文｜白 鸽
编｜王一粟
AI大模型浪潮持续席卷算力行业，从CPU到GPU再到NPU，各类AI芯片成为市场焦点。中国AI芯片产业借此机遇快速崛起，华为、阿里、百度等科技巨头，以及寒武纪、云天励飞、壁仞科技、摩尔线程等新兴企业，不断推动单颗芯片性能突破。
然而，单颗芯片算力再强，仍难以满足大模型指数级增长的需求。当模型参数翻倍时，企业常面临8卡服务器无法承载的困境，即便拆分任务至多台机器，CPU、AI芯片与存储间的数据传输也会因协议不兼容而‘堵车’，导致算力损耗高达50%。
更严峻的是，不同厂商设备间的协议壁垒如同‘方言障碍’：A厂CPU用一套协议，B厂GPU用另一套，数据传输需反复‘翻译’，浪费大量时间。即便是同一厂商的设备，规模扩大后性能也会‘打折’——例如10个节点本应发挥10倍算力，实际可能仅达1倍，这就是行业俗称的‘线性度’问题。
单芯片算力不足、设备间沟通低效，已成为制约AI算力发展的核心瓶颈。如何突破这一困局，支撑大模型持续进化？
答案或许在于‘团队作战’。当单兵作战难以取胜时，系统化协同成为关键。华为推出的‘超节点’架构与配套技术‘灵衢’（UnifiedBus），正是为解决这一难题而生。
超节点架构将CPU、GPU、NPU及存力等算力部件整合为一个大型节点，而灵衢技术则提供了一套‘算力普通话’——统一协议，覆盖超节点内部及集群间的所有通信场景。这就像全国推广普通话，无需因地域切换‘方言’，沟通效率大幅提升。
灵衢技术的突破在于打破了两个关键界限：一是计算机网络（物理层、链路层）与计算机内部架构（内存管理、节点控制）的隔离。过去，数据需在两者间‘开门、进门、再开门’，而灵衢直接拆除了这堵‘墙’，底层用网络逻辑连接设备，上层用架构逻辑管理资源，数据传输路径大幅优化。
华为专家强调，灵衢超节点并非简单堆砌部件，而是构建‘超级单一节点’。例如，将多间小房子改造成一套大平层，所有家具（CPU、GPU、NPU、内存）通过‘统一高速总线’连接，无需绕路。交换机从‘数据中转站’升级为‘处理单元’，直接参与算力协作。
基于这些创新，灵衢技术实现了四大目标：提升计算性能（不同算力‘组队干活’）、增强系统可用性（快速恢复故障）、实现资源池化（内存带宽等集中共用）、支持组件货架化（不同厂商部件即插即用）。
这些目标的最终指向，是让算力系统更高效、更灵活、更经济。
华为灵衢之所以能实现‘一套通吃’，源于其从系统层面出发的设计理念，而非局限于单一产品。同时，华为将自研IT设备经验、集群工程经验与鲲鹏、昇腾芯片反复测试，确保技术成熟度。
‘灵衢1.0已完成产品化，通过了芯片验证与集群交付验证，是工业化级别的可靠系统。’华为集群计算总经理朱照生表示。
华为集群计算总经理朱照生
在实际落地中，灵衢技术充分考虑客户现有设备兼容性。例如，客户已有以太网基础设施，灵衢可直接运行，无需大规模改造，同时与现有应用无缝互通。
为推动行业标准化，华为开放了灵衢的‘全套说明书’——从物理层到事务层的协议规范全部公开，并引入第三方‘协议验证仪’。朱照生透露：‘无论是CPU厂商还是GPU厂商，只要按规范执行，就能使用灵衢技术，未来还可通过第三方验证合规性。’
这一举措打破了过去厂商协议不互通导致的‘绑定困境’。客户无需局限于单一供应商，选择更自由且成本更低。朱照生表示：‘我们希望先形成企业标准，再逐步推广为团体标准甚至国家标准，共同完善算力基础设施。’
据灵衢系统架构师介绍，在AI大模型训练场景中，超节点互联可降低通信占比，端到端性能提升超20%；在通算数据库场景中，通过三层池化支撑多写多读，TPCC性能提升20%。灵衢技术尤其适合高并行、高同步的负载特征，能显著提升业务效率。
针对超节点规模争议，朱照生坦言：‘目前尚无明确‘甜点区’，因为AI发展总超预期。我们能做的，是扩大超节点规模，为行业留足空间。’
基于此，灵衢2.0作为核心技术底座，支撑华为发布两款超大规模算力产品：
以Atlas 950 SuperPoD为例，其支持8192张昇腾卡，训练吞吐达4.91M TPS，推理吞吐达19.6M TPS，远超前代产品。
‘如果我们无法预判未来负载模型是否收敛于某一类或某一个大小，就无法在算力基础设施层面设定限制。否则，这些限制反而会制约模型发展。’朱照生强调。
当前，算力竞争已从‘单芯片性能’转向‘系统效率’。灵衢技术的价值，在于通过统一协议将分散算力聚合为整体力量。它或许不会立即改变所有现状，但至少为行业指明了方向：未来的计算，不应存在‘语言壁垒’或‘设备孤岛’。
猜你喜欢
