華為釋出昇騰960與超節點：強調AI算力底座，切入NPO光互連系統工程
為何重要
華為此次宣示將資源集中於「算力底座」，反映出 AI 競爭重點已從晶片單點效能轉向封裝、光互連與系統架構的整體效率。對開發者而言，CANN 與 PyTorch 的深度整合以及面向模型的適配前置，有助於縮短大模型的落地時間；對產業而言，NPO（近封裝光學）在成本與可靠性上的佈局，預期將成為業界效率最佳化的重要參考路徑。
華為在全聯接大會公佈昇騰960系列與超節點藍圖，強調在國內製造與封測配套打通後，AI算力競賽已從單晶片的核心向系統工程轉變。
- 昇騰960DT 達成此前計畫提前三個季度的準備期，支援 2 PFLOPS FP8 / 4 PFLOPS FP4，HBM 容量最高 288GB、頻寬 9.6TB/s。
- 960 超節點升級至 4096 張 NPU 卡，組成 8 EFLOPS FP8 算力叢集，透過跨節點統一記憶體編址，MFU 提升 2.75 倍。
- 新技術 NPO 推出 Hi-ONE 光引擎，單引擎整合 36 路 200G（7.2Tbps），取代約 4.8 萬個 800G 模組，功耗降低逾 550kW，可用度達 99.8%。
- CANN 生態開 source 且進入 PyTorch 官方支援路徑，月活開發者超 5200 人，開發者可進行原生預訓練。