2026年9月17日至19日，华为在上海举行的HUAWEI CONNECT 2026上，并未把重点放在某一款单品上，而是集中阐述了一套面向“智能体世界”的全栈方案。华为的判断是，能够长时间执行任务、处理超长上下文并进行多步骤协作的AI智能体，会同时挤压计算、内存、网络、云运维与能源系统；企业要从演示走向稳定生产，基础设施必须联动设计。102

OceanStor M900：把KV Cache当作推理基础设施

此次最具辨识度的发布是OceanStor M900记忆存储。该产品面向超大规模数据中心的AI推理，华为将其定位为SuperPoD的共享上下文记忆层，用于缓解长上下文和多步骤智能体任务中，芯片片上存储与DRAM容量受限的问题。45

其核心是通过UnifiedBus构建全局共享、分层的KV Cache池：更快的内存层与基于SSD的存储层共同参与承载上下文。华为还称，系统集成CPU、网络控制器和NAND控制器相关功能，使NPU可一步直达SSD。24

华为试图将单个加速器可用的上下文记忆，从GB级扩展为可共享的PB级资源。第三方报道转述华为发布信息称，单个M900集群的KV Cache容量最高可达64 PB。11 华为还表示，混合介质设计与优化留存算法可将SSD读写寿命延长16倍。2

这些容量与效率数据均属于厂商口径，尚非独立基准测试结果。但M900释放出的战略信号很明确：华为不再把KV Cache和长上下文检索视为普通存储附属能力，而是将其放到AI推理系统的核心位置。

UnifiedBus与SuperPod：从单机柜连到百万NPU集群

M900与升级后的TaiShan 950 SuperPoD以及新的UnifiedBus计算架构一同亮相。华为称，这套互连架构可覆盖机柜内、机柜间和跨集群连接，并支持从单机柜弹性扩展至最高百万NPU规模的集群。27

背后的逻辑是，智能体工作负载需要计算和记忆的紧密协同，而不是孤立的加速器资源池。华为希望以UnifiedBus作为SuperPod、集群和上下文记忆之间的共同“底座”，形成相较于传统“计算加存储”拼接式架构更紧密的一体化系统。27

云、模型与智能体开发：让企业少管部署，多做应用

在云侧，华为云面向全球发布最新版AI Cluster Service（AICS），将其作为智能体AI的云端基础能力之一。3

模型服务层的**Agentic Model as a Service（MaaS，模型即服务）**聚合多类模型，开发者无需自行管理模型部署，即可调用模型服务。华为希望它成为应用和智能体开发者规模化获取模型能力的入口。313

面向智能体的构建、部署和管理，华为重点展示了AgentArts平台，相关材料还提及开源的openJiuwen版本。13

华为云Stack提出的“智能体就绪”混合云架构包括四部分：

1. 统一通用算力与AI算力、可持续演进的敏捷弹性云基础设施；
2. 连接数据、算力与Token的AI原生能力中心；
3. 用于大规模开发和运行智能体的智能体原生使能平台；
4. 覆盖智能体全生命周期的智能运维和端到端安全能力。31

这套设计的目标，是让企业能在云上与本地环境之间运行AI，并把数据、算力、模型选择与智能体运营统一到一套可管理的体系中。

网络不再只是“管道”，而是Token生产的一环

华为还升级了Stellar AI Network Solution，覆盖AI Fabric、AI WAN和AI Campus。官方给出的设计重点包括安全与智能连接、高效算力生产、无损传输和快速应用体验。20

对分布式AI系统而言，训练与推理性能不仅取决于处理器，也可能被加速器之间、集群之间及不同地域之间的数据通信所限制。华为针对跨区域计算的Stellar AI WAN宣称，可在超过1,000公里距离上实现算力无损传输，以提供更接近本地计算的远程体验。23

数据中心也要围绕能效重构

华为的AI数据中心叙事不止于服务器和网络。其“电网友好型AI数据中心”策略，将高密度AI园区视为需要与电网、储能、制冷和计算负载协同运作的系统，而非单纯持续增加的用电负载。29

这一策略围绕“每瓦Token数”展开，即提高每单位能耗可产出的有效AI结果。华为提出以电网友好型UPS和构网型储能为中心的多输入多输出（MIMO）供电架构，并计划向基于固态变压器技术的一体化构网型能源路由器演进。2930

在大会上，华为展示的AI数据中心能力覆盖SuperPod与SuperCluster、通用计算与存储、边缘基础设施、数据中心网络和机房设施。18 这意味着在其框架中，供电、制冷与能源管理不再只是机房后勤，而被视为AI系统性能和经济性的组成部分。

SCALE：解决AI项目“做得出、落不下”的问题

技术平台不等于行业落地。为推动AI从试点走向规模部署，华为发布了“华为+伙伴”支持体系SCALE，意在帮助合作伙伴应对方案开发、集成验证、交付、运维和系统协同等常见障碍。3334

华为列出的支持内容包括场景化解决方案、联合创新、协同营销、本地服务、一致质量与高效协作。值得注意的是，发布材料称之为“五类支持”，实际列出了六项内容。33

这一体系与华为的行业AI思路一致：将基础设施、软件、行业资产和伙伴服务组合成可复制的交付方案，而非主要依赖高度定制化的概念验证项目。

这场发布会真正想传达什么？

综合来看，华为在HUAWEI CONNECT 2026勾勒的是一套纵向整合的AI方案：底层有芯片和SuperPod，中间有UnifiedBus与上下文记忆，上层有云集群、模型服务和智能体工具，再以网络、能源系统和伙伴交付能力包围整个部署过程。

华为着重强调的差异点，不只是“更多算力”，而是一套服务于长上下文、高记忆需求、持续运行智能体的Token生产系统。其中，OceanStor M900之所以处于中心位置，正是因为它瞄准了AI推理中KV Cache不断增长的容量与成本压力。24

大会公布的容量、性能、可用性和能效数字，很多来自华为自身的产品发布与技术材料，应视为厂商声明。不过，其战略方向已经十分清晰：华为希望掌握并整合企业将智能体AI从展示阶段推向长期生产运行所需的各层基础设施。2331

2026年9月17日至19日，华为在上海举行的HUAWEI CONNECT 2026上，并未把重点放在某一款单品上，而是集中阐述了一套面向“智能体世界”的全栈方案。华为的判断是，能够长时间执行任务、处理超长上下文并进行多步骤协作的AI智能体，会同时挤压计算、内存、网络、云运维与能源系统；企业要从演示走向稳定生产，基础设施必须联动设计。102

OceanStor M900：把KV Cache当作推理基础设施

此次最具辨识度的发布是OceanStor M900记忆存储。该产品面向超大规模数据中心的AI推理，华为将其定位为SuperPoD的共享上下文记忆层，用于缓解长上下文和多步骤智能体任务中，芯片片上存储与DRAM容量受限的问题。45

其核心是通过UnifiedBus构建全局共享、分层的KV Cache池：更快的内存层与基于SSD的存储层共同参与承载上下文。华为还称，系统集成CPU、网络控制器和NAND控制器相关功能，使NPU可一步直达SSD。24

华为试图将单个加速器可用的上下文记忆，从GB级扩展为可共享的PB级资源。第三方报道转述华为发布信息称，单个M900集群的KV Cache容量最高可达64 PB。11 华为还表示，混合介质设计与优化留存算法可将SSD读写寿命延长16倍。2

这些容量与效率数据均属于厂商口径，尚非独立基准测试结果。但M900释放出的战略信号很明确：华为不再把KV Cache和长上下文检索视为普通存储附属能力，而是将其放到AI推理系统的核心位置。

UnifiedBus与SuperPod：从单机柜连到百万NPU集群

M900与升级后的TaiShan 950 SuperPoD以及新的UnifiedBus计算架构一同亮相。华为称，这套互连架构可覆盖机柜内、机柜间和跨集群连接，并支持从单机柜弹性扩展至最高百万NPU规模的集群。27

背后的逻辑是，智能体工作负载需要计算和记忆的紧密协同，而不是孤立的加速器资源池。华为希望以UnifiedBus作为SuperPod、集群和上下文记忆之间的共同“底座”，形成相较于传统“计算加存储”拼接式架构更紧密的一体化系统。27

云、模型与智能体开发：让企业少管部署，多做应用

在云侧，华为云面向全球发布最新版AI Cluster Service（AICS），将其作为智能体AI的云端基础能力之一。3

模型服务层的**Agentic Model as a Service（MaaS，模型即服务）**聚合多类模型，开发者无需自行管理模型部署，即可调用模型服务。华为希望它成为应用和智能体开发者规模化获取模型能力的入口。313

面向智能体的构建、部署和管理，华为重点展示了AgentArts平台，相关材料还提及开源的openJiuwen版本。13

华为云Stack提出的“智能体就绪”混合云架构包括四部分：

1. 统一通用算力与AI算力、可持续演进的敏捷弹性云基础设施；
2. 连接数据、算力与Token的AI原生能力中心；
3. 用于大规模开发和运行智能体的智能体原生使能平台；
4. 覆盖智能体全生命周期的智能运维和端到端安全能力。31

这套设计的目标，是让企业能在云上与本地环境之间运行AI，并把数据、算力、模型选择与智能体运营统一到一套可管理的体系中。

网络不再只是“管道”，而是Token生产的一环

华为还升级了Stellar AI Network Solution，覆盖AI Fabric、AI WAN和AI Campus。官方给出的设计重点包括安全与智能连接、高效算力生产、无损传输和快速应用体验。20

对分布式AI系统而言，训练与推理性能不仅取决于处理器，也可能被加速器之间、集群之间及不同地域之间的数据通信所限制。华为针对跨区域计算的Stellar AI WAN宣称，可在超过1,000公里距离上实现算力无损传输，以提供更接近本地计算的远程体验。23

数据中心也要围绕能效重构

华为的AI数据中心叙事不止于服务器和网络。其“电网友好型AI数据中心”策略，将高密度AI园区视为需要与电网、储能、制冷和计算负载协同运作的系统，而非单纯持续增加的用电负载。29

这一策略围绕“每瓦Token数”展开，即提高每单位能耗可产出的有效AI结果。华为提出以电网友好型UPS和构网型储能为中心的多输入多输出（MIMO）供电架构，并计划向基于固态变压器技术的一体化构网型能源路由器演进。2930

在大会上，华为展示的AI数据中心能力覆盖SuperPod与SuperCluster、通用计算与存储、边缘基础设施、数据中心网络和机房设施。18 这意味着在其框架中，供电、制冷与能源管理不再只是机房后勤，而被视为AI系统性能和经济性的组成部分。

SCALE：解决AI项目“做得出、落不下”的问题

技术平台不等于行业落地。为推动AI从试点走向规模部署，华为发布了“华为+伙伴”支持体系SCALE，意在帮助合作伙伴应对方案开发、集成验证、交付、运维和系统协同等常见障碍。3334

华为列出的支持内容包括场景化解决方案、联合创新、协同营销、本地服务、一致质量与高效协作。值得注意的是，发布材料称之为“五类支持”，实际列出了六项内容。33

这一体系与华为的行业AI思路一致：将基础设施、软件、行业资产和伙伴服务组合成可复制的交付方案，而非主要依赖高度定制化的概念验证项目。

这场发布会真正想传达什么？

综合来看，华为在HUAWEI CONNECT 2026勾勒的是一套纵向整合的AI方案：底层有芯片和SuperPod，中间有UnifiedBus与上下文记忆，上层有云集群、模型服务和智能体工具，再以网络、能源系统和伙伴交付能力包围整个部署过程。

华为着重强调的差异点，不只是“更多算力”，而是一套服务于长上下文、高记忆需求、持续运行智能体的Token生产系统。其中，OceanStor M900之所以处于中心位置，正是因为它瞄准了AI推理中KV Cache不断增长的容量与成本压力。24

大会公布的容量、性能、可用性和能效数字，很多来自华为自身的产品发布与技术材料，应视为厂商声明。不过，其战略方向已经十分清晰：华为希望掌握并整合企业将智能体AI从展示阶段推向长期生产运行所需的各层基础设施。2331