超节点系列报告（一）_万卡一机_灵衢铸基_32页_2mb

华为超节点系列报告（一）总结

核心内容概述

华为推出的“超节点”架构是应对大模型持续演进和国产芯片制程受限的系统级解决方案。通过将数百至数千颗芯片组织成一台逻辑计算机，超节点能够满足大模型在训练和推理中的高性能需求，同时弥补国产芯片在单卡性能上的不足。该架构基于“灵衢UB 2.0”技术底座，实现芯片间的高效互联和资源统一调度，提升算力、内存、带宽等多维度性能，同时降低成本与提高可用性。

主要观点与关键信息

1. 供给侧与需求侧驱动超节点发展

• 供给侧限制：国产AI芯片在先进制程、HBM等关键环节仍受制于制造工艺，短期内难以通过单芯片性能提升追赶国际领先水平。
• 需求侧演进：大模型正向万亿参数、MoE稀疏架构、长上下文和多模态方向发展，单机已无法满足模型的计算与内存需求，需依赖大规模多卡并行。
• 系统瓶颈：过去8年，单节点计算能力增长约40倍，但节点间通信带宽仅增长4-8倍，传统Scale-out架构面临通信墙、内存墙与利用率瓶颈。

2. 超节点的系统架构与技术优势

• 灵衢UB 2.0：实现统一编址、平等协同、资源池化、分层FullMesh拓扑与APR多路径路由，显著降低协议转换与跨卡通信开销。
• UB-Mesh网络架构：支持分层局部化通信，提升带宽利用率与系统线性度。在多个LLM训练任务中实现95%以上的线性度，成本效益达传统Clos架构的2.04倍，可用性提高7.2个百分点。
• 超节点产品矩阵：
  • Atlas 900 A3：384卡规模，已实现规模化商用，服务超过2000家政企客户。
  • Atlas 950 SuperPoD：支持8192颗Ascend 950DT，FP8算力达8EFLOPS，内存容量达1152TiB，互联带宽达16PB/s。
  • Atlas 950 SuperCluster：支持52.4万卡规模，提供超大规模算力支持。

3. 超节点的产业化与产业链影响

• 算力提升：Atlas 950 SuperPoD相比NVL144，算力提升6.7倍，内存容量提升15倍，互联带宽提升62倍。
• 成本与效率：超节点通过降低交换机和光模块使用量，提升整体成本效益。
• 产业链受益：超节点的发展将带动芯片制造、先进封装、整机交付、液冷系统、光互联器件等多环节需求，涉及公司包括海光信息、寒武纪、中微公司、盛合晶微、超聚变、神州数码、华勤技术等。

4. 负载侧优化与通信效率提升

• MoE与长上下文：MoE模型的稀疏激活和长上下文需求对通信和内存访问提出更高要求。
• TP/SP通信：占总训练流量的96.98%，具有明显的局部性特征，适合在高带宽域中完成。
• APR多路径路由：在拥塞或故障时可动态切换路径，提升系统韧性与吞吐性能。
• 集合通信优化：如AllReduce与All-to-All，利用多路径与分层广播/归约提升训练效率。

5. 技术实现与拓扑结构

• 分层FullMesh拓扑：从1D单板、2D机架、4D Pod到nD SuperPod，实现资源的递归全互联。
• 通信分层：短距电直连（如UB x56、x12、x4）与长距光互联（如HRS、Clos）结合，满足不同维度的通信需求。
• 硬件与软件协同：UB I/O控制器支持异构资源统一访问，CANN软件栈开源，提升生态协同能力。

6. 风险提示

• 核心技术与产品交付风险：Atlas 950/960超节点及Ascend 950DT等产品仍处于产业化阶段，交付依赖芯片量产、HBM、灵衢UB 2.0等技术协同。
• 市场需求与商业化风险：超节点的推广依赖AI算力需求增长与政企客户投资意愿，同时对机房基础设施要求较高。
• 供应链及产业链映射风险：涉及多个技术环节，关键部件供应受限或成本上升可能影响系统交付与盈利能力。

投资建议与产业链受益分析

01 产业链投资机会

• 机柜BOM：带动服务器整机、光芯片、HBM存储颗粒等需求。
• 先进封装：逻辑折叠3D封装、混合键合设备、EDA工具等。
• 光互联器件：光芯片、光模块、光纤连接器等。
• 高速PCB及基板材料：深南电路、沪电股份等。
• 液冷散热系统：英维克、申菱环境等。
• 供电与结构件：杰华特、宏发股份等。
• 数据存储系统：中科曙光、浪潮信息等。
• 整机代工：超聚变、工业富联等。
• 底层基础软件：华大九天、达梦数据等。

02 行业投资评级

• 看好：行业指数相对于沪深300指数上涨10%以上。
• 中性：行业指数相对于沪深300指数涨跌幅在-10%至+10%之间。
• 看淡：行业指数相对于沪深300指数下跌10%以下。

结论

华为超节点通过系统级优化，突破了传统架构在通信与内存等方面的瓶颈，为大模型训练与推理提供更高效率与更低成本。其技术底座“灵衢UB 2.0”支持大规模多卡协同，显著提升性能与可用性，成为国产AI算力的重要架构路径。随着超节点的产业化推进，其对产业链的带动效应将逐步显现，涉及多个技术环节和相关企业。