華為靈衢 UnifiedBus 如何連接 AI 超節點與超集群

AI 系統做大，唔係不斷加速器就夠：處理器之間要及時交換數據，推理時亦要有地方存放愈來愈多的上下文。華為在 Huawei Connect 2026 展示的靈衢 UnifiedBus，就是其 Agentic AI SuperPoD（超節點）及 SuperCluster（超集群）方案中的互連層，目標是把不同實體伺服器上的運算、記憶體與儲存資源接成一個更大的系統。81921

一套互連，同時處理通訊與記憶體存取

華為稱，UnifiedBus 以具「記憶體語義」的共同協定整合十多種互連協定。其超節點設計強調點對點連接及跨實體伺服器存取記憶體，讓 CPU、NPU（神經網絡處理器）等資源毋須各自困在單一伺服器內。華為公布的互連數字，是頻寬由約每秒 100 GB 級提升至每秒 TB 級，往返延遲由約 7 微秒降至 2 微秒；這些是互連層的數字，不是應用程式加速幅度。271923

這亦關係到華為提出的另一種分工：把 Transformer 模型中的 Attention（注意力）與 FFN（前饋網絡）運算放到合適資源上處理。但如果中間結果傳送得太慢，分工的好處就可能被抵消；現有資料只說明這個設計方向，未量化端到端收益。78

推理的另一道關：上下文放在哪裏？

在華為描述的整體配置中，Kunpeng 950 負責通用運算、Ascend 960 負責 AI 運算；OceanStor M900 則為推理提供「上下文記憶體」。M900 透過 UnifiedBus 建立共享的 KV cache——即模型推理時用來保留先前運算資訊的快取——並把儲存層級由晶片內記憶體、DRAM 延伸至 SSD，以擴大超節點可用的上下文容量。421

**通訊速度與快取容量不能混為一談。**前者處理運算資源交換數據的瓶頸，後者處理上下文能存放多少；要讀取放在儲存裝置上的資料，實際速度仍取決於整條存取路徑，不能單看互連延遲。721

由機櫃接到更大集群

華為表示，UnifiedBus 設備涵蓋機櫃內、機櫃之間及跨集群連接。有報道引述一款互連設備的規格：176 個連接埠，每埠 1.6 Tbit/s，合計約 280 Tbit/s 的連接埠容量。這是設備的總埠容量，不等於單一處理器或 AI 工作負載可用的頻寬。719

規模再往上走，華為將互連與光網絡配合：Atlas 960E SuperPoD 採用近封裝光學技術；華為亦稱，採用全光 UnifiedBus 網絡的 TaiShan 950 SuperPoD 最多支援 4,096 個 NPU。其更長遠的架構目標是百萬 NPU 集群，並非已發表百萬 NPU 實際部署的效能測試。2519

哪些仍有待證實？

華為把包括 UBG 層在內的互連設備放在由機櫃延伸至集群的設計中。不過，現有資料未能確認 Atlas 650E 在當中的確切角色或部署狀態，也不足以支持具體的銅纜節省數字。至今亦缺乏獨立、完整集群的基準測試，證明上述延遲、頻寬及擴展規模能轉化為持續的訓練或推理效益。因此，現階段較準確的讀法是：UnifiedBus 是華為提出的整合架構及廠商公布的規格，而非已獲獨立驗證的端到端效能成果。7819