Related articles
芯片终于不再是唯一的悬念。
一年前，华为轮值董事长徐直军公布昇腾芯片路线图时，人们首先想知道，华为能不能做出来 AI 芯片，什么时候能供货。从 950 到 960、970，未来数年的产品排在一起，对于一家经历过供应链断裂的公司而言，这张路线图本身就是一种信心。
但这些问题太迫切，以至于同场公布的另一项技术，没有得到同样的关注。“ 去年我讲了互联协议，但大家都关注芯片去了，没人关注灵衢，但灵衢是关键。” 徐直军说。
一年过去，AI 芯片的路线图开始变成产品，昇腾 950 已经上市，Atlas 950 超节点开始交付，基于它构建的 25.6 万卡集群正在部署，下一代 Atlas 960 系统也进入测试阶段。产能依然紧张，但随着研发与产品迭代持续推进，外界对华为的期待也在变化。
能不能做出下一颗芯片，仍然重要。只是到了今天，这个问题已经不足以解释华为在 AI 算力上的全部布局。
有了 AI 芯片，然后呢？
2026 年全联接大会期间，徐直军与华为半导体首席科学家廖恒，试图把讨论推进到下一个层级：当芯片从几颗增加到数千、数万乃至更多，怎样让它们像一台计算机一样工作？
芯片的数量容易看见，芯片之间的等待却不容易看见。大模型训练需要大量处理器频繁交换数据、同步结果，一颗芯片算得再快，也要等其他芯片完成工作。一条链路短暂异常，还可能影响一个运行了很久的任务，买到了多少峰值算力，与最终能用上多少有效算力，中间隔着整个系统。
本次大会上，华为发布了 Peerium 计算架构，按照华为的定义，它通过嵌套并行、统一内存寻址和平等互联，可支撑百万级处理器像一台计算机一样协作。灵衢 （UnifiedBus：UB） 是实现这套架构的关键互联技术，全球首个采用 NPO 技术的超节点—— 昇腾 960 超节点正式发布。
没有人比华为更懂连接，比如通信产业的有线、无线技术，华为的发展史就是一部不断连接一切的过程，到了 AI 时代，连接和计算又默契地走到一起。去年，徐直军用芯片路线图回答了外界对华为未来的追问；今年，他想解释，为什么那些芯片之间的连接，同样值得被看见。
灵衢的故事，就藏在这些连接里。
AI 时代，计算机也要换一种设计方式
过去一年，超节点成为 AI 产业的热门词汇。但在徐直军看来，同一个概念下面，产品之间存在很大区别。
“‘ 超节点’ 这个词，人人都在讲我做了超节点，但是不同厂家做的超节点是有很大的区别。”
区别首先在于，越来越多的处理器连接起来以后，能不能高效地协同工作。大模型训练需要把任务分给大量处理器，每颗芯片完成自己的计算，还要和其他芯片交换结果，再进入下一阶段。数据没有到位，计算就无法继续，一个短板会制约整个系统。
企业购买的芯片越来越多，并不意味着这些等待会自行消失，处理器增加带来的收益，绝大部分被通信和协议转换的开销抵消。AI 仍然需要更快的芯片，也越来越需要能够把这些芯片组织起来的计算架构。
廖恒用两组层层嵌套的套娃解释华为的思路：软件把任务分成不同层级的并行工作，硬件也从芯片、板卡、机柜，一直到超节点和更大的集群。Peerium 希望让两组结构相互配合，软件侧的组织方式被概括为 Nested BSP，硬件侧也通过灵衢互联层层折叠时间，来与软件侧对应。
Peerium 架构能否立住，首先要看互联。过去，总线管近处，网络管远处，各有各的分工，AI 把更多处理器拉进同一个任务，也让这条分界线上的代价越来越难以忽略。
近距离的设备互联追求低时延、高带宽，远距离的网络通信需要兼顾更大的覆盖范围、规模和复杂环境，各自发展出不同的技术体系。如今，联接通信不断跨越原有边界，不同通信机制之间的衔接成本开始被放大。
行业都在寻找解决办法，英伟达通过 NVLink 和集群网络优化不同层级的通信，AMD 与开放标准阵营也在发展加速器互联。华为的答案，是把更大范围的设备放进同一套互联规则。
“ 谁都想柜内、柜间、在一个数据中心之间和一个 zone 之间最好速度都一样，那多牛，那就是一个巨大的空间，构建一台计算机。” 徐直军说。
物理距离不会因协议统一而消失，不同位置的带宽和时延仍有差别，但华为希望尽量减小跨越这些边界时的性能损失。
“ 这也是灵衢的价值，它能做到柜间、柜内还有数据中心之间，甚至是在一个数据中心区域里面都能够一个协议，还能高速，因此我们叫总线协议。” 他说。
总线原本是人们理解一台计算机内部连接的方式，华为希望把它的能力延伸到更大的空间，让 CPU、NPU、内存、存储等资源可以更直接地交互，减少部分通信必须经过 CPU 协调和不同协议转换的环节。
“ 当时在决策做这个产品的时候更多希望放在计算机部门而不是传统的网络部门，这样才能真正做出一个高速、低时延、又统一协议的 UB 出来。” 徐直军回忆道。
华为重做互联的底气，来自此前亲自走过的所有关于连接的路。2019 年之前，华为团队已经经历了多处理器互联、PCIe、RDMA 以及存储和内存接口等多种技术的研发与交付。它们服务于不同产品，也让华为有机会从多个环节理解系统之间的衔接。
接下来要做的，是让这些能力围绕同一个计算目标重新组织起来，为了让总线走出机箱，华为准备了多年。2019，互联被确立为计算系统架构的战略方向。2020 年 7 月，Unified Bus 技术项目正式立项。
统一协议只是开始。发起请求的计算芯片、传递数据的交换芯片、接收访问的设备，都需要理解并执行同一套规则，原本分属不同产品的研发工作，需要在这里衔接起来。
自立项至 2023 年，UB 经历了技术规范定义、协议版本冻结，进入 NPU、CPU 和交换芯片的设计与投片阶段，随后，还有套片测试和系统验证。协议要走进硅片，硅片要组成系统，系统还要跑过真实的任务，灵衢就是这样一步步做出来的。
徐直军介绍，昇腾 910C 超节点采用 UB 1.0，昇腾 950 超节点采用 UB 2.0，昇腾 960 超节点将采用 UB 2.1。灵衢的演进，已经和华为计算产品的节奏联系在一起。
但通信规则统一之后，信号仍然要穿过真实的线路。近处用铜，远处用光，变的是传输介质，延续的是同一套通信规则，这个原则要在更大规模上成立，还需要光互联器件的配合。
退后一步，罕见的妥协
当速率不断提高，传统电连接开始面对更严苛的距离和信号质量约束。
为了缩短连接距离，可以把芯片放得更近，但随之增加的功率密度，又会把压力转移到供电和散热。计算设备怎样摆放，已经不只是机房规划的问题，也开始影响系统能够做到多大。
光互联提供了更大的空间，数据转成光信号之后，可以在更远的距离上传输，设备不必全部挤在一起。
华为选择的 NPO，即近封装光学，把光引擎放在主芯片附近。徐直军介绍，Hi-ONE 模组与昇腾芯片之间保留约五厘米的板上铜连接，其余相关互联转向光连接。“ 基于 NPO 我们是一个全光的超节点，铜就很少了。铜只在 PCB 板上，没有铜缆了。”
这里的全光，指的是系统互联形态，芯片内部的计算和靠近芯片的短距离连接仍然依靠电子电路。
另一条受到行业关注的路线是 CPO，将光引擎与主芯片共同封装，进一步缩短电连接。博通、英伟达等厂商都在推进相关产品，两种路线追求更高效的光互联，也需要分别处理封装、散热、成本和维护问题。
徐直军表示，选择 NPO 而非 CPO 时，这个问题在华为没有过争论。“ 因为华为自己会做光器件，又做光模块、昇腾芯片，清楚哪种情况是最佳的选择。我们很早就达成共识做 NPO，没做 CPO。”
他同时也表示，“NPO 是工程、成本、产业链分工与维护以及各方向上一个平衡的选择，没有对错。”NPO 保留更长一点的电连接，换来了接近 40% 的成本下降，以及光引擎相对独立维护的空间。
廖恒回忆，约二十年前，他就考虑过让芯片 I/O 转向光连接，原理上的吸引力一直存在，但温度变化、光学特性和可靠性，让产品实现远比电路图复杂。今天的 Hi-ONE，是经过一系列务实取舍才走到产品化阶段的结果。
华为此前在激光器、硅光和高速电子电路上的积累，也在这里汇合。一项技术能不能采用，需要考虑的不仅是性能上限，还包括能否制造、长期运行后怎样维护，以及供应链能否跟上。
“ 所以，我们坚定不移走 NPO 的道路，推动产业界形成标准，全产业链共同把 NPO 发展好，但也不是说 CPO 不行。” 徐直军说。光向芯片靠近，机柜之间反而可以拉开距离。疏朗地站，紧密地算，背后是华为对性能、维护和规模的一次综合取舍。
基于昇腾原生训练的大模型，或在明年集中出现
几颗芯片组成的系统，和数万乃至更多芯片组成的系统，对故障的感受完全不同。规模足够大时，某个器件失效、某条链路短暂异常，都需要被纳入正常的设计考虑。
“ 在做大模型训练过程中，突然一个卡掉下去了，或者是突然一个卡的性能下降了，都会对训练造成巨大的损失。” 徐直军说。
廖恒解释，光链路有时会出现短暂异常，虽然没有永久损坏，却可能干扰训练。华为通过更接近故障位置的检错与重传、替代连接路径，以及光源冗余等设计，尽量减少底层问题对应用的影响，它们不如峰值算力显眼，却决定了任务能否持续运行。
徐直军反复提到 MFU，也就是模型浮点算力利用率，这个指标关注的是，系统的计算能力有多少真正用在模型计算上。“ 基于 UB 互联技术，基于 Peerium 计算架构做出的超节点和集群，可以大幅度提升 MFU，这已经被验证了。”
徐直军表示，这也是头部模型厂商看重昇腾 950 的原因之一，华为还可以通过原厂服务，为持续提升效率提供支持，从而降低训练成本、加快训练迭代。
这给灵衢找到了一个更容易理解的位置，客户采购算力，是为了完成训练和推理任务。连接速度、系统稳定性和软件效率，最后都需要体现为任务完成得更快、综合成本更优。
眼下，华为仍处在把能力转化为大规模供给的过程中。950PR 已经上市，主要面向推理；用于训练的 950DT 预计今年年底或明年开始规模供货。基于 Atlas 950 超节点的 25.6 万卡集群正在部署，基于 NPO 的 Atlas 960 系统正在测试。
“ 我相信从明年开始大量模型的训练会构筑在基于 950DT 的超节点上或集群上。相信未来不是我们去推动的力度有多大，而是我们供货的能力有多大。” 徐直军说。
而在华为自己的产品之外，灵衢还有另一道题要答，其他企业是否愿意采用。
先在自己的产品里验证，再让更多企业参与，技术面对的环境也随之变化。华为可以协调自己的芯片、设备和软件，其他企业接入之后，还需要解决产品适配、兼容验证和长期演进的问题。
“ 为什么开放 UB 协议？就是相信整个产业界会朝着这条路线来，这样的话，为 AI 走向 AGI，整个产业界共同努力。” 徐直军说。
华为希望通过计算产品实现商业回报，而互联只有获得更多参与者，才能形成更大的生态，今天的开放，也是在为未来的产品和市场寻找更广泛的支撑。
回看过去几年的经历，人们容易把华为的创新都放进制裁后的突围故事里，但没有凭空而来的底层创新，华为的计算架构和互联研究在制裁之前已经开始，后来的持续投入，才形成今天的体系。
“UB 是一个创新之路，也是我认为未来 AI 计算的必由之路。” 一年前，芯片路线图回答了外界对未来供给的担忧。一年后，华为希望外界看到，计算背后还有影响更为深远的连接。（本文首发于钛媒体 APP）
更多精彩内容，关注钛媒体微信号 （ID：taimeiti），或者下载钛媒体 App
