台，可以同时处理更多数据。

到了昇腾960阶段，这个数字将提升到9.6TB/s。更夸张的是昇腾950DT，内存容量达到288GB，几乎是目前主流产品的三倍。

为什么要自研HBM？原因很简单，这项技术目前主要掌握在韩国企业手中，在当前的国际环境下，依赖进口存在巨大风险。华为通过自研，不仅解决了供应链安全问题，更重要的是可以根据自己的芯片架构进行定制优化。

这就像微软的Windows系统，即使有更好的替代品出现，用户的转换成本也是巨大的。

但华为也有自己的优势。首先是本土市场的支撑。2024年以来，中国各地的智算中心建设如火如荼，对大规模算力的需求急剧增长。

而由于众所周知的原因，英伟达最先进的芯片无法进入中国市场，即使是特供的H20芯片，性能也大打折扣。

其次是成本优势。虽然华为没有公布具体价格，但从产业链分析来看，在同等性能下，华为的解决方案成本可能只有英伟达的60-70%。对于动辄投资数十亿的AI计算中心来说，这个差异相当可观。

这种策略在历史上不乏成功案例，比如当年的分布式计算战胜大型机，云计算颠覆传统IT架构。

发表评论