（文/觀察者網 呂棟）
機器人不僅能調酒、分揀還能格斗，AI眼鏡不僅能翻譯、導航還能支付，醫療大模型不僅能識別病理切片還能自動生成診斷報告，金融數字員工正從輔助工具變身“專業研究員”......這些畫面并不是科幻電影，而是世界人工智能大會（WAIC 2025）被火爆圍觀的場景。
在這里，每個人都能感受到，中國AI應用創新正呈現百花齊放之勢。但不可否認的是，無論AI技術在哪個場景落地，都離不開算力底座的支撐。尤其是在當下，隨著全球AI競爭進入白熱化，美國不斷收緊技術出口管制，中國產業界更加呼喚底層軟硬件的技術突破。
行業變革中，華為一直走在開放創新的前列。這次參展WAIC，華為重磅展出了昇騰384超節點真機，并獲評“WAIC鎮館之寶”。它的創新之處在于，并沒有像傳統計算架構一樣簡單堆疊芯片，而是通過高速互聯總線，突破互聯瓶頸，讓超節點像一臺“AI服務器”一樣工作，超大帶寬、超低時延和超強性能等三大技術優勢，可以長期滿足行業算力需求。
在國外巨頭的先發優勢下，外界之前或許對國產算力沒有底氣，但相信這次大會能打消不少人的疑慮。在昇騰384超節點的身后，華為全方位展現了昇騰算力底座的創新能力、訓練及推理解決方案、開源開放的軟硬件生態，以及在互聯網、運營商、金融、能源、教育科研等11大行業的豐富實踐。
適配和開發超80個大模型，孵化6000+個行業解決方案等數據，充分證明了昇騰絕對不是“花架子”，而是已形成技術、應用和生態的正向循環。
鎮館之寶背后，是系統工程的突破
自大模型蓬勃發展以來，中國產業界就一直存在算力焦慮。一方面，大模型的Scaling Law（尺度定律）持續有效，訓練和推理的算力需求爆發式增長；另一方面，美國不斷收緊對先進算力芯片的出口管制，并遏制中國先進芯片制造能力，給國產單卡算力追趕制造障礙。
但實際上，大模型技術演進過程中，國產算力的挑戰和機遇并存。一方面訓練萬億參數大模型，僅靠單卡算力無法實現，集群算力成為大勢所趨；另一方面，隨著以DeepSeek為代表的MoE（混合專家模型）成為主流模型架構，其復雜混合并行導致通信需求驟增，單純靠堆芯片，已不能帶來有效算力的線性增加，但給提升通信帶寬進而改善性能帶來機遇。
在這種趨勢下，華為充分發揮在通信、存儲、基礎軟件等方面的大雜燴優勢，通過非摩爾補摩爾、數學補物理等系統工程創新，成功實現業界最大規模的384顆昇騰NPU高速總線互聯，構建了昇騰384超節點。它由12個計算柜和4個總線柜構成，算力總規模達300 PFLOPS。
并且，昇騰384超節點還可以通過靈活分配資源，更好地支持混合專家MoE大模型的訓推，實現384卡“一卡一專家”，是業界唯一支持DeepSeekV3/R1在一個超節點域內即可完成所有的專家并行（EP）的方案，也是MoE模型的最佳訓練/推理方案。
之所以能實現這種超強性能，是因為昇騰超節點并非修補式改進，而是徹底重構系統。一是打破以CPU為中心的馮諾依曼架構，計算單元通過總線直接互訪，轉變為更高效、更靈活的全對等架構；其次，新的總線技術重新定義通信互聯協議，減少系統開銷，內存統一編址，超節點內全局TB級內存統一訪問；第三，突破傳統服務器間通信能力不足帶來的系統性能瓶頸，實現通信能力10倍提升，讓計算不再等待通信，提升算力利用率和整體性能。
在半導體制程受限的情況下，昇騰384超節點通過資源高效調度，一定程度彌補了芯片工藝的不足。性能測試數據顯示，在昇騰超節點集群上，LLaMA3等千億稠密模型性能相比傳統集群提升2.5倍以上；在通信需求更高的Qwen、DeepSeek等多模態、MoE模型上，性能提升可達3倍以上，較業界其他集群高出1.2倍，在行業中處于領先地位。更重要的是，通過最佳負載均衡組網等方案，還能將昇騰超節點組成數萬卡的Atlas 900 SuperCluster超節點集群，支持更大規模的模型訓練，成為中國AI創新的可靠底座。
枝繁葉茂，昇騰已走進千行萬業
“中國制造業像今天這樣如此強大的原因，不僅是它能更便宜地生產東西，也因為它能更便宜、更快、更好、更智能地生產東西，而且正在越來越多地將人工智能融入到產品中來。”美國記者 托馬斯·弗里德曼 在《我在中國看到了世界未來的樣子》一文中寫道。
1 2 3 下一頁 余下全文本文鏈接：為什么昇騰384超節點能成為“鎮館之寶”？http://www.sq15.cn/show-3-150690-0.html
聲明：本網站為非營利性網站，本網頁內容由互聯網博主自發貢獻，不代表本站觀點，本站不承擔任何法律責任。天上不會到餡餅，請大家謹防詐騙！若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。
下一篇： 印度首次成為美國手機最大供貨地