2025年4月底，华为开始交付 CloudMatrix 384。384颗昇腾910C，摆满16个机柜：12个装计算，4个装网络，柜内柜间全用光纤连，光模块用掉6,912个。[6] 对面的英伟达 GB200 NVL72，一个机柜，72颗 GPU。[8]
比整机算力，华为反而高出约七成；比耗电，华为这边接近四倍。[6]
一年半后的2026年9月，华为全联接大会上，没人再拿单卡说事。台上报出的是另一组数：十万卡集群的模型算力利用率，从20%提到35%。[2]
结论先行
华为把和英伟达的比较，从单卡峰值挪到了「卡数×单卡算力×利用率」。按华为披露，灵衢互联让十万卡集群的利用率从20%升到35%，同样的卡多干七成五的活。但单卡差距还在：追平同代英伟达的有效算力，仍要近九倍的卡，电费、机柜和光器件跟着卡数一起涨。
换一把尺子：比的是真正在干活的算力
一张卡的纸面峰值，像发动机的最大马力。上了赛道，能跑出多少，看的是别的东西。
大模型训练时，成千上万张卡要不停交换中间结果。等数据的那几微秒里，算力闲着。MFU（模型浮点算力利用率），就是训练中真正花在模型计算上的运算量，占全部卡理论峰值的比例。于是有了一个比峰值更诚实的公式：
有效算力＝卡数×单卡峰值×MFU
华为常务董事、ICT BG CEO 杨超斌在大会上给出的现状是：十万卡集群的实际利用率只有约20%。[2][3] 十张卡里，八张的算力在等。华为副董事长、轮值董事长汪涛补了一个原因：用8卡服务器拼成的十万卡集群，训练时光是卡与卡之间通信就占去四成以上的时间。[2] 作为参照，Meta 用1.6万张 H100 训练 Llama 3 405B 时，BF16 口径的 MFU 是38%到43%。[10] 规模越大，等待越多，十万卡掉到两成并不奇怪。
华为选这把尺子，是因为另一把量不赢。昇腾910B、910C 都由中芯国际7nm 工艺代工，910C 是把两颗910B 拼在一起。[11] DeepSeek 研究人员估算，910C 的推理性能约为 H100 的60%。[11] 拿 CloudMatrix 384 摊到单卡：300 PFLOPS 除以384颗，每颗约0.78 PFLOPS（BF16 稠密）；NVL72 是180 PFLOPS 除以72颗，每颗2.5 PFLOPS，单卡差三倍多。[6][8] 整机能反超，靠的是卡数多出五倍多（384对72）。
单卡追不上，就把卡连得更好。众擎易举，前提是大家同时使劲，而不是轮流等。
灵衢改了什么：让四千张卡像一台机器
超节点，是用高速总线把上千张卡连成一个整体，彼此能像读自己的内存那样直接读写对方；这个直连的范围叫互联域。互联域越大，需要绕到外部网络的通信就越少。
华为这次的主角叫灵衢（UnifiedBus，简称 UB）。按华为披露，它把十几种互联协议归成一套，互联带宽从百GB/s级提到TB/s级，往返时延（一条消息发出去再收到回复的时间）从7微秒降到2微秒，单个超节点从1024卡扩到4096卡。[2][4]
4096卡的超节点，铜线装不下了。华为第一次在超节点里用上 NPO（近封装光学）：把光电转换模块挪到离芯片只有几厘米的板上，信号出芯片约五厘米后就变成光，其余路程走光纤。华为称这带来接近40%的成本下降，机柜内无缆化设计让4096卡超节点少用约196公里铜缆。[2] 配套的 Hi-ONE 光引擎单引擎容量7.2T，华为称是业界首个量产的 NPO 光互联产品。
三代超节点摆在一起，看得出华为的节奏：
| 代际 | 代表系统 | 单个超节点规模 | 互联 | 上市节点 |
|---|---|---|---|---|
| 昇腾910C | CloudMatrix 384 | 384卡，16个机柜 | UB 1.0，可插拔光模块全光互联 | 2025年4月底开始交付 |
| 昇腾950 | Atlas 950 超节点 | 1024卡真机，1 EFLOPS FP8；SuperPoD 满配8192卡 | UB 2.0 | 950PR 已上市；超节点开始交付；950DT 今年底或明年规模供货 |
| 昇腾960 | 昇腾960超节点 | 4096卡，8 EFLOPS FP8 | UB 2.1＋NPO | 960DT 芯片2027年一季度；960PR 2027年三季度；超节点预计2027年三季度 |
两处口径需要分开看。一是「超节点」与「SuperPoD」：昇腾960超节点单个互联域是4096卡；而华为路线图里的 Atlas 960 SuperPoD 最多15,488卡、分布在220个机柜，是更大一档的系统，华为没有说明两者如何对应。二是时间：提前三个季度到2027年一季度的是960DT 芯片，超节点整机仍在2027年三季度前后，智东西报道风冷版二季度、液冷版三季度。
对账：35%补回了多少
FP8 是用8位二进制数表示一个数，位数越少算得越快、精度越粗；FP4、FP8、BF16 的算力不能混着比，下表统一用 FP8。设想各建一个十万卡集群：
| 方案（各10万卡） | 单卡 FP8 峰值 | MFU | 有效算力 |
|---|---|---|---|
| 昇腾960DT，利用率按旧水平 | 2 PFLOPS | 20% | 40 EFLOPS |
| 昇腾960DT，按华为披露的灵衢水平 | 2 PFLOPS | 35% | 70 EFLOPS |
| 英伟达 Vera Rubin，利用率假设相同 | 17.5 PFLOPS | 35%（假设） | 612.5 EFLOPS |
| 英伟达十万卡规模的实测 MFU | — | 未披露 | — |
说明：960DT 的2 PFLOPS 取自华为路线图，华为称其性能是950系列的两倍；Rubin 的17.5 PFLOPS 取自英伟达 Vera Rubin NVL72 规格页的单卡 FP8 训练算力（整柜1,260 PFLOPS，72颗）。[9] 华为没有注明其 FP8 数字是否含稀疏加速。1 EFLOPS＝1000 PFLOPS。
账当场算得平：
- 补回了多少。 从40到70 EFLOPS，多出30 EFLOPS。按旧的20%利用率，这相当于再买七万五千张卡（75,000×2×20%＝30,000 PFLOPS）。不添一张卡，多出七成五的产出，这是灵衢实打实的分量。
- 还差多少。 同样按35%，一张 Rubin 的有效产出抵8.75张960DT。利用率停在20%时，这个数是15.3张。互联把「十五换一」压到了「九换一」，但压不到「一换一」。
MFU 这个数本身，也得带着几条注脚读：
- 20%到35%是华为自己披露的，不是第三方实测。
- 20%是杨超斌对「十万卡集群」现状的泛指，是谁的集群、跑什么模型、在什么精度下测，均未公布。[2]
- 同一场大会上，汪涛给过另一个口径：据华为实验室仿真，由4K 规模超节点组成的十万卡集群，比8卡服务器组成的集群，MFU 提升到原来的2.75倍。[2] 20%到35%是1.75倍，两个说法指向的不是同一条基线。
- 35%仍略低于 Meta 在1.6万卡上做到的38%到43%，但两者规模差六倍多，模型与精度也不同，只能当量级参照。[10]
代价记在哪几笔账上
卡多，是这条路的起点，也是每一笔成本的乘数。
- 电费与每瓦性能。 最后一个有第三方数字的是 CloudMatrix 384：整机约560千瓦，NVL72 约145千瓦；算力高1.7倍，耗电高约3.9倍，每瓦性能低约2.3倍。[6][7] 950、960 两代的整机功耗与每瓦性能，华为都没有公布。互联提高的是卡的忙碌程度，不改变一张卡每做一次运算耗多少电。
- 机柜与占地。 Atlas 960 SuperPoD 按15,488卡、220柜算，每柜约70卡，和 NVL72 每柜72颗几乎一样密；FP8 算力摊到每柜约141 PFLOPS，Vera Rubin NVL72 一柜1,260 PFLOPS，差约9倍。[9] 华为在楼宇上想办法：它发布的3D 数据中心把供冷、IT 设备、供电分层叠放，IT 供电容量从76兆瓦提到168兆瓦，楼里装的正是昇腾950系列。
- 光器件。 CloudMatrix 384 一套就用6,912个800G 光模块。[6] NPO 让光互联成本降了近四成，省下196公里铜缆，但卡越多，要连的光路越多。降下来的是单价，数量跟着卡数走。
- 软件生态。 十万卡能不能真跑到35%，一半靠硬件，一半靠通信库、算子、调度这类软件。华为称昇腾已跨过生态拐点：CANN（昇腾的底层软件栈，对标英伟达 CUDA）社区月活开发者超5200人，超40个模型在昇腾上完成预训练；[2] 华为此前宣布在2025年底前开源 CANN 接口。同一把尺子下，CUDA 这边的对应数字没有可比的公开口径。
- 采购。 受 HBM（叠在芯片旁的高带宽内存）供应趋紧影响，昇腾950DT 报价据称超过25万元人民币，较此前上涨约20%到50%。DeepSeek 在乌兰察布的数据中心计划部署至少16万颗950DT，虎嗅按单卡25万元估算，仅芯片名义投资就超400亿元。
为什么这条路仍然走得通
这些账是真的，这条路也是真的。
昇腾超节点已部署超过1000套，客户超过370家。基于灵衢的昇腾950智算集群云服务定于9月30日在国内商用。汪涛把华为的 AI 战略概括为以算力为核心、坚持硬件变现、打造「超节点加集群」的底座；监事会主席郭平在内部座谈中说得更直白：华为在计算领域的目标是成为英伟达，核心不在自研大模型，而在让客户的大模型高效跑在昇腾上。
往深处看，这是一道约束条件下的最优解。先进制程和设备受限，单卡短期追不上；电力相对充裕，SemiAnalysis 当初评估 CloudMatrix 时就把「中国电力充裕」列为它成立的前提。[6] 能用电和机柜换来的，就不必卡死在光刻机上。同一周，据报道阿里平头哥也称真武 V900 算力为 M890 的三倍、单集群可扩至50万卡；华为则表示有意把集群扩到50万颗甚至更多 NPU。国产算力的主赛道，正在从「一颗芯片多快」转到「一片集群连得多好」。
电表还在转
灵衢做成的事，是让四千张卡像一台机器那样说话，把差距从芯片挪到了系统。系统能摊薄的是等待，摊不薄的是每一次运算本身的电。
2027年一季度，960DT 上市；三季度前后，4096卡的超节点跟上。那时最值得等的数字，也许不是下一个 MFU，而是华为一直没报的那一项：一个 EFLOPS 要烧多少千瓦。华为已经在数据中心的另一头布局，推出源网荷储 AIDC 方案，想让算力设施既适应电网、也能支撑电网。卡连好了，下一段要连的，是电网。