新京报贝壳财经讯（记者张晓慧）今年以来，我国头部大模型参数规模快速增长，Kimi K3达到2.8万亿参数，Qwen3.8参数规模达2.4万亿。
随着大模型参数规模从千亿级迈向万亿级，模型训练对算力规模、内存以及跨卡协同效率提出了更高要求。正在举行的华为全联接大会2026上，华为给出了国产算力基础设施的一套最新方案。
华为副董事长、轮值董事长汪涛表示，当前，10万卡集群已成为训练十万亿级SOTA模型的标配，超节点成为超大规模AI基础设施建设的必然选择。
9月17日，华为正式发布基于“灵衢+Hi-ONE”打造的昇腾960超节点。这是全球首个采用NPO光引擎的超节点，正交架构和全液冷设计，基于灵衢实现内存统一编址，可扩展至4096卡规模，实现8EFLOPS FP8、16EFLOPS FP4。
在更大算力规模上，多个昇腾960超节点可采用灵衢网络或RoCE连接在一起，构建更大规模的超节点集群，通过二层CLOS四平面组网，最大集群规模可达到51.2万卡，再结合多轨道拓扑技术，最大可支持100万卡昇腾超节点集群。
谈到国产模型原生生态问题，华为副总裁、计算产品线总裁张熙伟表示，面向未来一到两个产品代际，昇腾团队核心要解决的问题是推动中国头部模型基于昇腾进行原生训练，并由此逐步构建大语言模型和多模态模型的原生生态，“期待昇腾950、960成为国内主流模型训练的主要技术路线。”
编辑 段文平
校对 赵琳
