华为云黄瑾：昇腾云CloudMatrix 384超节点六大科技创新，定义下一代AI基础设施

近日，华为云 AI 峰会在北京召开，华为云副总裁黄瑾发表主题演讲，介绍了更多 CloudMatrix 384超节点技术优势与细节。他指出，随着大模型训练和推理对算力需求的爆炸式增长，传统计算架构已难以支撑 AI 技术的代际跃迁，超节点架构的诞生不仅是技术的突破，更是以工程化创新开辟 AI 产业的新路径。华为云 CloudMatrix 384 超节点具备 MoE 亲和、以网强算、以存强算、长稳可靠、朝推夜训、即开即用六大领先技术优势，以系统架构创新重新定义新一代 AI 基础设施。

重新定义 AI 基础设施架构，开辟算力新纪元

当前，大模型训练从早期小模型在单卡训练、小参数大模型在单机训练，现在 MoE、长序列、多模态大模型都是在 AI 集群上训练，AI 算力的瓶颈，从到单卡算力的瓶颈到单机内总线带宽的瓶颈，到现在集群间通信带宽的瓶颈，需求增长了 1 万倍。

然而过去的 8 年里，单卡硬件的算力增长了 40 倍，但是节点内的总线带宽只增长了 9 倍，跨节点的网络带宽只增长了 4 倍，这使得集群网络通信成为当前大模型训练和推理的最大挑战。

黄瑾表示，面对这些挑战，华为云创新性的推出采用全对等互联架构的 CloudMatrix 384 超节点。这项技术创新跳出单点技术限制走向系统性、工程性的创新算力架构直面通信效率瓶颈、内存墙制约、可靠性短板三大技术挑战。通过新型高速互联总线实现 384 张卡互联成为一个超级云服务器，最高提供 300Pflops 的算力规模，比业界同类产品领先 67%。

解码六大优势，CloudMatrix 384 超节点重构 AI 算力架构

目前，基于 CloudMatrix 的超节点集群已经在芜湖、贵安、内蒙规模上线，黄瑾进一步深入解读了六大技术创新点：

MoE 亲和架构，从“小作坊”到“超级工厂”。在传统架构下，MoE 模型训练容易因通信延迟导致算力浪费，而 CloudMatrix 384 超节点的分布式推理平台可以说是专为 MoE 大模型而生。黄瑾指出，对比一卡多专家的“小作坊模式”，超节点更像“大工厂模式”，通过高速互联总线，能够实现一卡一专家高效分布式推理，单卡的 MoE 计算和通信效率都大幅提升。这也是为什么有几百个政务、零售、医疗、保险、制造、矿山、旅游等各行各业的客户，基于华为云昇腾 AI 云服务部署 DeepSeek 模型的创新应用，例如智能助手、智能客服、互联网搜索、内容创作等各种场景落地。

以网强算，双层网络破解“数据堵车”。当AI 算力走向规模化部署，单点的芯片性能不再是制约算力发展的唯一变量，如何由点及面地激活算力矩阵的共振效应，也是破解 AI 时代算力命题的关键一步。而释放联接力也正是超节点最大的创新突破之一，黄瑾介绍，传统网络像拥堵的城市道路，CloudMatrix 384 则构建了 AI 专属高架桥，通过 MatrixLink 服务将单层网络升级为两层高速网络，一层是超节点内部的 ScaleUp 总线网络，确保超节点内 384 卡全对等高速无阻塞互联，卡间超大带宽 2.8T，纳秒级时延；另一层是跨超节点间的 ScaleOut 网络，可支持微秒级时延，资源弹性扩展；同时，基于全局拓扑感知的智能调度算法，保障客户任务长稳运行。

以存强算，弹性内存改写“算存绑定”。华为云首创了 EMS 弹性内存存储，打破传统 GPU 算力与显存绑定的关键障碍，通过内存池化技术，实现显存和算力解绑。一方面，用 EMS 替代 NPU 中的显存，可使得首 Token 时延降低，最高降幅可达 80%；另一方面，当 NPU 的显存不足时，EMS 独立扩容，不必再通过堆 NPU 以获得更多内存。同时，EMS 还支持算力卸载，这也使得系统吞吐量提升，有的场景达 100%的提升。总之，这一技术创新大幅提升了资源利用率、性能和吞吐量。

长稳可靠，故障自愈的“AI 医生”。随着模型训练需求的不断接入，大集群的运维难度大、复杂性高的问题日益凸显。对此，华为云开发了昇腾云脑运维“1-3-10”标准，即 1 分钟感知、3 分钟定界、10 分钟内恢复。通过 5 层压测、静默故障感知技术，昇腾云脑可将硬件故障感知率从 40%提升至 90%。同时，覆盖计算、存储、网络、软件四大种类故障模式库也打通了全栈故障场景，这一全栈故障知识库能够覆盖 95%常见问题以实现故障快速定界；在恢复机制上则，3 层快恢技术、快速建链技术、图编译缓存等技术能够实现万卡故障快速恢复。

朝推夜训，算力资源“错峰用电”。在大模型训练中，提升算力利用率，避免算力闲置也是企业关心的重点之一。CloudMatrix384 超节点通过“训推共池”“灵活调度”两大关键技术实现朝推夜训，白天进行模型推理，晚上闲时进行模型训练，算力资源利用率可提升 30%以上。

即开即用，“算力水电”普惠模式。为助力客户更好地专注业务模型开发，华为云已经在全国三大枢纽数据中心——乌兰察布、贵安和芜湖完成了超节点规模布局，支持百 TB 级的带宽互联，10 毫秒时延圈覆盖全国 19 个城市群，让客户能够第一时间享受到即开即用的 AI 算力资源。同时，华为云拥有专业的超节点运维团队，在为客户免去繁琐的管理和维护的同时，保障资源的稳定运行。

做好智能世界云底座和使能器，加速行业智能跃迁

如今 AI 已经成为最有影响力的通用技术，如何将技术价值转化为应用成果，成为千行百业面临的核心课题。华为云超节点创新系统架构的背后，是华为云坚持“昇腾云服务支持百模千态，盘古大模型重塑千行万业”的战略。

黄瑾强调，一直以来华为云持续推动昇腾 AI 云服务全面升级，通过打磨昇腾云的训练、推理的性能、可靠性和性价比，为中国乃至全球客户提供好用、易用的 AI 算力云服务。现已全面适配了 DeepSeek 在内的 160 多个大模型，以云服务的方式，协助客户进行模型的开发，训练，托管和应用。昇腾 AI 云服务上线以来，面向政府、金融、零售、互联网、交通、制造等行业已经服务六百多家创新先锋企业，加速行业智能化应用的快速落地。

在充满突破和创新的 AI 发展过程中，每一个阶段都会产生大量的新技术、新模式，企业唯有抓住 AI 时代机遇，才能抢占发展先机。黄瑾表示，面向智能世界，华为云致力于做好行业数字化的“云底座”和“使能器”，坚定打造 AI 算力底座，以安全、稳定、高质量、持续创新的 AI 云服务，赋能千行万业应用创新，携手伙伴、客户加速行业智能跃迁。