華為押注互連：Atlas 960E 與 UnifiedBus 能否令萬卡 AI 叢集更有效率？

大型 AI 叢集去到數千個處理器時，瓶頸未必只係每粒加速器有幾快；參數、activation（中間運算資料）、快取同記憶體存取要喺大量處理器之間來回搬運，隨時令算力閒置等數據。華為新公布的 Atlas 960E SuperPoD、Ascend 960 路線圖及 UnifiedBus，正正係想由互連架構入手處理這個問題。不過，文中性能及效率數字均為華為的產品主張，未經獨立基準測試驗證。918

核心構想：令叢集少啲似一堆獨立伺服器

傳統大型叢集通常將 CPU、加速器、儲存裝置和記憶體視為不同資源，並以多種協議連接。華為稱，UnifiedBus 將超過 10 種互連協議整合至單一協議及記憶體語義之下，讓 CPU、NPU、記憶體與 SSD 可直接點對點存取。18

實際目標是減少等待時間：軟件毋須反覆在孤立節點之間複製資料或作明確協調，而是可在一個 SuperPoD 內，透過統一的全域記憶體位址空間來存取記憶體。對於模型本身及中間資料已超出單一加速器本地記憶體容量的工作負載，這種設計理論上可將分散記憶體當成較易使用的共享資源。18

華為聲稱，這套架構可將互連能力由約 100 GB/s 級別提升至 TB/s 級別，並把來回延遲（RTT）由約 7 微秒降至 2 微秒。這些是 UnifiedBus 預定架構的指標，並非與競爭系統作出的通用、獨立測試比較。18

Atlas 960E：以近封裝光學互連擴至 SuperPoD 規模

Atlas 960E SuperPoD 結合即將推出的 Ascend 960 處理器、UnifiedBus，以及華為 Hi-ONE 近封裝光學（near-packaged optics，NPO）引擎。華為形容，這是一套全液冷、採用 NPO 的 SuperPoD，面向最高 10 萬億參數模型的訓練及推理工作負載。9

其公布的主力配置為 4,096 個採用統一記憶體定址的 NPU，宣稱可提供 FP8 8 EFLOPS 或 FP4 16 EFLOPS 算力。9

NPO 是此設計的關鍵，原因是當頻寬與叢集規模不斷上升，純電氣連接會愈來愈難擴展。華為稱，每個 Hi-ONE 光學引擎可提供 7.2 Tbit/s；在建議的 4,096-NPU 系統中，約 5,500 個 Hi-ONE 引擎可取代約 48,000 個傳統 800G 光學模組，令耗電量減少超過 550 kW，並把可用性提升至 99.8%。這些均為華為對其設計的預測。9

由機櫃到百萬 NPU：另外幾塊拼圖

華為亦為叢集不同的物理層級定義了相應產品：

• LinkBlade：用於機櫃內互連、毋須線纜的 UnifiedBus 元件。華為稱它可免除纜線造成的電路損耗；在 4,096-NPU SuperPoD 配置中，可減少約 196 公里銅纜。18
• LinkDevice：面向機櫃之間的光學互連。華為稱其提供 176 個、每個 1.6 Tbit/s 的連接埠，合計頻寬 280 Tbit/s，來回延遲最低可達 2 微秒。18
• UBG 交換機：定位為連接多個 SuperPoD 的叢集級網絡層。華為稱，其拓撲可在雙層、四平面 Clos 網絡中擴展至 512,000 個 NPU；採用 multi-rail 拓撲則可達 100 萬個 NPU。這是架構可擴展性的主張，並不等於已有百萬 NPU 叢集投入運作。18

不是每間企業都需要巨型 SuperPoD。較小型的 Atlas 650E 採用 UnifiedBus Link 2.0，提供 16-NPU 全互連（full-mesh）配置。華為列出的規格包括最高 4.0 TB/s 片上記憶體讀寫頻寬，以及每台 16-NPU 伺服器 13.4 TB/s 的 UB Link 頻寬。20

Ascend 960 路線圖：2027 年推出訓練及推理版本

華為表示 Ascend 960 的研發進度超出預期，原定性能目標更翻倍；但公司未有公開足以獨立核實此說法的基準測試細節。11

已公布的時間表如下：

• Ascend 960DT：定位為解碼及訓練，預計 2027 年第一季 推出，較華為原先路線圖提早三個季度。111
• Ascend 960PR：定位為 prefill（預填充）及推薦／推理，預計 2027 年第三季 推出，較原定時間提早一個季度。111

華為亦表示，上一代 Atlas 950 SuperPod 系統已進入大規模商用；但這不應與 Atlas 960E 已部署混為一談，因為後者仍配合即將推出的 Ascend 960 世代。39

跟 Nvidia NVLink 有咩分別？

UnifiedBus 可以理解為華為針對同一類問題提出的系統級方案：跟 Nvidia 的 NVLink 一樣，目標都是讓大量加速器取得足夠快的數據供應與相互通訊，避免叢集規模愈大、同步開銷反而愈重。

華為提出的差異，在於較廣泛的協議統一、SuperPoD 內的全域記憶體定址、異構元件之間的直接存取，以及將 NPO 整合到 SuperPoD 層面。189

但現有資料不足以證明 UnifiedBus 能在頻寬、延遲、軟件成熟度、可靠性、成本或真實訓練吞吐量上，與 NVLink 作直接對等比較。同樣地，資料亦未顯示 UnifiedBus 是一個在管治模式或跨供應商互通目標上，可與開放式加速器互連倡議相提並論的標準；它目前被呈現為華為自家的架構及產品生態。18

真正要睇的，是出貨後的實測

今次公布的重要性，在於華為將互連、光學、網絡拓撲及記憶體語義放到 AI 基建策略的中心。當工作負載同時受制於通訊效率與記憶體容量，而不單是單芯片算力時，這種系統設計可以有策略價值。

不過，最後仍要等實物說話：Ascend 960 和 Atlas 960E 是否如期出貨、真實工作負載下的訓練吞吐量與利用率、軟件工具是否好用、大規模運行時的可靠性，以及能否大量供貨。現階段，4,096-NPU SuperPoD 與百萬 NPU SuperCluster 仍是進取的架構目標，而非已由獨立測試證實的成果。91118