对话徐直军：被低估的灵衢与华为AI算力布局

芯片终于不再是唯一的悬念。

一年前，华为公布昇腾芯片路线图时，外界最关注的是算力芯片能否如期交付。如今，昇腾950已经上市，Atlas 950超节点开始交付，基于其构建的25.6万卡集群正在部署，下一代Atlas 960系统也进入测试阶段。但对华为而言，单颗芯片的能力已经不足以解释其在AI算力上的完整布局。

华为轮值董事长徐直军与华为半导体首席科学家廖恒指出，当前的核心命题是：当芯片规模扩展到数万甚至数十万颗，如何让它们像一台计算机一样协同工作？

大模型训练中，处理器增加带来的算力收益，很大程度上被通信开销与协议转换抵消。买到的峰值算力与最终能用上的有效算力之间，存在巨大鸿沟。为此，华为发布了Peerium计算架构，借助嵌套并行、统一内存寻址与平等互联支撑超大规模算力集群，而灵衢（UnifiedBus，简称UB）正是实现该架构的核心互联技术。

突破通信边界：总线走出机箱

传统架构中，总线负责近距离通信，网络负责远距离传输。随着AI集群规模激增，跨机制衔接的代价愈发高昂。行业普遍在探索优化路径，如NVIDIA依赖NVLink与集群网络，AMD与开放标准阵营也在推进互联规范。华为的方案则是将更大范围的设备统一至同一套总线规则。

灵衢试图打破机柜与数据中心的界限，让CPU、NPU、内存与存储资源能够直接交互，省去频繁经过CPU协调与协议转换的开销。从2020年7月UB项目正式立项至今，华为完成了规范定义、协议冻结以及配套芯片的投片验证。目前，昇腾910C超节点采用UB 1.0，昇腾950采用UB 2.0，昇腾960将采用UB 2.1。

务实工程取舍：押注NPO光互联

随着传输速率攀升，传统电连接面临严苛的距离与功耗制约，光互联成为必然方向。在技术路线上，华为选择了近封装光学（NPO），而非行业同样热议的共封装光学（CPO）。

在昇腾960超节点中，Hi-ONE模组与芯片间仅保留约5厘米的板上电连接，其余互联均转向光链路。徐直军表示，这是工程、成本与维护性之间的平衡：NPO相比CPO降低了近40%的成本，并保留了光引擎独立维护的灵活性。华为结合此前在激光器、硅光及高速电路的积累，选择优先推进具备规模量产与维护可行性的NPO标准。

追求有效算力：提升集群MFU

在超大规模集群中，单点抖动或光链路短暂异常都可能打断耗时数周的模型训练任务。华为通过就近检错重传、备用路径切换及光源冗余设计，保障系统持续稳定运行。

徐直军强调，衡量集群算力更关键的指标是模型浮点算力利用率（MFU）。通过UB互联与Peerium架构，系统有效算力得以大幅提升，直接帮助客户降低训练成本。面向训练的950DT预计今年底至明年规模供货，徐直军预计明年基于昇腾原生训练的大模型将集中涌现。

与此同时，华为已宣布开放UB协议。互联技术需要更广泛的生态支撑，通过开源开放吸引产业链伙伴参与，华为试图在芯片硬件之外，构建由互联标准主导的AI算力新生态。