9个月，正在成为华为昇腾芯片路线图上的一个关键数字。
去年全联接大会上，华为给出的昇腾960时间表还是2027年第四季度。一年之后，这一时间表大幅提前。9月17日，在华为全联接大会2026上，华为副董事长、轮值董事长汪涛表示，昇腾960DT提前至2027年第一季度，960PR提前至第三季度，未来昇腾系列芯片将保持一年一代的演进节奏。
根据华为公布的数据，昇腾960超节点是全球首个采用NPO技术的超节点，采用5500个Hi-ONE，替代原本需要的4.8万个800G光模块，功耗降低超过550千瓦，系统无故障运行时间提升一倍，系统可用度达到99.8%。
但如果只把这看成一次芯片迭代，可能低估了华为这几年在AI算力上的变化。
今年华为发布的新技术和新产品，已经很难再用“一颗芯片”来概括：从昇腾960超节点，到灵衢、Hi-ONE NPO，再到AI记忆存储OceanStor M900，华为正在把计算能力从芯片进一步延伸到服务器、网络、存储以及软件生态。
汪涛首次就这一系列技术路线系统复盘了华为过去几年从单颗芯片向系统级算力演进的过程。他谈到了华为在芯片、互联和软件生态等环节面临的现实约束，也解释了为什么华为最终选择了一条不同于单纯追求单芯片性能的技术路线。
“这个节奏，是华为基于当前可获得的工艺，始终坚持创新的结果。”汪涛表示。
这句话或许是理解华为当前算力战略的一个入口：将多个芯片更加紧密、高效地连接起来，打造超大规模算力底座，助力中国大模型加速模型迭代，构筑世界领先优势。
从一颗芯片，到一套计算系统
在华为看来，AI变革的速度已经超过历史上任何一次技术革命。
过去AI芯片的竞争，很大程度上围绕单颗芯片的算力、能效等指标展开，但随着大模型参数规模不断扩大，训练和推理所需要的计算资源已经从单卡、单机逐步走向大规模集群，芯片之间如何高效通信、如何共享计算和存储资源，以及整个系统能否保持稳定运行，开始成为影响AI基础设施效率的重要因素。
汪涛表示：“全球万亿级MoE模型正快速迭代，各方交替领先。预计到2027年，10万卡的算力集群成为训练SOTA模型的标配。”
在这样的计算需求下，仅仅提高单颗芯片的计算能力已经难以覆盖整个系统的需求，这也是华为近年来持续强调超节点和集群架构的原因。
所谓超节点，并不是简单地把大量服务器卡连接起来。在今年的WAIC上，鹏城实验室与全球计算联盟，联合38家单位共同发布了《超节点定义与实践白皮书》，各方就超节点的核心架构及其关键特征形成了共识：即具备跨物理节点的统一内存编址能力，逻辑上具备“一台计算机”特征的计算系统。
“很多人简单把所有服务器卡连在一起就叫超节点，其实这是一个误区。”在汪涛看来。如果只是通过RoCE、IB等网络连接起来，本质上仍然属于集群，而超节点需要解决的是节点内部更深层次的计算和互联协同问题。
随着计算规模扩大，计算资源之间的互联效率也越来越可能成为影响整个系统效率的关键变量。在10万卡规模的集群中，如果仍采用传统的8卡服务器架构，内部通信时间可能超过训练总时间的40%。华为马尔可夫实验室的一项仿真则显示，在相同的10万卡规模下，由4096卡超节点组成的集群，相比由8卡服务器组成的集群，MFU（模型浮点算力利用率）可以提升2.75倍。
汪涛表示：“我们做过测算，MFU每提升1个百分点，10T大模型训练可以缩短三天。”提升MFU是一个世界级难题，需要从系统工程视角进行优化。
这也是今年华为将灵衢、Hi-ONE NPO、OceanStor M900等不同产品放在同一套架构中讨论的原因。随着超节点规模扩大，传统光模块连接方式面临带宽、功耗和可靠性等方面的挑战，华为因此进一步推进NPO光互联；在存储侧，OceanStor M900则针对大模型推理中的KV Cache需求提供PB级缓存能力。按照华为的规划，这些能力最终都需要通过灵衢统一互联起来。
华为将这种能力定义为系统工程：“只做好一个芯片是远远不够的，只做一个整机、做一台服务器也是不够的。最后它是一个复杂的、多学科的系统工程能力——给客户交付一个高可用度的计算系统，才是有价值的。”汪涛说。
从这个角度看，昇腾960超节点是这套系统中的一个重要组成部分。华为当下已经不只是“如何做出一颗更快的芯片”，而是如何把更多处理器、互联、存储和软件能力组织成一个高效的计算系统，使算力能够以更高的效率和稳定性交付给客户。
一条“被逼出来”的路，开始变成系统工程
华为并不是一开始就选择了今天这条路。
过去几年，从昇腾芯片到服务器，再到超节点和集群，华为不断扩大自身在AI计算基础设施中的覆盖范围，而背后的一个现实因素，是单颗芯片在先进制程上的限制。
汪涛对此也并不回避。他在交流中直言：“因为众所周知的原因，先进工艺不可获得，我们需要从多芯片上突破，希望把更多的计算资源联接在一起。”
也正是在这样的现实约束下，华为开始围绕“超节点+集群”进行系统级创新，把计算、互联、存储和软件纳入同一套系统架构，从而实现更高的计算效率。
而现在，这场重构正在进一步向更大规模的计算架构延伸。
“必须要通过创新打造新的路径。”汪涛说。
这条路某种程度上是“被逼出来”的，但从一开始，它就是一条自主创新的路。今天的SOTA模型训练，不是一颗芯片、一台服务器可以完成的。随着AI计算规模从单卡、单机走向大规模集群，计算、互联、存储和软件之间的协同本身正在成为算力基础设施的重要组成部分。
一套新的计算架构要真正成立，需要开发者愿意使用，模型厂商愿意适配，客户愿意部署，软件生态也需要持续迭代。尤其是在AI开发高度依赖既有软件生态的情况下，硬件能够运行，与开发者愿意长期在这一平台上开发，是两件不同的事情。
这也是CANN需要解决的问题。CANN的全称为Compute Architecture for Neural Networks，是过去几年里，华为面向昇腾AI处理器打造的软件平台，连接底层硬件与上层AI框架、模型和应用。
汪涛表示， CANN作为昇腾生态的根基，自2018年发布首个版本以来，经过8年的技术积累，架构与能力已逐步走向成熟完善。昇腾生态跨越了拐点，根据华为公布的数据，目前CANN外部开发者占比达到61%，月活跃开发者超过5200人，已有40多个模型实现原生预训练，90多个主流第三方社区进行深度共建。
昇腾已正式成为继 NVIDIA、AMD、Intel之后，在 PyTorch 官网可直接安装的算力平台，也是首个来自中国的算力平台，全球所有开发者可以直接获取昇腾算力的创新成果。PyTorch是目前全球主流的开源机器学习框架之一，被广泛用于大模型训练和推理开发。
“构建开源开放的算力生态是华为公司的核心战略。我们坚持构建开源开放的算力生态，支持主流大模型基于昇腾原生训练、积极拥抱‘百模千态’。一个计算系统工程不仅仅是硬件还有软件生态，涉及算子、AI框架、领域加速库以及复杂的工具体系。”汪涛说。
但即便如此，生态建设仍然是一个长期过程。“没有任何一家公司能独自支撑整个智能世界。”汪涛说。在他的描述中，华为聚焦AI算力基础设施的角色，坚持硬件变现。模型公司做好模型，合作伙伴则围绕产品和服务形成自己的能力，“每家都磨好自己的豆腐”。
昇腾真正的拐点正在到来
如果说过去几年华为是“被逼出来”寻找一条能够继续向前走的路，那么今天，这条路正在进入另一个阶段。昇腾960芯片研发提前落地、Hi-ONE NPO率先引入超节点，昇腾生态跨越拐点，都说明华为已经不再只是单点补齐能力，而是在逐步把这套系统做大。
这条路已经越来越被业界认可，汪涛在演讲中提到：昇腾910C超节点已部署超过1000套，昇腾950超节点已经规模商用。超节点已成为产、学、研共识，成为AI基础设施建设的必然选择。
从“超节点”作为一个概念被提出，到装机量过千套，华为用了不到两年。这也意味着，过去几年围绕单颗芯片差距的讨论，正在被另一组变量替代——谁能把上万张卡连成一台稳定的计算机。
“随着大模型迈向十万亿级规模，超节点逐渐成为超大规模AI基础设施建设的‘必选项’。”汪涛说。
他同时表示，“华为AI战略的核心，就是做好算力，同时坚持硬件变现。”
在他看来，坚持算力作为主赛道、坚持硬件变现，还有一个重要原因是明确研发资源的边界。华为业务线众多，很多技术和产业方向彼此交叉，公司也会进行探索，但并不意味着所有业务都将成为华为的商业变现方向。“华为员工具有很强的创造性，希望在不同方向做到世界第一，但公司的研发资源并不是无限的，因此需要明确核心投入方向。”
“既有头部互联网，也有大模型初创企业，他们的优异产品和强大的创新能力显著提升了中国人工智能的全球影响力。华为的使命是为这些优秀企业构建坚实的算力底座，做好他们坚强的后盾和伙伴。”汪涛表示，他们代表中国科技的未来，华为要做的就是磨好自己的豆腐，做好算力底座。
华为希望通过持续投入，打造中国算力底座，并为全球市场提供新的选择，“希望经过5到10年能实现”。
从昇腾芯片到超节点，从超节点到集群，再到互联、存储和软件生态，华为正在把AI计算的边界不断向系统层面延伸。单颗芯片的差距仍然存在，但路径已经清楚：时间表在提前，装机量在增长，行业标准由国内产学研用共同写定。
“我们是没有退路。但我们认为‘没有退路就是胜利之路’。”汪涛说。
