華為的2027年AI晶片部署，重點唔係單靠推出一粒更快的處理器，而係將晶片、互連、超節點、集群同軟件整合成一套AI算力基建。公司表示，Ascend 960DT會在2027年第一季推出，Ascend 960PR則在第三季推出；兩者是Ascend 960世代的重要產品。1

先後推出960DT、960PR，背後係整套算力路線圖

華為把960系列定位為下一步Ascend AI算力產品路線。對客戶而言，焦點不應只放在單粒晶片的規格，而是它能否放入一個可擴展、可運維的大型系統：由處理器、伺服器與網絡互連，一路延伸至超節點、超集群及配套軟件。

呢種打法的目標，是降低中國市場對Nvidia AI加速器及其供應鏈的依賴。1

UnifiedBus係乜？關鍵在於令大量晶片「一齊做嘢」

訓練大型模型或部署高流量推理服務，難靠單粒AI晶片完成；真正難題之一，是成千上萬粒處理器之間點樣高速交換資料，避免通訊成為整個系統的樽頸。

華為的UnifiedBus正是為此而設的高速互連技術。它的目標是提供夠低的延遲與夠高的頻寬，令多個Ascend處理器可以協同工作，從軟件角度看起來更似一個整合式AI運算系統，而唔係一堆各自獨立的加速器。升級版方案據報可連接最多4,000個處理器，並將高速光連接更深入帶入系統內部。2

簡單講，晶片本身負責算；UnifiedBus則處理「點樣令咁多粒晶片有效率地夾埋算」。規模愈大，互連能力對實際效能就愈關鍵。

由超節點擴展到百萬處理器超集群

華為的架構會先把大量處理器組成SuperPoD／超節點，再把多個SuperPoD組合為SuperCluster／超集群。華為公布的Atlas 960 SuperCluster，規模可超過100萬個Ascend NPU（神經網絡處理器）。3

不過，這個「逾100萬」是整個可橫向擴展的超集群規模，並不等於100萬粒處理器全部直接接在同一個扁平網絡上。其設計邏輯是分層擴展：先做好超節點內部的緊密協作，再將多個超節點串連成更大系統。

商業落地方面，華為稱已向超過370名客戶出貨逾1,000套Ascend超節點。這至少顯示系統已不止停留在實驗室展示；但相關出貨量與客戶數字屬公司說法，本身未能獨立證明其相對效能、使用率或盈利能力。4

美國出口限制，令「國產替代」變成更迫切的需求

美國對先進AI晶片及相關技術的出口限制，收窄了中國取得頂尖Nvidia加速器的渠道。對中國雲端服務商、公營機構買家及大模型開發商來說，這既是供應限制，亦提高了驗證和採用本土硬件的誘因：供應鏈若可能再受限制，能夠本地供應與支援的方案自然更具吸引力。1

因此，華為的競爭賣點不只是每粒晶片跑分有幾高，還包括供應韌性、可取得性，以及由硬件互連到軟件工具的一站式部署能力。這亦配合中國推動本土AI基建的方向。

要挑戰Nvidia，最大關唔係只有硬件

不過，Nvidia真正的護城河不止GPU。其CUDA軟件生態已有成熟的開發工具、函式庫、應用兼容性與大量熟悉流程的開發者，令企業轉平台的成本相當高。

華為因而需要證明，客戶由既有平台遷移到Ascend後，模型移植與調校是否順暢、日常運維是否方便，以及大規模擴展時是否可靠。單是聲稱系統層面的算力更高，未必足以令客戶轉換。

華為提到其CANN社群有5,270名每月活躍開發者，意在展示軟件生態正在增長。這批開發者有助改善框架支援、算子、模型移植及工具鏈；但與Nvidia全球CUDA生態相比，仍未算根基深厚。真正要看的，是能否持續產出可在生產環境運行的軟件，以及帶來重複採購與部署，而不只是社群活躍數字。5

總結：華為想以「整套系統」追趕Nvidia

華為的策略，是以UnifiedBus帶動的大規模互連、本土供應與政策需求，再配合Ascend／CANN生態，去彌補Nvidia在硬件與CUDA上的既有優勢。

短期而言，中國市場在先進晶片供應受限的情況下，是華為最重要的機會。至於能否在更廣泛市場追上Nvidia，最後仍要回到幾個很實際的問題：軟件兼容性夠唔夠好、大規模交付夠唔夠穩定，以及整體成本效益有冇競爭力。

華為的2027年AI晶片部署，重點唔係單靠推出一粒更快的處理器，而係將晶片、互連、超節點、集群同軟件整合成一套AI算力基建。公司表示，Ascend 960DT會在2027年第一季推出，Ascend 960PR則在第三季推出；兩者是Ascend 960世代的重要產品。1

先後推出960DT、960PR，背後係整套算力路線圖

華為把960系列定位為下一步Ascend AI算力產品路線。對客戶而言，焦點不應只放在單粒晶片的規格，而是它能否放入一個可擴展、可運維的大型系統：由處理器、伺服器與網絡互連，一路延伸至超節點、超集群及配套軟件。

呢種打法的目標，是降低中國市場對Nvidia AI加速器及其供應鏈的依賴。1

UnifiedBus係乜？關鍵在於令大量晶片「一齊做嘢」

訓練大型模型或部署高流量推理服務，難靠單粒AI晶片完成；真正難題之一，是成千上萬粒處理器之間點樣高速交換資料，避免通訊成為整個系統的樽頸。

華為的UnifiedBus正是為此而設的高速互連技術。它的目標是提供夠低的延遲與夠高的頻寬，令多個Ascend處理器可以協同工作，從軟件角度看起來更似一個整合式AI運算系統，而唔係一堆各自獨立的加速器。升級版方案據報可連接最多4,000個處理器，並將高速光連接更深入帶入系統內部。2

簡單講，晶片本身負責算；UnifiedBus則處理「點樣令咁多粒晶片有效率地夾埋算」。規模愈大，互連能力對實際效能就愈關鍵。

由超節點擴展到百萬處理器超集群

華為的架構會先把大量處理器組成SuperPoD／超節點，再把多個SuperPoD組合為SuperCluster／超集群。華為公布的Atlas 960 SuperCluster，規模可超過100萬個Ascend NPU（神經網絡處理器）。3

不過，這個「逾100萬」是整個可橫向擴展的超集群規模，並不等於100萬粒處理器全部直接接在同一個扁平網絡上。其設計邏輯是分層擴展：先做好超節點內部的緊密協作，再將多個超節點串連成更大系統。

商業落地方面，華為稱已向超過370名客戶出貨逾1,000套Ascend超節點。這至少顯示系統已不止停留在實驗室展示；但相關出貨量與客戶數字屬公司說法，本身未能獨立證明其相對效能、使用率或盈利能力。4

美國出口限制，令「國產替代」變成更迫切的需求

美國對先進AI晶片及相關技術的出口限制，收窄了中國取得頂尖Nvidia加速器的渠道。對中國雲端服務商、公營機構買家及大模型開發商來說，這既是供應限制，亦提高了驗證和採用本土硬件的誘因：供應鏈若可能再受限制，能夠本地供應與支援的方案自然更具吸引力。1

因此，華為的競爭賣點不只是每粒晶片跑分有幾高，還包括供應韌性、可取得性，以及由硬件互連到軟件工具的一站式部署能力。這亦配合中國推動本土AI基建的方向。

要挑戰Nvidia，最大關唔係只有硬件

不過，Nvidia真正的護城河不止GPU。其CUDA軟件生態已有成熟的開發工具、函式庫、應用兼容性與大量熟悉流程的開發者，令企業轉平台的成本相當高。

華為因而需要證明，客戶由既有平台遷移到Ascend後，模型移植與調校是否順暢、日常運維是否方便，以及大規模擴展時是否可靠。單是聲稱系統層面的算力更高，未必足以令客戶轉換。

華為提到其CANN社群有5,270名每月活躍開發者，意在展示軟件生態正在增長。這批開發者有助改善框架支援、算子、模型移植及工具鏈；但與Nvidia全球CUDA生態相比，仍未算根基深厚。真正要看的，是能否持續產出可在生產環境運行的軟件，以及帶來重複採購與部署，而不只是社群活躍數字。5

總結：華為想以「整套系統」追趕Nvidia

華為的策略，是以UnifiedBus帶動的大規模互連、本土供應與政策需求，再配合Ascend／CANN生態，去彌補Nvidia在硬件與CUDA上的既有優勢。

短期而言，中國市場在先進晶片供應受限的情況下，是華為最重要的機會。至於能否在更廣泛市場追上Nvidia，最後仍要回到幾個很實際的問題：軟件兼容性夠唔夠好、大規模交付夠唔夠穩定，以及整體成本效益有冇競爭力。