华为在年度 Connect 大会上发布新一代 AI 加速器昇腾 960DT，并给出一个超出市场预期的节奏：这款芯片将提前整整三个季度上市，定于 2027 年第一季度推出。对于长期只能买到英伟达对华“降规版”产品的中国开发者而言，这意味着国产替代方案在时间表上向前跨了一大步。
从规格看，960DT 的代号中 DT 指代解码与训练（decode/training）。它最高配备 288GB 内存，外界普遍认为这是华为自研的 HiZQ 内存技术，用以替代全球主流方案所使用的高带宽内存；算力方面最高提供 4 petaFLOPS 的 FP4 性能，FP8 下约为其一半。与今年早些时候发布的 950 系列相比，960DT 的性能与内存容量均翻了一倍。
把参照系换成美国 GPU，差距与接近之处同样明显。960DT 的内存与带宽水平与英伟达去年发布的 B300 系列相近，但 FP8 算力约为后者一半，FP4 算力约为三分之一。而英伟达的 Rubin 与 AMD 近期推出的 MI455X 则处在另一个量级：Rubin 宣称具备 35 至 50 petaFLOPS 的 FP4 性能、288GB 的 HBM4 内存以及 22 TB/s 带宽。不过，这两款芯片目前都不在中国市场销售，因此中国模型开发者实际上并没有更好的选择。英伟达目前能在华销售的最强 GPU，在密集浮点性能上与 960DT 接近，但内存与内存带宽均为其两倍，并支持更大规模的扩展域。
真正值得关注的或许是扩展能力，而非单卡算力。如今 AI 模型已很少在单颗 GPU 或 NPU 上训练和运行，平台扩展效率往往比单芯片指标更关键。英伟达与 AMD 的最新系统可将 72 颗 GPU 装入一个机架级计算平台，并通过光互连扩展到 576 颗，实现纵向与横向扩展组网。华为在 960 系列上走的是类似路线，借助近封装光学（NPO）把计算域扩展到最多 4096 颗芯片，合计可提供最高 16 exaFLOPS 的 FP4 算力。换句话说，华为在计算密度上的短板，用规模来弥补——这与谷歌 TPU pod 的思路有相似之处，而对以高速网络为主业的华为来说并不意外。
NPO 技术解决的正是华为此前设计中的关键扩展瓶颈。可插拔光模块功耗高、易故障且占用大量空间。华为称，NPO 让其把 48000 个 800 Gbps 可插拔光模块整合为 5500 个 Hi-One NPO 单元，功耗降低 550 千瓦，故障率减半，并宣称可实现 99.8% 的可用性。这对承压采用国产替代方案的中国模型厂商是利好：此前有报道称 DeepSeek 在使用华为早期 NPU 训练时遇到困难，最终不得不切回英伟达 GPU。
除高带宽的 960DT 外，华为还在准备一款计算优化版本 960PR，计划于 2027 年第三季度推出。PR 指代预填充与推荐（prefill and recommenders），该版本以牺牲内存容量和带宽换取低精度算力的显著提升：最高 8 petaFLOPS 的 FP4 性能、192GB 自研 HiBL 内存，带宽为 2.4 TB/s。其设计思路是与 960DT 协同工作以提升大模型推理性能——推理流程中计算密集的预填充阶段交给 960PR，内存密集的解码阶段由 960DT 承担。这种异构架构在提升性能上已被验证有效，与英伟达 Vera Rubin 及 Groq LPX 的配置思路相近，区别在于华为目前还没有一款以 SRAM 为主的解码加速器。
在集群层面，华为释放了更大的野心。公司表示有意将计算集群扩展到 50 万颗甚至更多 NPU，并公布了一个概念验证：基于昇腾 950 的 TaiShan 超级节点已成功扩展到 4096 颗加速器。采用两层、四平面的 Clos 网络拓扑，华为预计很快可支持最多 51.2 万颗 NPU 的集群；若转向多轨拓扑，百万 NPU 级超级集群也在其认为的可能范围内。不过从现有信息看，这仍属理论配置，尚未在实际环境中得到验证。
华为同时预告了后续两代昇腾产品。定于 2028 年某个时间推出的昇腾 970 系列，宣称最高提供 3.6 petaFLOPS 的 FP8 或 14 petaFLOPS 的 FP4 性能，显示华为正把更多芯片面积分配给低精度数据类型，这与 AMD 和英伟达最新一代芯片的趋势一致。内存容量维持在 288GB，与 960 系列相比变化不大，但华为称内存带宽有望提升至 14.4 TB/s。
整体来看，华为的策略并非在单芯片算力上正面追赶英伟达最先进产品，而是以网络与规模优势构建可用的大集群，同时用提前发布和清晰的产品路线图稳住国内客户。对关注 AI 算力格局的投资者而言，这既关系到中国模型厂商的训练成本与迭代速度，也关系到国产算力供应链在光互连、内存与先进封装等环节的受益路径。