COPU 会议纪要｜2026.9.22
2026-09-22 16:00:22
121
9 月 22 日，陆主席主持召开 COPU 周会。安泱结合今年 9 月 17 日华为轮值董事长汪涛的演讲，谈了“华为发布全球首个采用 NPO 的超节点——昇腾 960 超节点”。 2026 年 9 月 17 日，华为全联接大会 2026 在上海启幕，华为副董事长、轮值董事长汪涛发表题为“智启新未来，打造智能世界的硅基黑土地”的主题演讲，发布全球首个采用 NPO 技术的超节点——昇腾 960 超节点，加速十万亿规模的大模型训练和推理。华为 AI 战略的核心是算力，坚持硬件变现，聚焦做好 AI 基础设施，打造智能世界的硅基黑土地。华为坚持围绕“超节点+集群”，通过系统架构创新构建竞争力，打造中国坚实算力底座，构建开源开放的算力生态，为世界构建新的选择。随着大模型迈向十万亿级规模，超节点是超大规模 AI 基础设施建设的必然选择。华为超节点设计理念是以一套协议平等连接集群内所有组件、支持跨物理服务器的内存访问、并采用近铜远光的互连。华为坚持系统级创新，把多年来积累的光技术用于超节点系统内，推出全球首个 NPO 光引擎 Hi-ONE，这是业界首个量产的 NPO 产品，是行业目前最大传输能力的 NPO 产品，总容量达到 7.2T，也是唯一实现内置光源的 NPO 产品。会上，汪涛正式发布了基于“灵衢+Hi-ONE”打造的昇腾 960 超节点。作为全球首个采用 NPO 光引擎的超节点，昇腾 960 超节点采用领先的正交架构和全液冷设计，基于灵衢实现内存统一编址，可扩展至 4096 卡规模，实现 8EFLOPS FP8、16EFLOPS FP4。昇腾 960 超节点用 5500 个 Hi-ONE，替代原本需要的 4 万 8 千颗 800G 光模块，功耗降低超 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%，加速前沿模型的训练与推理创新。鲲鹏超节点与 AI 记忆存储亮相，构筑百万卡超节点集群。华为将超节点架构引入通算系统，全新升级鲲鹏超节点，基于灵衢全光组网，最大支持 4096 节点，形成 256TB 统一内存池，可实现 Agent 更高密的沙箱、更快的沙箱启动速度和更好的 Agent 向量检索性能。同时，发布了基于灵衢 UnifiedBus 总线、支持“一跳直连”的 L3.5 层 PB 级 KV 缓存解决方案 OceanStor M900 集群。多个昇腾 960 超节点采用灵衢网络或 RoCE 连接在一起，构建更大规模的超节点集群，通过二层 CLOS 四平面组网，最大集群规模可达到 51.2 万卡，再结合多轨道拓扑技术，最大可支持 100 万卡昇腾超节点集群。汪涛指出，构建开源开放的算力生态是华为公司的核心战略。CANN 全面开源开放，已进入常态化的开源社区运营，从“可用”到“易用”，昇腾已跨越生态拐点。汪涛强调：“华为坚持打造强大的 AI 基础设施，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，迎接智能世界的加速到来。” 陈道清结合华为在 9月17日全联接大会上的发布，表示华为发布全球首个采用NPO技术的超节点——昇腾960超节点，将加速十万亿规模的大模型训练和推理。 在两位发言之后，陆主席带头提几个问题，陈道清与安泱答。问①：如何区分麒麟 9050pro 芯片、昇腾 960DT 与 960PR 芯片使用场合？陈与安答：麒麟 9050pro 芯片主要应用于手机和端侧 AI，昇腾 960DT 与 960PR 芯片主要用于服务器。问②：昇腾 960DT 可扩充至 4096 规模的超节点（FP4 或 FP8）是什么意思？问③：昇腾 960DT 超节点采用灵衢+NPO（Hi-ONE），5500 个 NPO（Hi-ONE）可取代 48000 个 800G 光模块？问④：华为昇腾 960 超节点是否加速十万亿级参数规模大模型的训练和推理？
陆首群重播“DeepSeek v4 模型与小米 MIMO v2.5 模型采用不同自研的核心技术达到相同极致降本水平”的报告。DeepSeek v4 大模型与小米 MiMo v2.5 大模型采用不同自研核心技术，达到相同极致降本水平小米 MiMo v2.5 模型的核心技术驱动力是采用开源+推理系统工程化，即自研的 Hybird SWA（滑动窗口注意力）架构，通过 FP4 Exports、DFlash 解码及 Tile RT 执行系统的全链路优化，或基于 SGLang、HiCache 架构的滑动窗口注意力（Hybird SWA）将缓存多级存储间的数据搬运量降至 1/7，可缓存 Token 数量提升近 5 倍。成本下降来自缓存工程。不同于 DeepSeek v4 Pro 的核心技术驱动力，即开源+底层架构创新：自研稀疏注意力机制+混合专家模型（MoE）及其迭代+mHC+Engram。在处理百万级 Token 长上下文时，对算力消耗仅为上一代的 27%，KV Cache 占用降至 10%，成本下降来自模型架构革命。对比：MiMo v2.5 与 DeepSeek v4 的降本效果，达到相同的水平（即采用不同自研的核心技术，达到相同的降本水平）。所有参会人员：陆首群、孟迎霞、陈道清、安泱、袁怿、何苗、鞠东颖（线上）、陈越（线上）、靳虹博（线上）、胡宇（线上）、韩宪平（线上）
