昇腾“算力突围战”：让中国算力训练出全球一流模型

“虽然单芯片还落后美国一代，但用数学补物理、非摩尔补摩尔，用群计算补单芯片，在结果上也能达到实用状况。”华为创始人任正非近期的一次公开发声，向外界罕见透露了目前华为芯片研发的最新进展。

在华为过去长达六年的技术“补洞”中，围绕在包括芯片、软件等根技术上的布局一直是外界关注的焦点，尤其是人工智能时代加速到来，以昇腾为核心的AI算力能力正在成为中国厂商在全球计算生态卡位战中的重要变量。

虽然英伟达CEO黄仁勋视华为为最强劲的对手，在单芯片工艺受限的大环境下，华为算力能力依然面临着各种声音。华为在AI上能走多远？是否会因为工艺制程而落后？昇腾芯片被“警告”是否会有使用风险？此次任正非的表态，或许也是对这些问题的间接回应。

事实上，当全球 AI 产业还在为万亿参数模型的算力门槛焦虑时，中国正在以一种独特的“系统工程”思维方式重构这场技术竞赛的底层逻辑。从DeepSeek用算法优化刷新全球推理速度纪录，到昇腾超节点实现 300Pflops 算力的突破，中国算力产业正在上演一场从 "单点突破" 到 "系统致胜" 的范式革命。

在摩尔定律逼近量子墙的当下，这种将硬件堆叠、算法优化与生态协同熔于一炉的创新路径，或许正是破解全球算力困局的中国方案。

“不去想困难，干就完了，一步一步往前走。”任正非说。

算力会战：用系统工程方法解决工艺落后

在任正非最新的讲话中，人工智能、芯片技术以及基础研究被多次提及。他表示，“人工智能也许是人类社会最后一次技术革命，而芯片问题其实没必要担心，用叠加和集群等方法，计算结果与最先进水平相当。”

“数学补物理、非摩尔补摩尔、群计算补单芯片”，不到二十个字的表述背后实际上是华为芯片过去几年在“求生计划”中逐步摸索出的答案，用“系统工程”的方法解决了工艺落后的问题。

《论系统工程》是钱学森融汇自然科学、工程、管理学的著作，核心思想把研究对象看做一个整体而不是孤立的点，对复杂的系统问题进行综合管理，通过整体上的优化弥补单点的落后。在新中国资源有限的情况下，系统工程发挥了重要作用，帮助国家实现了国力的提升和追赶。

而在华为的实践中，系统工程的创新方式在解决算力的问题上也起到了关键作用。

在今年的新年致辞中，华为公司副董事长孟晚舟曾透露，华为十多个实验室与伙伴们的工程师组成了“大杂烩”团队，面对天成AI集群系统和单芯片性能的严峻工程挑战，创造性应用数学补物理、非摩尔补摩尔、系统补单点等思想，在散热、供电、高速、高密及大芯片在板可靠性等工程领域实现了极限突破。

在昇腾计算平台的相关研发上，华为为此展开了一场“算力会战”，并集结了超过万人的团队。一位华为的技术专家对记者表示，华为的部门是以能力建设为核心的，技术上要扎到根。但是这些能力怎么有效利用起来，相互之间怎么打通？就需要类似“会战”这样的跨技术领域作战的项目型组织，华为有这样的环境，能够整合“大杂烩”优势做到系统最优。每个部门要持续地在本领域做深做透，“扎到根、捅破天”。

实际上，算力会战的组成人员横跨华为多个部门，包括了华为云、计算产品线、海思、网络产品线、光产品线、2012实验室，覆盖了云计算、模型、底座、芯片、硬件工程和基础软件等多个能力领域。

目前，华为有86个实验室，每个实验室与都有自己专注做强的领域，从而实现技术扎到根，做到“根深”，这样华为就有86根技术柱子。而这些扎到根的技术通过跨部门作战，深度协同在华为多个业务领域得到充分应用，有效发挥出技术的价值，这就是“叶茂”。在上述技术专家看来，“根深叶茂”就是华为在研究与创新方面持续努力的方向。

“算力基础设施现在是复杂的系统，我们把各个部分打通了，公司构建了这样的环境和机制。”上述技术专家对记者表示，这一组织是华为内部长期性的项目型组织，其协作效率远超不同公司间的合作。不同公司间也许涉及技术保密等问题，难以实现深度协同与系统整合，也无法实现系统工程的最优解。

寻求突围：超节点终结算力焦虑

在近日公布的SuperCLUE模型榜单上，华为盘古72B（Pangu Pro MoE）大模型获得了千亿内模型并列国内首位的成绩，该模型总参数量为720亿，运算激活160亿参数量，通过动态激活专家网络的创新设计，实现了“以小打大”的优异性能，甚至可以媲美千亿级模型的性能表现。

而在MoE 模型训练领域，华为再进一步，推出了参数规模高达 7180 亿的全新模型盘古 Ultra MoE，这是一个全流程在昇腾 AI 计算平台上训练的准万亿 MoE 模型，算力利用率大大提高。值得注意的是，目前全球能够全链路训练和推理万亿参数MoE大模型的国家只有中国和美国。

在训练方法上，华为团队不断优化技术，如采用适配昇腾硬件的自适应流水掩盖策略，优化算子执行序，降低 Host-Bound 并提升 EP 通信掩盖；开发自适应管理内存优化策略；通过数据重排实现 DP 间 Attention 负载均衡；进行昇腾亲和的算子优化等。这些技术的应用使得万卡集群预训练 MFU 由 30％大幅提升至 41％。

这些成绩代表了什么水平？一般情况下，行业内的MoE大模型训练的MFU大约是30%，但华为在这一数值的实验室数据已经达到了45%。

从 "参数至上" 的军备竞赛，转向 "效能优先" 的价值创造，华为用系统工程思维不仅缩小了与海外厂商的代际差距，更向外界证明了国产算力也能训练出全球一流的大模型。

今年4月份，华为云在4月10日发布了CloudMatrix 384超节点技术，成功实现超节点技术商用，这也是在当下先进工艺制程尚未突破的情况下，华为持续追赶英伟达的成功关键。

当前业界一台算力服务器通常是8张算力卡，这一台服务器就称为一个节点，而英伟达已经率先在2024年3月发布了NVL72超节点，可以把72张训练卡组成一个超节点。但华为云公布的CloudMatrix 384超节点技术则更进一步，可以实现384张昇腾算力卡成为一个超节点，这不仅是中国规模最大的商用超节点，而且是目前已商用的超节点中，单体规模全球最大，有效算力全球最高的技术。

超节点技术的意义，在于推动算力从 "奢侈品" 变为 "自来水"。当 384 张卡的集群能像单机一样灵活调度，企业能更便捷得训练和推理自己的万亿模型。换言之，它终结了当下全球所面临的算力焦虑。

破局赶超：让超一流大模型长在中国的算力底座上

华为的实践揭示了业内一个被忽视的真相：当集群规模突破千卡量级，通信、存储等资源调度的开销将呈指数级增长，单芯片性能差距对整体效能的影响反而逐步被稀释。

比如超节点通过重新定义对等架构互联总线，将机器间单跳通信延迟从 2微秒压缩至 200 纳秒，这种 "算网存调" 的协同优化，使得 384 卡集群的整体效能逼近理论极值。正如半导体行业堆叠的架构创新，大模型算力竞争也正在从 "芯片制程竞赛" 转向 "系统架构革命"。

这也正是任正非所说的“数学补物理、非摩尔补摩尔，用群计算补单芯片”的精髓所在，同时也为超一流大模型长在中国的算力底座上提供了有效路径。

2024 年，当全球芯片产业集体逼近 1nm 制程的 "量子墙"时，电子隧穿效应引发的物理极限让摩尔定律首次面临失效危机。在这个关键转折点，“非摩尔补摩尔”意味着不再沿着传统制程优化的单行道走到黑，而是通过系统工程创新实现“以面积换能力、以堆叠增容量、以集群扩规模”的多维突破。

华为早在 2019 年就布局了芯片堆叠技术，如今已转化为十几项核心专利的先发优势。从 2D 电子高速公路到 3D 立体网络的架构跃迁，本质上是将物理层面的制程瓶颈转化为系统层面的架构创新。就像传统汽车工业中，发动机功率并非是决定驾驶体验的唯一因素，整车系统的协同优化同样能创造颠覆性体验。

而集群计算补单芯片的策略则展现了更宏大的系统思维。华为超节点将 384 张卡的集群视为一个有机整体，通过光通信技术将互联带宽提升 15 倍，基于操作系统实现资源池化与超级并行，最终让 "384卡如同一台机器" 的协同计算成为可能。

华为内部人士表示，昇腾384超节点选择对传统计算架构进行重构。它的核心在于彻底打破了传统以CPU为中心的冯诺依曼架构，也就是“主从架构”，创新提出了“全对等高速互联架构”，凭借高速互联总线的关键突破，把总线从服务器内部扩展到整机柜、甚至跨机柜，最终将CPU、NPU、DPU、存储和内存等资源全部互联和池化，这样做就能去除掉繁多的中转环节，从而实现真正的点对点互联，进而实现更大的算力密度和互联带宽。

“用数学补物理”的算法优化则是系统工程的灵魂所在。静态算力指标如同交通基础设施的物理参数，而动态算力效能则相当于实际车流量与通行速度。在昇腾万卡集群上，通过负载均衡、通信掩盖等算法创新，将计算与通信耗时比从传统的 1:1 提升至 3:1，这种 “多干活少协调”的效率革命，使得 41% 的算力利用率、98% 的集群可用性等动态指标不断突破行业上限。如同交通调度系统能让相同道路容纳更多车流，精妙的算法优化也在让既定硬件释放超越物理极限的算力潜能。

华为技术专家表示，“系统工程是当前形势下华为优先努力的方向。我们通过高效的超节点系统，把芯片算力利用率提上去了。”

开源决心：从硬件封闭到生态共创

当前，人工智能发展已经是全球技术竞争的战略高地。大模型产业链的部分高端核心硬件受限、算法框架生态待增强，如何在这些关键技术领域实现突破，是我国AI产业亟待解决的问题。

同时，在华为看来，昇腾未来的路径一定是要“越来越开放”。

今年年初，DeepSeek的成功，彰显了开源模式的强大力量。这也更加坚定了AI发展的大方向，现阶段大模型及应用正在陆续走出实验室，最终走入千家万户、千行百业才能成为改变世界的力量。

华为技术专家对记者表示，在生态建设上，昇腾虽目前劣于英伟达 CUDA 生态，且需长期改进，但华为已将生态兼容性作为核心任务。2024 年以来，随着业界模型逐步收敛至 Transformer、Diffusion 等主流架构，核心算子从过去的十万级缩减至几百个，昇腾借此快速补齐高质量基础算子，并深度开放给技术能力较强的头部客户，使其能基于基础算子开发适配自身模型与应用的算子算法。

“目前已实现对 DeepSeek MoE、千问、Llama 等开源模型的支持，基本解决算子短缺问题。未来，昇腾将通过分层深度开放与开源策略，赋能客户自主开发优化，匹配其应用需求与开发模式，持续推动生态完善。”上述专家说。

近几个月以来，华为逐步开放底层，对接社区生态，从而吸引更多的开发社区力量基于华为的底座创造新的算子算法。

尽管AI技术、大模型与算法的迭代从未停歇，但华为相信，唯有深度赋能千行百业，才能真正释放改变世界的能量。

未来，算法主导权将从IT技术圈层向垂直领域专家转移——电力系统的智能化优化离不开电网专家的运行经验；基建工程的高效调度依赖土木专家的施工逻辑；煤炭开采的智能化转型需要矿企专家的工况认知，医药研发的加速推进更需生物专家的分子机理洞察。中国正以独特的产业实践优势推动AI落地。

这不仅是华为等技术企业的发展愿景，更是中国人工智能产业在全球竞争中实现换道超车的关键路径。