全国首个昇腾950DT超节点集群在武汉上线，单节点1024张NPU卡实现1EFLOPSFP8算力

10月29日，全国首个昇腾950DT超节点集群在武汉正式上线并投入运行。该项目由湖北科投投资建设，是华为昇腾系列智算基础设施中规模最大的单节点部署实例，标志着高密度AI算力基础设施进入新阶段。

该集群核心为昇腾950DT 1024卡液冷超节点，单个物理节点内集成1024张昇腾NPU加速卡，FP8精度下理论峰值算力达到1EFLOPS（即每秒10^18次浮点运算），相当于全球TOP500超算中排名前列系统的综合算力水平。配套硬件包括256TB全局统一内存，实现跨卡数据零拷贝访问；卡间互联带宽达TB级，端到端通信时延控制在微秒级别，显著降低大规模分布式训练中的同步开销。

技术架构上，集群采用华为“灵衢”互连架构，使集群内任意两张NPU卡可直接互访，无需经由交换芯片中转或路由跳转，大幅简化通信路径、提升拓扑效率。这一设计对万亿参数级大模型的训练至关重要——当模型参数量突破千亿甚至万亿时，通信瓶颈往往成为性能上限的主要制约因素。

值得注意的是，该集群首次实现“计算柜+互联柜”全液冷覆盖。传统风冷系统在单机柜功率密度超过30kW后已接近散热极限，而昇腾950DT节点整柜功耗预计超过100kW，必须依赖液冷方案维持稳定运行。更进一步，互联柜（即承载高速光/电互连设备的专用机柜）也被纳入液冷体系，表明高密AI系统的设计逻辑正从“计算单元优先”转向“全链路热管理协同”。这意味着未来智算中心的可靠性、可维护性与能效比，将越来越取决于整机柜级热设计能力，而非仅关注单卡或单服务器性能。

项目落地速度亦具代表性：从立项启动到集群点亮仅用时1个月，反映出地方政府与产业方在AI基建上的高效协同机制。湖北科投方面表示，该集群将直接服务于省内高校、科研机构及重点企业的大模型训练、行业智能体开发与推理调优需求，缓解本地企业长期面临的“算力排队”问题，补齐湖北省高端算力供给短板。

当前，国内AI算力布局呈现“东数西算”主干网络与区域超节点互补发展的趋势。除武汉外，成都、西安、合肥等地也已部署昇腾384卡或512卡规模的超节点集群，其中昇腾384卡集群商用落地已超750套。相较而言，950DT 1024卡集群代表了单点密度的最新标杆，其意义不仅在于算力数值本身，更在于验证了高密液冷+全栈直连架构在工程落地层面的可行性。

行业观察指出，随着大模型训练向“千卡级单节点+万卡级集群”演进，算力基础设施的演进重心正从“堆卡”转向“提效”。例如，同等1024卡规模下，若通信时延从毫秒级降至微秒级，ResNet-50等典型模型的训练收敛时间可缩短15%以上；而全局统一内存则能减少30%以上的中间激活值传输开销。这些优化在万亿参数模型场景中将产生指数级放大效应。

液冷技术的普及亦带来产业链重构机会。据机构分析，AI机柜液冷投资主线正从早期的CDU（冷却分配单元）单点设备，转向整机柜级热管理解决方案。已有厂商为全球客户提供涵盖CDU、液冷服务器机柜及快速插拔接口的完整产品线，支撑此类超节点快速部署。

在应用层面，该集群将优先支持湖北省内三大方向：一是高校与实验室开展基础大模型预训练与微调；二是制造业、医疗、交通等领域开发垂直行业智能体，如工业质检Agent、医学影像辅助诊断Agent等；三是为本地AI初创企业提供低成本、低延迟的算力试验场，降低技术验证门槛。

需要说明的是，“昇腾950DT”并非独立芯片型号，而是指基于昇腾910B NPU构建的超节点系统命名。“950”代表该节点理论算力规模（约950 PetaFLOPS INT8），而“DT”为“Deep Training”缩写，强调其面向大模型深度训练的定位。实际所用NPU仍为昇腾910B，其单卡INT8算力为256 TOPS，FP16为128 TFLOPS，FP8则通过稀疏化与量化策略实现更高吞吐。

从区域竞争角度看，武汉此次部署使中部地区首次拥有可对标北上广深同类设施的单点算力枢纽。此前，长三角与粤港澳大湾区凭借政策与资本优势，在千卡级集群部署上领先一步；而湖北依托长江经济带区位与高校资源，以“快建快用”策略实现局部赶超。

值得留意的是，该集群并未接入国家“东数西算”八大枢纽主干网，而是作为区域自主算力节点独立运行，体现地方在AI时代对算力主权与响应时效的双重诉求。未来，此类区域性超节点有望通过高速光网与国家枢纽互联，形成“骨干+边缘”协同的算力网络新范式。

目前，昇腾生态已覆盖超过50家主流大模型厂商，包括百度文心、讯飞星火、阿里通义、MiniMax等，其软硬协同优化使模型训练效率较通用GPU方案提升20%-35%。随着950DT集群落地，本地开发者可更便捷地进行模型压缩、蒸馏与推理优化实验，加速AI技术从实验室走向产业现场。

该集群的投运，既是硬件能力的跃升，也是算力服务模式的转变——从“租用算力资源”转向“共建共享基础设施”，为中西部省份参与AI产业竞争提供了可复制的实践样本。