4096 卡一个节点之后：国产算力的竞争，从"造芯片"换到了"造系统"

过去一周，算力侧的消息密度比模型侧还高。华为在全联接大会上把超节点的规模又推了一个量级，智谱在同一场会上拿出了"用国产卡造模型"的成果，DeepSeek 被曝出要部署十六万颗国产加速器，英伟达那边的回应也很直接。把这些事串起来看，会发现竞争的坐标已经换了。 一、三个数字：4096、Hi-ONE、提前三个季度 昇腾 960 超节点正式发布，最容易被记住的是这三个点： · 单节点算力卡从上一代的 1024 卡升级到 4096 卡； · 首次采用 NPO（近封装光学）关键技术，落地为 Hi-ONE 光引擎，是首款量产的光引擎； · 官方称可匹配 10 万亿参数模型的训练推理需求。 时间线上还有一个信号：960DT 计划 2027 年一季度就绪，比原计划提前三个季度。路线图往前挪，说明供应链和工程实现上有了确定性把握，这比单纯的参数升级更能说明问题。 二、Peerium：让百万级处理器像一台计算机 与超节点同步发布的还有 Peerium 计算架构，官方给出的目标是让百万级处理器协同工作，如同一台计算机。 这句话听起来像宣传语，但它指向的是一个非常具体的工程问题：当单个节点的卡数从千级升到四千级，系统瓶颈早就不是单卡的算力峰值，而是互联带宽、拓扑调度和故障收敛速度。4096 卡放进一个节点，意味着训练任务里任何一次通信抖动都会被放大；此时"像一台计算机"不是修辞，而是对软件栈的硬要求。 换句话说，国产算力这一轮的创新重心，正从"芯片做多强"转向"系统做多稳"。 三、模型厂商开始反过来用国产算力造模型 同一场大会上，智谱发布了首个 RSI（自训练体系）成果：实现了在 10 万张国产卡集群上用 GLM 模型再造 GLM 模型，覆盖大规模训练与推理、国产芯片适配和推理优化。 这件事的意义不在"跑通了"，而在闭环。此前国产卡更多扮演推理替代的角色——模型在外面训好，拿进来跑。而"用 GLM 造 GLM"意味着训练侧的核心环节也在国产集群上完成，全栈自训练能力落地。 对做应用的团队来说，这一条会慢慢变成选型时的一个隐性变量：如果上游的训练和推理都在同一套国产栈上迭代，模型与硬件的适配优化就有机会做得更深，成本曲线也可能不一样。 四、推理侧的大单，比训练侧更值得看 另一条消息是 DeepSeek 计划在内蒙古乌兰察布建设的吉瓦级数据中心部署至少 16 万颗华为昇腾 950DT AI 加速芯片，且全部用于模型推理。如果落地，将是已知规模最大的国产 AI 芯片集群之一。 "全部用于推理"这五个字很关键。训练集群的规模是新闻，推理集群的规模才是生意——它直接对应真实调用量和单位成本。同一批消息里还提到马来西亚在考虑采用华为方案建设主权 AI，说明这套方案正在往海外市场走。 五、英伟达怎么回应 黄仁勋在苏格兰 AI 峰会上给出了自己的判断：预计 2027 年芯片销量达到 2026 年的约两倍，并强调当前瓶颈在芯片产能而不在需求。消息公布后，美股 AI 硬件板块全线拉升。 他把"产能"放在"需求"前面，等于承认需求端已经没有悬念——这从侧面印证了整条算力链条仍在扩张期，国产方案的窗口期还没有关上。 六、云端之外：座舱是离用户最近的那一环 算力之外，产品端的进展同样值得记一笔。豆包与火山引擎联合打造的 AI 原生车载助手发布，已与上汽集团达成合作：首款搭载车型荣威家越 07 率先搭载，9 月 21 日开启预售。 官方描述里有一个细节：座舱助手参与"感知—决策—执行"的完整链路，可感知数百种车辆信号，联动车控、导航与辅助驾驶。这是把大模型从对话框搬进物理设备的一步，也是"端侧 Agent"最现实的一个落点。 七、这些数字该怎么读 需要保持一点冷静：上面所有数字都是发布口径，不是交付口径。4096 卡是单节点设计规模，10 万亿参数是"可匹配"的场景描述，16 万颗芯片目前仍是"计划部署"。它们成立的前提，是集群在一段时间里稳定跑起来、跑出可复现的利用率。 所以对工程团队来说，真正该跟踪的指标不是节点卡数，而是三件事： 1、光互联与集群软件成熟度——4096 卡节点里，互联是决定有效算力的那一环； 2、推理侧的稳定单位成本——16 万颗卡的价值最终要落在每次调用多少钱上； 3、适配层的维护成本——国产栈的迁移工作量，是不是比省下来的钱更少。 节点规模翻四倍是新闻，系统稳定性提升才是能进选型文档的东西。这一轮国产算力真正的看点，也正在这里。 参考链接 · AI 热点日报（2026-09-18）：华为昇腾960超节点发布，OpenAI 首次公开模型失准报告：https://juejin.cn/post/7686588753230364708