华为昇腾960提前9个月上市，中国AI硬件产业链正在重做一遍

2026-09-18公众号文章

一颗芯片追不上英伟达，中国开始用 HBM、封装、光互联、存储和百万卡系统，换一种打法

硅基时间产业洞察 · 2026-09-17

华为轮值董事长汪涛在华为全联接大会讲完昇腾 960 提前就绪，接下来十几张 PPT 没有一张是芯片：光引擎、统一总线、100T 交换机、4,096 卡超节点、百万 NPU 集群、KV Cache 存储、96kW 液冷机柜。华为不是在发布一颗芯片，它是在把 AI 计算机从头到尾重新做一遍——竞争的基本单位从芯片换成了系统，中国的产业地图也从「国产 GPU 替代」扩成了一整条新链条。

一、路线图之后，还有十张 PPT

9 月 17 日，上海，华为全联接大会。展馆人满为患，主会场外排着长队，展区里国际参观者的密度比往届高得多。这个细节本身就是信号：来的人想知道，华为的芯片怎么追上英伟达，接下来打算怎么办。

先看路线图。960DT，2027 年一季度，比原计划提前三个季度；960PR，2027 年三季度，提前一个季度；970，2028；980，2029。此后一年一代¹。汪涛同时披露：昇腾超节点已部署超过 1,000 套（以 910C 为主），950 超节点已规模商用²。

华为接着发的是 Hi-ONE 光引擎、灵衢 UnifiedBus、100T UBG 交换机、4,096 卡的 Atlas 960E 超节点、100 万 NPU 的 Agentic 超节点集群、OceanStor M900 记忆存储、鲲鹏 950 通算超节点，以及一个 96kW 的液冷机柜³。

一颗芯片的发布会，不需要讲交换机和冷却液。华为讲了，因为它要交付的东西变了。汪涛的原话是：华为 AI 战略的核心是算力，"坚持硬件变现"¹⁸。

AI 竞争的基本单位，正在从一颗芯片变成一台计算机。

这句话是理解今天这场发布会、也是理解未来三年中国 AI 硬件产业的一把钥匙。

先把三个词说清楚：芯片，一颗 NPU；计算机，华为叫超节点，几千颗 NPU 连成逻辑上的一台，程序看到的就是一台机器；工厂，几百台超节点连成集群，再加上给它供电、散热、喂内存的整条产业链，产品是 Token——英伟达叫它 AI Factory。这篇文章的顺序，就是从芯片讲到计算机，再从计算机讲到工厂。

二、一颗芯片追不上，就重新定义「一台计算机」

中国 AI 芯片的基本现实没有变：把先进制程、HBM、封装、软件生态全部算进去，单颗芯片与英伟达最先进产品仍有差距。

华为选的路线是：既然一颗芯片短期追不上，就不只比一颗芯片。

现场最让我印象深刻的一张图是 Atlas 960E SuperPoD（官方通稿称「昇腾 960 超节点」）：4,096 NPU 统一内存编址，全域 D2D RTT 2 微秒（华为 PPT 原始口径），2027 年三季度上市⁴。去年全联接把 Atlas 960 SuperPoD 说成最多 15,488 卡、30 EFLOPS，今年收成 4,096 卡、8 EFLOPS（FLOPS 是每秒浮点运算次数，芯片算力的峰值口径；1 PFLOPS 是每秒一千万亿次，1 EFLOPS 是它的一千倍；）

这不是简单缩水，而是产品边界重划：Scale-up 的“单台逻辑计算机”收敛到 4K NPU，更大的规模交给 Scale-out。这已经不是「4,096 台服务器联网」，它要做的是把几千颗 NPU 在逻辑上变成一台计算机：单超节点 8 EFLOPS FP8，HBM 容量 1PB。

华为给了这条路线一个定量依据。现场一张仿真曲线：MoE 模型越大越稀疏，通信占训练时间的比例越高——1.6T 模型、1.6 万卡时是 18%，10T 模型、10 万卡时到 44%。通信占的时间，就是芯片空转的时间；衡量它的指标叫 MFU，模型算力利用率——峰值算力里真正用在训练上的比例。

同一条件下，4K 超节点的 MFU 约 31%，8 卡服务器约 11%，差 2.75 倍²⁶。FLOPS 是说明书上的马力，MFU 才是里程表上的数。单卡性能落后多少是一道题，十万张卡里有多少时间真正用于计算是另一道题——华为选择解决第二道题。

图 1　「一台计算机」的边界从一颗 CPU 长到百万 NPU；单卡追不上，就在系统层补回来。来源：华为全联接大会 2026

这个方向在 950 上已经落地⁵。单柜把 64 颗昇腾 950DT、16 颗鲲鹏 950、互联、IO、供电和散热紧耦合在一起，CPU 和 NPU 按 2:8 组成逻辑计算节点。报道特别指出，这个设计的目的是让 CPU、NPU 和互联在逻辑上作为一个整体执行训练和推理，而不只是往柜子里多塞芯片⁶。

展区里的 Atlas 950 SuperPoD 真机：1,024 卡，256TB 统一内存编址。摄影：蒋涛

几千颗 NPU 能不能高效协作，决定单卡性能有多少能真正变成系统性能。华为赌的是，在系统这一层，它能把单芯片的落差补回来。

三、先进制程之外，中国最缺的可能是 HBM

再看路线图上的另一组数字⁷。

图 3　算力持续翻番，内存带宽两年提升 4 倍：HBM 正成为另一道关键瓶颈。

真正困难的地方可能在 FLOPS 之外：这么大的容量和带宽从哪里来。答案绕不开 HBM。

过去谈国产 AI 芯片，注意力都在 7 纳米、5 纳米、3 纳米落后多少。但 AI 芯片已经变成三件东西的组合：Compute Die、HBM、先进封装。缺任何一块，另外两块都发挥不出来。

HBM 的问题不只是技术，还有产能。SK 海力士、美光等主要供应商正在通过多年期协议提前锁定大量未来内存供应。这意味着中国面对的约束出现了两层：第一层是政策面的出口管制，最先进的买不到；第二层是市场面的产能挤占，即使允许卖，未来新增产能也早已被美国科技巨头大客户订走。

以前的限制是「不能卖给你」，现在多了一层：「等你想买时，产能已经被别人订走了」。

后一层比前一层更难对付：技术突破解决不了它，它要的是产能、资本和长期订单。

这决定了国产供应链补课的先后，也是大买家下单、投资人下注该盯的顺序。NAND 可以买，DRAM 厂不必自建，HBM 不能等：设计、接口、封装、可控供应，缺一样，国产 GPU/NPU 做得再快也卡在内存墙上。它是最先要拿下的一环；接口、良率、产能爬坡哪一样掉队，先后才需要重排。

这一环的分工今天已经看得见：华为自研的 HBM（950 用的 HiBL、HiZQ）管规格和接口，裸片要靠长鑫——国内唯一做 HBM 裸片的厂，HBM3 样品已交到华为手上，2026 年冲量产，12 层 HBM3E 计划 2027 年²⁴。960DT 的 288GB、9.6TB/s 正是 8 颗 12 层 HBM3E 的规格，和长鑫的时间表几乎贴着：960 能不能按量出货，要先看长鑫的良率。

四、芯片里面靠封装，芯片外面靠光

先进制程短期不能同代竞争，还有没有别的办法？有。华为这场发布会给了两个答案：芯片里面靠先进封装，芯片外面靠高速互联。

封装过去被当作半导体的「后道」。AI 改变了这件事。当 Compute Die、HBM、I/O Die 越贴越近，封装开始决定带宽、延迟、功耗、散热和良率。它从「把芯片装起来」变成了延续摩尔定律的一种方式。以后衡量一颗 AI 芯片，不能只问几纳米，还要问：几个 Compute Die，多少 HBM，多大内存带宽，什么封装，Die-to-Die 带宽多少。芯片本身已经是一个小系统。

芯片外面，是光。现场另一张 PPT 的价值不低于 960：Hi-ONE NPO 光引擎，华为称这是业界首个量产、也是传输能力最大的近封装光引擎⁹。落到 960 超节点上：5,500 个 Hi-ONE 替代原本需要的 48,000 颗 800G 光模块，功耗降低 550 千瓦以上，系统可用度 99.8%¹⁸。

图 4　光引擎贴到主芯片旁边，超节点内可插拔光模块从 48,000 个降到 0；光模块从网络设备变成 AI 计算机的总线。来源：华为全联接大会 2026

华为要解决的问题很朴素：几千、几万颗芯片连在一起以后，纯电互联开始碰到功耗、距离和信号完整性的边界。距离越远、速率越高，铜越吃力，光就不断向芯片靠近——过去是机柜之间走光，后来是板卡之间走光，NPO/CPO 时代是芯片之间走光。华为把这条原则叫「近铜远光」。

图 5　950 超节点机柜背面，成束的光纤跳线仍要靠人手一根根插好；960E 要把这些光模块全部收进芯片旁边，归零。摄影：蒋涛

这件事对中国尤其重要。中国在全球 AI 产业链里最弱的是先进逻辑制程，过去二十年积累最深的能力之一恰恰是通信：光器件、光模块、交换机、光纤，产业基础完整。

过去二十年为互联网修路的中国通信产业，正在搬进 AI 计算机的内部。

光模块过去是「网络设备」，未来越来越像 AI 计算机的总线。AI 硬件的价值，正在从 GPU 向光扩散。

五、交换机也不再只是交换机

下一张更激进：灵衢 UnifiedBus 加两层 CLOS 组网，打造 100 万卡集群。单平面 32k，多平面到 1,024k；面向超节点集群的 100T 级 UBG 交换机，1,024 大 Radix，华为规划 2027 年四季度（现场 PPT）¹⁰。

华为做了两层架构。第一层 Scale-up：4,096 颗 NPU 组成一个超节点，追求极低延迟、极高带宽和统一内存寻址，让它们尽可能像一台机器。第二层 Scale-out：把大量超节点用 CLOS 网络连起来——两层 CLOS 四平面到 51.2 万卡，再加多轨道拓扑到 100 万卡¹¹ ¹⁸。

图 6　4,096 卡超节点乘以约 250 个，就是 100 万 NPU；Fabric 的利用率是整座工厂并行系数的上限。来源：华为全联接大会 2026，对比为华为口径

这时候交换机是什么？过去，交换机就是网络；现在，交换机是计算机的一部分。

这些数字为什么重要？如果几万颗 NPU 大量时间都在等通信，理论 FLOPS 再高也没有意义。Fabric 的效率直接决定理论算力能变成多少有效算力。放回硅基时间的公式，Fabric 就是并行系数的物理上限。利用率下降多少会损失多少有效算力，取决于模型结构、并行策略和 batch 等具体条件；但规模越大，通信等待对硅基时间产出的影响就越不能忽略。

这恰好是华为最值得观察的地方。先进制程是它的约束，通信却是它几十年的长板。当 AI 从单芯片走向万卡、百万卡，通信第一次从「计算机外面的网络」进入「计算机本身」——华为实际上是在把通信优势转化成计算优势。这是理解这场发布会的第二把钥匙。

六、SSD 开始从「硬盘」变成「内存」

一张很容易被忽略的 PPT：OceanStor M900 AI 记忆存储。它要存的东西是 KV Cache——Agent 每一轮的上下文状态，而非模型文件本身。

现场展示的是一套分层结构¹²。

图 7　HBM、DRAM、SSD 之下长出第四层：全局 KV Cache 池。SSD 从硬盘变成内存。来源：华为全联接大会 2026

为什么突然需要这么大的 KV Cache？因为 AI 的工作负载变了。以前的大模型是输入、推理、输出；Agent 是读上下文、思考、调工具、拿结果、再思考、存状态、下一轮继续。Agent 越多、上下文越长，系统就越不像一个计算器，越需要记忆。

同一个逻辑也解释了为什么华为把鲲鹏通算超节点一起升级：海量 Agent 并发与交互需要通用算力，TaiShan 950 SuperPoD 从 8 节点扩到 4,096 节点，单柜 16 颗 CPU 扩到 128 颗，内存池化从 24TB 到 256TB¹³。Agent 不只要 NPU 算，还要 CPU 跑工具、跑环境、跑状态。

大模型首先把算力变成稀缺资源，Agent 正在把记忆也变成稀缺资源。

于是 SSD 开始承担过去属于内存体系的职责，一个新的 AI 内存层级正在形成：HBM、DRAM、Memory SSD、KV Cache 池、存储。以后不能再把 SSD 简单看成「存储产业」，NAND、SSD 主控、存储软件、DPU、分布式存储，都会出现新需求。

七、一个 96kW 的机柜，就是一条新产业链

报道里有一个数字很容易被跳过：96kW。

Atlas 950 SuperPoD 单个 64 卡计算柜配 3 个电源框、18 个电源模块，每个约 6kW，形成约 96kW 级集中式供电；官方产品页描述为约 100kW。380V 交流进，54V 直流母线出，通过母线排 Busbar 送到每一片刀片。分液器Manifold 上 18 对盲插快接头加 4 对手插快接头；整柜 44OU，满配约 1,650–1,700 公斤⁶。

图 8　展区拆开给人看的 NPU 刀片与 CPU 刀片：铜色冷板、液冷管路、盲插接头，一片刀片就是半条液冷产业链。摄影：蒋涛

过去一个服务器机柜最重要的是 CPU、内存、硬盘、网卡。现在一个百千瓦级 AI 柜需要母线排、高功率电源、电压调节模块（VRM）、冷板、分液器、冷量分配单元（CDU）、快接头、冷却液、管路，以及整个数据中心的变压器、UPS、配电和冷却。

灵衢互联刀片已经配置全液冷，因为互联带宽上升以后，互联芯片本身成了除计算芯片之外的重要热源⁶。AI 系统的功耗已经不只是「GPU 很热」，Fabric 自己也是功耗大户。液冷因此从服务器附件，变成计算、互联、供电、管理协同的整柜级热管理。

把这场发布会的所有 PPT 放到一张图里，是一张中国版 AI Factory 产业图——英伟达说 AI Factory，华为今天给出的是同一个词的中国版本。

图 9　所有硬件都换算成每美元、每瓦多少 Token。来源：作者整理

华为今天同时讲芯片、HBM、光引擎、灵衢、交换机、KV Cache 和百万卡，看似不同产品线，其实是一台 Token 工厂的组成部分。这条链的性能公式是乘法，不是加法——这是一个理解框架。任何一个环节成为瓶颈，整个系统都被它限制。一颗 GPU 性能提高 30%，HBM 喂不进去，没用；HBM 够快，一万颗芯片互相等通信，没用；芯片和网络都够快，KV Cache 不断从慢存储重读，Agent 还是慢；所有东西都解决了，100kW机柜没有足够电，还是跑不起来。

八、对面是谁：按峰值算力粗算，百万昇腾 960 约相当于十几万张 Rubin

两个 Token 指标一出来，就绕不开一个问题：对面是谁。

把华为的 10T 训练参考方案和英伟达 2027 年的 Rubin 代进同一道题：10 万张 960 卡 30 天训一个 10 万亿参数 MoE，按 FP16 取 FP8 一半算，MFU 要稳在四成以上；华为自己那条曲线给 4K 超节点的是 31%，两者对上的条件是训练主要跑在 FP8 上。同一件事换 Rubin 做，在假设双方 MFU 相同、按 FP16 取 FP8 一半的简化换算下，约 1.35 万张卡¹⁹。反过来说，百万张昇腾 960 约相当于十几万张 Rubin，单卡差 8 倍上下。

并排看两台"计算机"：960 超节点用 4,096 颗 NPU 做到 8 EFLOPS FP8；Rubin Ultra NVL576 用 144 个 GPU 封装、576 个计算 die 做到约 5 EFLOPS。按封装数算前者约 28 倍，按计算 die 数算约 7 倍。

英伟达"芯片强、补通信"，华为"通信强、堆芯片"，两条线在"一台计算机"上交汇。交汇的证据是两家都把整台机器的芯片攥在自己手里：英伟达 Vera Rubin 平台七颗芯片全部投产，华为围绕灵衢开发 11 颗关键芯片，算、联、存、管四类——AI Factory 是一组芯片，不是一颗。

还要纠正一个观点：电便宜救不了每美元 Token。按 Rubin 实测每度电约 2 亿 Token，电费在每百万 Token 成本里不到 5%²⁰。决定每美元的是整套系统的芯片与基础设施折旧、利用率和软件效率；华为用更多芯片换系统算力，国产 NPU 的成本和良率够不够低，比电价关键得多。电的价值在拿得到电——并网快是时间优势，不是成本优势。

单卡差距决定需要多少芯片；系统能力决定这些芯片有多少真正用于计算；产业链能力决定这样堆芯片在经济上能不能成立。这篇文章讲的是第三层。

九、资本在锁链条，中国需要自己的「需求侧产业政策」

这条链上还有一个更大的外部变量。

SK 海力士二季度财报披露，已与约十家关键客户签订多年期供应协议；美光的说法更直接：2026 年全部 HBM 产能已在多年期合同下售罄，只能满足客户一半到三分之二的需求，客户押金及财务承诺约 220 亿美元，其中现金约 180 亿⁸。全球超大规模云厂商的 AI 基础设施支出，2025 年实际 4,050 亿美元，2026 年预计 7,500 亿，单年近乎翻倍，2027 年 1.2 万亿；已公布的承诺投资总额 2 万亿。《金融时报》的口径更直白：2023 年以来，仅四家最大的科技公司就投了 1.1 万亿¹⁶。

图 10　4,050 亿 → 7,500 亿 → 1.2 万亿美元：资本先于产能，谁的订单先到，谁的供应链先扩产。来源：华为全联接 2026 引高盛、彭博、《金融时报》

这些钱买的远不止英伟达 GPU：HBM、先进封装、光纤与光互联、数据中心、电力设备，甚至电力本身，都在提前锁。

这产生了一个过去容易忽略的结果：全球 AI 硬件的竞争不只是技术竞争，也开始成为产能竞争。第三节说 HBM 产能被订走，放到整条链上就是这个结果：从 HBM 到光纤到发电机，被订走的是未来三年的新增产能。

美国巨头用数千亿美元 CAPEX 做的，本质上是需求侧融资：用未来订单告诉 HBM 厂、晶圆厂、封装厂、光通信厂和电力设备厂，你扩产，我买。

这也是为什么我认为，字节、阿里、腾讯、华为未来几年的 AI CAPEX 有一个被低估的意义。它们买的不只是算力。大量采购国产 NPU、HBM、光模块、交换机、SSD、液冷设备，等于在告诉整个国产供应链：你敢扩产，我就敢买。这样的订单已经出现：彭博 9 月报道，DeepSeek 计划在内蒙古部署至少 16 万颗昇腾 950DT，约 25.6 亿美元；而 950DT 今年产量受 HBM 等短缺限制在数十万颗，交付要一年以上——订单先到，产能后到。

美国正在用资本把技术优势固化成产能优势；中国需要用订单把技术突破放大成产业能力。于是中美 AI 硬件竞争越来越像一个飞轮：AI 公司下订单，供应商敢扩产，规模扩大，成本下降，技术迭代加快，AI 公司再下更大的订单。谁的飞轮先转起来，谁就先拿到下一代的产能。

十、从 Chip-centric 到 System-centric，三个动作

过去几年资本市场最容易理解的故事是：英伟达很贵，所以国产 GPU 替代。今天看，这个逻辑太窄了。真正值得重新评估的是整张产业地图。

	环节	判断
最需要补	先进逻辑制程、HBM、先进封装、系统软件生态	技术与产能双重约束，谁先建立五年期需求信用谁先起来。软件层：CANN 已开源，950 上市即开源，40 余个模型原生预训练；但 5,270 名月活开发者说明生态仍在起步，这一层与 CUDA 的差距最大
有产业基础	光通信、交换机、服务器、SSD 与存储、电源、液冷	从「配件」升为 AI 计算机「主件」，价值随系统化上移
新价值最集中	HBM、封装、Fabric、光、SSD、液冷	原来被视为「不那么核心」的环节，正在决定有效算力

因为 AI 计算正在从 Chip-centric 变成 System-centric。

未来的竞争，不是人与人，而是时间与时间的竞争。硅基时间的产能在哪里被造出来，明年的竞争力就在哪里。

这场发布会对中美意味着两件不同的事。

对中国，它换了一个答案。三年前的问题只有一个：什么时候能做出一颗替代英伟达的芯片；今天的答案是，同代的那一颗短期做不出来，不等于只能等——竞争可以从单芯片拉到系统，把 HBM、封装、光、交换、存储、供电、液冷和软件重新组合，用另一种做法建起 Token 工厂。代价也清楚：更多芯片、更高功耗、更复杂的系统，最后都要过四个数的检验——每美元 Token、每瓦 Token、集群有效利用率、长期可用率。

对美国，出口管制能加大中国拿到最先进单芯片的难度，也在推着中国把资源投进一套自主的 AI 基础设施。中美 AI 硬件之争因此会从"谁的 GPU 更强"，变成两座 AI Factory 的竞争：一座建在最先进芯片、HBM 和 CUDA 之上，另一座用更多国产芯片、通信、光和系统工程补单点差距。决定胜负的，是谁能用更低的成本、更少的电、更高的可靠性，持续生产更多 Token。

等明年 DeepSeek 十六万张 950DT 的推理账单出来²³，960 提前三个季度就只是个开头。

中美硬件线这场比赛，往后四年怎么看？把中国产业链的时间表摆出来，每年只看一件事、一个判断，尺子是对面的英伟达。