阿里和华为，把AI芯片卷成系统战

国产AI芯片的故事，正在换剧本。

就在同一时间窗口里，阿里旗下平头哥高调亮相AI加速器Zhenwu V900，喊出了『中国最强AI芯片』的口号；另一边，华为在上海全联接大会上发布昇腾960超节点，单系统算力卡规模从1024卡直接翻了四倍。一个押注单卡极限，一个押注集群堆叠——两条路线背后，是国产算力对同一个问题的不同答案：先进制程买不到的情况下，算力还能怎么涨？

🚀 V900：一张赌上身家的单卡

单卡性能，仍然是这个行业的硬通货。

据平头哥公布的口径，Zhenwu V900的性能达到M890的三倍，同时搭载了216GB的片上显存。这两个数字放在一起，指向的目标也非常直白：阿里要用它去支撑10万亿参数级别的通义千问训练与推理。

先说216GB这个数字意味着什么。对大模型而言，显存容量决定了两件事：一是单卡能装下多大的模型切分片，二是推理时KV Cache能缓存多长的上下文。行业里私下流传一句话：『卡够不够快是面子，显存够不够大是里子。』当模型参数从千亿走向十万亿量级，显存墙比算力墙来得更早、更疼。

再说『三倍于M890』。厂商自报的性能口径历来有水分空间——峰值算力、稀疏算力、特定算子，每一种说法都能让数字好看几倍。但结合216GB显存这个配置来看，V900显然不是做PPT的产品，而是奔着自家大模型训练去的。据多位接近人士的说法，阿里这次是把芯片和模型放在同一条时间表上对齐的：芯片的规格，就是按10万亿参数模型的部署需求倒推出来的。

这背后是一个清晰的产业判断：当云端训练需求与自研大模型深度绑定，芯片公司最理想的客户，其实是自己。谷歌的TPU、亚马逊的Trainium都是这条路的先例。阿里正在做的，是把这套『云厂商自研芯片』的模式，在国产供应链的约束下再走一遍。

🔗 从1024到4096：华为的堆叠哲学

摩尔定律慢下来之后，超节点成了新的摩尔定律。

在华为全联接大会上，昇腾960超节点给出的核心数字是：算力卡数量上限从上一代的1024卡，跃升至4096卡。四倍的scale-up域扩张，这是整场发布会里最值得盯着看的数字。

什么意思？传统服务器集群里，跨节点通信走的是网络，延迟高、带宽窄；而『超节点』的本质，是把成百上千张卡用高带宽互连『焊』成一个逻辑上的大芯片。对训练十万亿参数模型来说，这种架构几乎是必需品——因为模型切分后的通信开销，会随集群规模指数级恶化，只有超节点的近距高带宽互连扛得住。

这套打法，英伟达用GB200 NVL72已经验证过一次：既然单芯片晶体管堆不动了，就把互连和封装做到极致，让『机柜』成为新的计算单元。华为把scale-up域从1024卡推到4096卡，等于是把这场竞争从『卡对卡』升级成了『柜对柜』。

产业逻辑上，这是很典型的扬长避短。单芯片制程受限于工艺代差，短期内难有翻盘机会；但系统互连、集群调度、通信库这些环节，拼的是工程能力和生态打磨，恰是华为多年积累的舒适区。用一位设备厂商人士的话说：『单点输给你，我就在系统层面赢回来。』

💡 NPO：光，终于爬上了封装

铜线的物理极限，正在被光一层层接管。

昇腾960超节点首次引入了一项叫NPO（近封装光学）的技术。这是华为官方明确的表述：该技术用于匹配十万亿模型训练和推理的需求。

NPO的原理并不神秘：传统数据中心里，光模块插在交换机面板上，电信号要先在PCB上走一段才完成光电转换；速率越高，这段铜线的损耗和功耗越难看。NPO的做法是把光学引擎挪到封装旁边，让光电转换尽可能贴近芯片，缩短电通道距离。再往前一步，就是业内热议的CPO（共封装光学）——光引擎直接进封装。

为什么超节点规模扩大四倍，就非得上NPO？推演一下逻辑链：4096卡的scale-up域，意味着互连总带宽需求至少以PB/s量级计，如果全靠铜互连，要么功耗爆表，要么传输距离缩到可怜的几十厘米。光进铜退，不是选择题，是必答题。

这条技术线的涟漪效应值得单独记一笔：NPO放量，直接受益的是光引擎、光模块和高带宽互连这条产业链。国产算力的上限，正在越来越多地由封装和互连环节，而非裸芯片本身决定。

⚠️ 十万亿参数，才是真正的考题

所有芯片叙事，最终都要在模型面前验货。

把两家发布的数字摆在一起看，会发现它们指向同一个靶心：

10万亿参数是什么概念？是当前主流旗舰模型参数量的一到两个数量级之上。要训练这个量级的模型，显存容量、互连带宽、集群稳定性、故障恢复效率，任何一环掉链子，上万个训练日就打了水漂。

这就是为什么行业里那句私下流传的话值得琢磨：『参数是吹出来的，集群是熬出来的。』单卡的纸面性能翻几倍，最终能转化成多少有效算力（MFU），取决于互连、软件栈和调度的长期打磨。华为做超节点的路数，本质上是把不确定性从芯片端转移到了系统工程端；阿里走单卡极限路线，则要在制程和显存两条被『卡脖子』的窄路上同时突破。

从供应链视角推演，两条路线共同抬升的需求点是明确的：先进封装产能、大容量HBM类显存、近封装光学器件。国产算力的竞争壁垒，正在从『流片能力』迁移到『先进封装+互连+系统』的组合拳上。

🗺️ 双雄分歧，其实是产业共识

路线不同，但方向惊人一致：算力民主化的战场在系统。

把V900和昇腾960放回同一条时间线里看，节奏感就出来了：

• 2025年：华为全联接大会（上海），发布昇腾960超节点，1024卡升至4096卡，首用NPO
• 同期：阿里平头哥发布Zhenwu V900，宣称中国最强AI芯片，性能三倍于M890，216GB显存，剑指10万亿参数通义

表面看，一个走单卡、一个走集群，路线分歧巨大。但往深一层看，这是同一场产业迁移的两个切面：当先进制程受限，算力的增量来源就从『晶体管密度』转移到了『封装、显存与互连』。英伟达用机柜级方案证明了这条路，谷歌TPU用自研证明了另一条路，而阿里和华为正在用各自的约束条件，把这两条路同时走通。

值得注意的还有分工：阿里是云厂商自研，芯片优先服务自家模型；华为是全栈供应商，超节点要卖给运营商、政企和各类大模型客户。前者拼垂直整合，后者拼生态铺开。未来国产算力格局，很可能不是一家通吃，而是『一条自用闭环+一条开放生态』并行。

AI芯片的竞争下半场，比的不是谁的峰值算力数字更漂亮，而是谁能把封装、显存、光互连和软件栈拧成一台真正跑得动十万亿参数的机器。V900和昇腾960只是开场哨——接下来值得盯住的，是先进封装产能的爬坡速度，以及NPO这类互连技术从发布会走进真实机房的时间表。国产算力的天花板，正在被重新定价。