百万卡拧成一台机器，华为赌对了？

做机器人的这两年，最痛的不是没有好模型，是没地方跑。

华为在上海开全联接大会2026，一口气甩出三张牌：业界首个采用NPO（近封装光学）技术的昇腾960超节点、升级版鲲鹏超节点、面向AI记忆分层的OceanStor M900存储系统。再往底层看，还发布了AI时代全新计算架构Peerium，配合灵衢（UnifiedBus）统一互联，喊出的目标是——支持百万卡超大规模集群，让百万级处理器成为一台计算机。

这套东西表面是AI算力的军备竞赛，往机器人行业里看，其实是具身智能接下来两年能否真正「跑起来」的底层变量。推理算力的水位，决定了多少机器人公司能活着等到规模化那一天。

💥 超节点不是营销词，是被通信逼出来的

先泼一盆冷水：超节点这个词，听着像发布会修辞，实际上是被一个尴尬的物理现实逼出来的。

华为轮值董事长汪涛在会上给了一组硬数据：当前10万卡集群已经是训练十万亿级SOTA模型的标配，但传统服务器架构下，集群内部通信耗时超过训练时间的40%，严重拖累MFU（模型浮点算力利用率）。什么概念？你买一万张卡，接近一半的电和时间花在「卡之间互相等」上。

超节点的解法很直接：把多个计算节点通过高效互联协议物理上紧耦合，实现跨物理节点的统一内存编址，逻辑上让它「就是一台计算机」。不是联网的很多台机器，是一台。

这不是纸面规划。截至目前，昇腾910C超节点已部署超1000套，昇腾950超节点已规模商用。也就是说，「超节点+集群」这条路线，华为已经走过一轮完整的产品验证，960是第三代迭代，不是从零起跳。

对机器人行业的人，这件事的翻译是：当你的VLA模型、世界模型动辄需要万卡级训练时，训练侧的MFU每提升一个点，模型迭代周期就缩短一截。训练底座的效率，最终会传导到机器人本体上手的速度。

🔌 NPO：960真正的看点藏在封装里

昇腾960超节点最大的技术标签，是业界首个采用NPO的产品。

NPO，近封装光学，把光引擎从传统光模块的位置进一步拉近主芯片封装。为什么非要这么做？因为当互联带宽堆到超节点这个量级，电信号的传输距离和功耗就成了天花板——信号走铜线走不了那么远、那么快，光进封装是唯一的出路。

按照会上披露的信息，基于NPO的Atlas 960系统正在测试中。而上一代Atlas 950超节点作为Peerium计算架构的首代产品，25.6万卡集群已经在部署中。

从电互联到光进封装，再到百万卡级集群，华为的路线图非常清晰：互联技术每前进一步，集群规模就放大一个数量级。

据多位接近供应链的人士私下聊，光进封装这一步，难点从来不只是芯片本身，而是整个光器件、封装、散热的产业链协同。960如果测试顺利量产，等于替国产光互联产业链趟完了一条完整的工程化路径——这对国内做光模块、光引擎的厂商，是实打实的订单和练兵机会。

在机器人的语境里，零部件国产化的故事我们讲了很多年。算力基础设施的「核心零部件」逻辑是一样的：卡脖子环节少一个，整个下游生态的确定性就多一分。

🧩 Peerium：改的不是芯片，是计算机的定义

如果说960是产品，Peerium就是华为押注的底层范式。

按照官方定义，Peerium计算架构基于嵌套并行（Nested BSP）、统一内存寻址、平等互联，实现百万级处理器的强扩展。发布会用了三个「突破」来形容：突破图灵范式，突破冯·诺依曼单机架构，颠覆长久以来的主从架构。

说人话就是：过去不管集群多大，本质上都是「一台主机带着一堆从属节点」的主从结构，规模越大，「主」的压力越大。Peerium要做的，是让百万个处理器之间平等互联、协同工作，逻辑上聚合为一台更大的计算机。

实现这一切的关键，是灵衢——一个开放协议的高速总线，可以无限扩展地联接CPU、NPU、内存、SSD、网卡和交换机，让计算、存储和网络平等互联。

注意「开放协议」四个字。华为显然希望灵衢走类似当年PCIe、以太网的路线——先在自己庞大的存量体系里跑通，再向生态开放。生态基础是有的：鲲鹏全球开发者超416万，生态合作伙伴超7200家，支持560多个全球开源项目，openEuler装机量超2000万套，是中国服务器操作系统第一份额；CANN社区月活开发者突破5200名，基于昇腾+CANN的原生训练模型已超过40个，是国内唯一支持预训练的技术路线。

架构范式的更替从来不是一代产品能完成的。但方向是对的——AI负载对「横向堆机器」模式的惩罚越来越重，谁先解决「很多机器像一台机器」的问题，谁就握住了下一代的入场券。

🤖 机器人公司为什么该盯紧这场发布

回到我们自己的赛道。这场发布会里，跟机器人最相关的，其实是汪涛给出的三组增长曲线：

第二行和第三行，就是具身智能的命门。

智能体从「按小时干活」走向「按月执行任务」，意味着机器人在真实场景中的自主作业时长会指数级拉长——每一秒作业背后都是推理Token。日推理量从500万亿往上翻的曲线里，机器人本体和云端大脑会占越来越大的份额。推理算力不够，机器人就不是不够聪明的问题，是「雇不起大脑」的问题。

而「端侧模型走向100B级」和汪涛那句「推进AI入端、上车」，指向的是另一条路：把大脑塞进本体。100B级的端侧模型，靠当前机器人主控板的算力肯定装不下，必然催生新形态的端侧算力硬件——这恰好是华为「大中小微多样性算力」战略预留的位置。

一位做具身大模型的创业者私下说过一句大实话：「我们现在选云端推理供应商，看的不是参数表，是价格和稳定性。」当华为把超节点+集群做成体系化产品、把灵衢做成开放协议，最直接的影响是给中国机器人公司多了一个可选项，而且是一个不依赖海外供应链的选项。「为世界构建新的选择」这句话，对出海的机器人厂商尤其有分量——你的机器人和你的云端大脑，可以整体采用同一套不受地缘变量摆布的技术栈。

当然，也要冷静：架构先进不等于生态就位，CANN的开发者体量与CUDA相比仍有明显差距，Peerium从发布到百万卡真正跑起十万亿级模型，中间隔着工程化的千山万水。但对一个此前几乎没有选项的市场来说，「有第二条路」本身就是最大的变量。

写在最后

回到标题的那个问题：百万卡拧成一台机器，华为赌对了吗？

至少产品节奏说明这条路在加速——910C部署超千套、950规模商用、960带着NPO测试中，三年三代，步子很实。超节点解决的是当下的MFU之痛，灵衢和Peerium赌的是十年后的计算机形态。

而对机器人行业，这场发布会的信号很朴素：算力底座的国产化纵深正在快速摊开，从训练卡、光互联、存储到开放互联协议。具身智能的故事讲到下半场，比拼的不再是单点模型能力，而是「本体+端侧算力+云端集群」的整条栈。栈上有几个中国人自己的选项，这场比赛才真正开始打。

盯紧下一次发布会吧——百万卡那台「计算机」点亮的那天，跑在上面的第一波负载里，大概率就有你们家机器人每天产生的Token。