華為公開連接4096個NPU的AI系統

華為公開可連接最多4096個神經網路處理器（NPU）的Atlas 960E SuperPoD，這套AI運算系統以FP8標準提供8 EFLOPS運算效能，並支援最多1PB高頻寬記憶體（HBM）。

華為17日在中國上海舉行的HUAWEI CONNECT 2026上發布Atlas 960E SuperPoD。華為表示，該系統瞄準參數規模達10兆個的大型AI模型訓練與推理。

華為公布的效能為FP8標準下的8 EFLOPS。中國語言簡報也列出FP4標準下16 EFLOPS的數字，但兩者採用不同的運算精度條件，無法直接比較。

這款產品的核心是基於近封裝光學（NPO）的「Hi-ONE」技術。NPO將光學連接元件配置在運算晶片附近，以支援大規模晶片間的資料傳輸。

華為說明，原本需要約4.8萬個800G光模組的連接架構，已由約5500個Hi-ONE取代。華為表示，這使單台SuperPoD的功耗降低逾550kW，系統可用性提升至99.8%。

華為補充，平均無故障運作時間也較前一代增加一倍。Hi-ONE單一裝置的傳輸容量則標示為7.2Tbit/s。

在大型AI系統中，數千個晶片會在模型訓練與推理過程中交換資料。因此，除了單一晶片的運算效能外，晶片連接網路的頻寬、功耗與故障應對能力，也會影響整體系統效率。

華為強調以UnifiedBus將多個NPU整合為單一運算系統，並採用統一記憶體架構。華為先前也曾提出將多個運算裝置整合為單一系統的AI架構。

此次發布顯示，華為試圖將AI基礎設施競爭的衡量標準，從單一晶片效能擴大至系統設計。華為將NPU連接技術與功耗效率置於核心位置，而非只強調取得美國先進晶片的能力。

美聯社（AP）報導，華為將Atlas 960定位為對輝達($NVDA)的挑戰。不過，美聯社也指出，中國AI模型訓練目前仍在許多情況下依賴美國晶片。

喬治·陳(George Chen) The Asia Group數位部門合夥人兼主席表示：「AI開發速度非常快，沒有人能確信自己會永遠保持領先。」這番話意味著，AI基礎設施競爭中的當前效能優勢，難以斷言能長期維持。

不同資料對產品配置規模的說法也存在差異。華為2026年發布資料將Atlas 960E SuperPoD描述為最多配置4096個NPU，但2025年路線圖則稱Atlas 960 SuperPoD最多支援1萬5488個昇騰NPU。

目前尚未確認兩個數字是否指向不同產品配置，或是既有路線圖已經修改。因此，僅根據目前公開資料，難以將Atlas 960E的最大擴充規模解讀為1萬5488個NPU。

其與輝達產品的競爭力也仍需進一步驗證。華為提出的運算效能與功耗降低數據來自公司自行發布的資料，目前尚未公開在相同條件下比較的獨立基準測試結果或軟體生態系驗證。

目前尚未確認該系統與加密貨幣挖礦存在直接關聯。華為將Atlas 960E介紹為AI訓練與推理基礎設施，並未宣布供應挖礦設備或區塊鏈資料中心。