華為靈衢 UnifiedBus 如何串起 AI 超節點與超級叢集？

AI 系統要擴大規模，不能只增加加速器：處理器之間若來不及交換資料，或推論所需的上下文放不下，更多算力也難以充分發揮。華為在 2026 年華為全聯接大會上提出靈衢 UnifiedBus，將它定位為代理式 AI 超節點（SuperPoD）及超級叢集（SuperCluster）的互連核心，讓跨實體伺服器的運算、記憶體與儲存資源更緊密地協同運作。81921

同一套互連，處理跨伺服器通訊

華為表示，UnifiedBus 把十多種互連協定整合到具備「記憶體語意」的共同協定之下。其 SuperPoD 設計強調對等連接與跨實體伺服器的記憶體存取，使 CPU、NPU（神經網路處理器）等資源不必各自局限在單台伺服器內。華為報告的互連頻寬從約每秒 100 GB 等級提升至每秒 TB 等級，往返延遲則由約 7 微秒降至 2 微秒；這些是互連架構的數據，並非應用程式加速幅度。271923

這也關係到華為提出的 Transformer 工作分工：將注意力機制（Attention）與前饋網路（FFN）運算安排在合適的資源上，前提是中間資料移動的成本不會抵銷分工收益。現有資料說明了設計意圖，卻未量化端到端效益。78

M900 補的是上下文容量，不只是傳輸速度

在華為描述的整體配置中，鯤鵬 950 負責通用運算、昇騰 960 負責 AI 運算，OceanStor M900 則提供推論所需的上下文記憶體。M900 利用 UnifiedBus 建立可共享的 KV 快取池，將資料分層放在晶片內記憶體、DRAM 與 SSD，藉此擴大 SuperPoD 可使用的工作上下文。421

兩種瓶頸必須分開看：處理器間的快速互連主要解決通訊問題，共享、分層的 KV 快取則著眼於容量。當上下文需要從儲存裝置取回，實際速度仍取決於整條存取路徑，不能直接套用互連架構的最低延遲數字。721

從機櫃內，延伸到光學叢集

華為表示，UnifiedBus 相關設備涵蓋機櫃內、機櫃間及叢集間的連接。一款據報導的互連設備設有 176 個、各為 1.6 Tbit/s 的連接埠，合計約 280 Tbit/s；這是連接埠總容量，不代表單顆處理器或單一 AI 工作負載可取得同等頻寬。719

擴大規模時，華為把互連架構與光學網路結合：Atlas 960E SuperPoD 採用近封裝光學技術（NPO）；華為另稱，採用全光 UnifiedBus 網路的 TaiShan 950 SuperPoD 最多支援 4,096 個 NPU。其長期架構目標延伸至百萬 NPU 叢集，但這是擴充藍圖，不是已公布的百萬 NPU 部署效能測試。2519

哪些主張仍待驗證？

華為將包括會議報導所稱 UBG 層在內的互連設備，放進從機櫃延伸到叢集的設計中。不過，現有資料不足以確認 Atlas 650E 在其中的確切角色或部署狀態，也無法支持具體的銅材節省數字。更重要的是，目前缺乏獨立的完整叢集基準測試，證明上述延遲、頻寬與規模數字能轉化為持續的訓練或推論效益。現階段，UnifiedBus 較適合被理解為華為提出的整體架構及其公布的規格，而非已獲驗證的端到端效能成果。7819