通过创新的超节点架构夯实了算力底座，用 " 硬件开放、软件开源 " 的决心培育了生态沃土，用脚踏实地的态度跑通了 AI 落地的路径。
撰文｜张贺飞
编辑｜沈菲菲
如果说过去三年是大模型狂飙的 " 造梦期 "，现在的 AI 产业，正在经历一场亢奋与痛苦并存的 " 落地大考 "。
当企业满怀期待地将 AI 融入生产线时，却发现动辄千万级的投资依然填不满万亿参数的 " 算力饥渴 "、底层硬件与开发框架间仿佛隔着难以逾越的壁垒、实验室里跑通的流程在产线上频频宕机……
越来越多企业意识到，以往暴力堆叠服务器、随便套用开源框架等 " 头痛医头、脚痛医脚 " 式的补救方案，在行业核心业务应用面前彻底失效了。既然缝缝补补的捷径走不通，有效的破局点又在哪呢？
日前结束的第四届北京人工智能产业创新发展大会，以 " 融合、效能、安全——让 AI ’ + ’出新活力 " 的主题，精准切中了当下的行业痛点。
图：华为公司副总裁、中国政企业务总裁吴辉
其中在 " 融合 · 共创：产业巨擘谈 AI+" 议题环节，华为公司副总裁、中国政企业务总裁吴辉在圆桌对话中系统阐述了华为对中国 AI 算力未来的核心判断，以及从 " 单点突破 " 转向 " 系统效能 " 的路径。
透过吴辉在对话中的观点，不难提炼出 AI 融入千行百业的路线图。
- 01 -
融合创新，用 " 系统工程 " 打破天花板
让我们先回到原点，正视一个跳不过的行业症结。
为了喂饱动辄千亿参数的大模型，工程师们不得不绞尽脑汁提升算力密度，把成百上千乃至上万台服务器塞进机房。当通信频次随模型层数指数级增长，微秒级的延迟在万亿次迭代中不断累积，让计算单元长时间处于等待状态，导致算力利用率低下且运维成本猛增。
盲目堆砌算力，已然无法根治 " 算力饥渴 "。
吴辉在演讲中一针见血地指出：" 一个芯片固然很重要，但人工智能是一个产业，也是一种新质生产力，算力更是一个系统。" 华为的解题思路是 " 以系统性创新突破单芯片局限，用数学补物理、非摩尔补摩尔，打造创新的超节点架构，实现规模算力的全球领先。"
直接的例子就是由 8192 张昇腾卡打造的 Atlas 950 SuperPoD 超节点，凭借内存统一编址等优势，能够像一台计算机一样高效工作，算力是业界主流水平的 6.7 倍，训练总吞吐提升 17 倍、推理总吞吐提升 26.5 倍，在未来多年都将是全球最强算力的超节点。
华为是怎么打破天花板的呢？答案正是吴辉提到的 " 系统性创新 "。
在大规模 AI 训练与推理中，存在海量 GB 级的数据通信，想要提高算力利用率，通信带宽要足够宽、通信时延要足够低、内存访问要足够快，任何一处的瓶颈，都会导致计算与通信相互等待。
华为的超节点架构，创造性地解决了两大挑战。
一是将传统以 CPU 为中心的架构，变成了全对等互联，CPU、NPU/GPU 等设备在统一的协议下互联互通，整合为统一的全局地址空间，不管数据存在哪块内存里，都只有一个 " 全局地址 "，可以直接访问。
二是通信协议的创新，传输的不再是笨重的 " 数据包 "，而是包含内存地址、操作码（读 / 写）和缓存状态位的 "Flit"，极大地提升了通信效率，并通过缓存一致性协议确保所有计算单元看到的信息是相同的。
相较于传统的计算集群，华为的超节点架构实现了三个硬性指标，即大带宽、低时延、内存统一编址，让集群像一台计算机一样学习、思考和工作，从根本上解决了算力利用率低、运维复杂度高等问题。
从 " 单点突围 " 到 " 全局统筹 " 的跃变，揭示了 AI 时代的核心命题：在摩尔定律失效的当下，算力供给不再是比拼单卡性能的 " 加法游戏 "，只有掌握系统级创新的 " 乘法法则 "，用系统工程打破物理瓶颈，才是满足整个行业的算力刚需、迈向通用人工智能的必由之路。
- 02 -
生态共创，打造繁荣开放的 " 黑土地 "
把算力比作 AI 时代的骨架，生态就是关乎长期生命力的血肉。
回顾计算产业的发展史，从不缺少性能耀眼的产品，最终决定牌局走向的，往往是生态。当前中国算力产业面临的真实困境在于：在制造和架构创新上已经能和国外掰手腕，软件生态一直摆脱不了外部依赖。
面对这道残酷的 " 生死题 "，一些玩家试图 " 走捷径 "。比如在 CUDA 的 API 和芯片的底层驱动间加一个 " 翻译器 "，可 CUDA 并非开源，第三方产品很难通过指令翻译的方式实现完美兼容，还面临英伟达扎紧藩篱（禁止通过转译层运行软件等）的风险。
吴辉一语道出了 AI 产业的关键：" 构建一个芯片和系统不是最难的，最重要的是构建一个大家共同使用和运用技术的开放生态。华为在计算领域始终坚定践行‘硬件开放、软件开源’战略。"
对应的行动有很多。
比如计算架构 CANN 的全面开源开放。
有别于 CUDA 的封闭，CANN 将算子库、通信库、图引擎、编程语言、运行时等核心组件进行全量、分层解耦的开源。企业和高校的科研团队可以深入到图优化、算子融合、内存调度等底层机制进行二次创新，甚至不用局限于现成的工具和框架，可以根据自身需求进行深度定制和优化，实现更高的性能和效率。
再比如灵衢 2.0 协议的全面开放。
作为超节点架构的 " 灵魂 "，华为在 HC 2025 上开放了灵衢 2.0 技术规范，包括开放超节点参考架构、开放超节点基础硬件、开源操作系统灵衢组件等等。底层技术协议和整套超节点技术的开放，意味着产业界可以基于技术规范自研相关产品或部件，自主设计基于灵衢的各种产品，实现真正意义上的 AI 算力自由。
原因并不难解释。
站在企业和开发者的立场上，焦虑的不只是 " 好用不好用 "，还涉及到是否自主创新：倘若底层机制不透明，只能依赖官方文档，一旦业务出现性能瓶颈，往往无从下手；假如创新的节奏被单个平台主导，像能源、制造、交通等行业，可能因为某个算子制约整个行业的效率……
时间印证了华为的选择。
开源 5 年的 OpenHarmony，汇聚了 9200 多名社区贡献者，贡献了 1.3 亿行代码；全面开源开放的 CANN，不到半年就有 1.3 万开发者参与进来，创新开发了 420 多个高性能算子。
数据是生态最好的注脚，当千千万万的开发者不再是单纯的 " 使用者 "，化身为生态的 " 架构师 " 与 " 贡献者 "，自主创新的 " 黑土地 " 将越来越肥沃。
- 03 -
提升效能，AI 落地的唯一检验标准
技术创新的原点，终归要回到产业的本质——生产力。
当前不少企业对 AI 的理解仍停留在表层，认为仅仅是一次 IT 系统的例行升级，或者是采购一套更聪明的软件工具——买几台服务器、接几个大模型的 API，就能顺理成章地贴上 " 数智化 " 标签。
也就是说，在 AI 融入千行百业的过程中，不仅要提供充沛的算力、打造繁荣的生态，还需要成熟的经验和转型方法论。
在华为公司副总裁、中国政企业务总裁吴辉看来，" 企业走向 AI 与业务的融合本身是一场变革，包括重构生产方式、生产关系以及商业模式等。因此，AI 一定要跟企业的流程、组织、IT、数据以及业务场景深度结合，才能打造新质生产力，提升企业的效能。"
过去五年时间里，华为和伙伴协助 3.3 万多家企业完成了数智化转型，交出了一份份实打实的成绩单。
在港口行业，天津港与华为共同推进港口行业大模型 PortGPT 的研发和落地应用，实现了近百辆无人集卡的自动驾驶、岸桥远程操控和全流程的 AI 排产，港口运行效率提升了 15%，正作为港口数智化的新标杆向海外复制。
在制造行业，华为在初期顶层设计时就参与了赛力斯超级工厂的建设，从网络基础、数字平台、应用场景到运营管理，打造了全链路智能化解决方案，助力赛力斯超级工厂实现 AI 与数据的双轮驱动，助其最快 30 秒就能下线一辆车。
隔行不隔理，华为深度参与 3.3 万多家企业数智化转型的经验，沉淀成了一套可复制的方法论。
譬如在怎么从 0 到 1 落地 AI 的问题上，华为基于实践经验总结了 " 三层五阶八步 " 方法论，把模糊的 AI 落地变成了清晰可执行的步骤，即从业务场景出发，沿着业务流程、组织，数据和应用指导业务如何一步步落地 AI，让企业不用再摸黑试错，少走一些弯路。
让我们印象深刻的是，吴辉在对话中没有过多强调华为的经验和方法论，而是多次提到 " 效能 " 一词。
既是华为对自身软硬件能力和成熟方法论的笃定，也为陷入落地焦虑的企业开出了一剂清醒的药方：AI 必须深入到业务场景，完成 " 技术演示 " 到 " 生产要素 " 的跨越，对企业的利润表、效率曲线产生可量化的影响，蜕变为看得见的 " 新质生产力 "，而非为了 AI 而 AI。
特别是在 AI 进入 " 落地大考 " 的 2026 年，势必会酝酿出各种各样的新概念、新产品、新方案，千万别被 " 名词式创新 " 带偏，唯有提升效能，才是检验 AI 落地价值的标准。
- 04 -
写在最后
正如吴辉在对话结尾所强调的："AI 时代，我们要有紧迫感，人工智能可能是人类最后一次技术革命，我们要夜以继日，全力以赴追赶世界领先；同时我们要能深入行业，深刻理解行业需求，协助企业把人工智能融到生产和业务中去，助力千行百业在智能时代走向世界领先。"
这场通往智能时代的 " 远征 "，绝不是华为一家企业的独角戏，而是千行百业的集体答卷。
当华为通过创新的超节点架构夯实了算力底座，用 " 硬件开放、软件开源 " 的决心培育了生态沃土，用脚踏实地的态度跑通了 AI 落地的路径，谁先把 AI 融入生产一线，谁就能先吃到数智化转型的红利。
推荐阅读
《拆开 " 超节点 " 的伪装》
《智能汽车的第二增长曲线》
《AI 版 " 红包大战 " 开场》
《一座煤矿的 AI 革命》
点 "推荐 "，变好看哦。
