今年以来，我国头部大模型参数规模快速增长，Kimi K3达2.8万亿参数，Qwen3.8达2.4万亿。模型从千亿级迈向万亿级，对算力规模、内存和跨卡协同效率提出更高要求。
在华为全联接大会2026上，华为副董事长汪涛指出，10万卡集群已成为训练十万亿级SOTA模型的标配，超节点是超大规模AI基础设施的必然选择。
9月17日，华为发布基于“灵衢+Hi-ONE”的昇腾960超节点，为全球首个采用NPO光引擎的超节点，正交架构与全液冷设计，基于灵衢实现内存统一编址，可扩展至4096卡，实现8EFLOPS FP8、16EFLOPS FP4算力。
在更大规模上，多个昇腾960超节点可通过灵衢网络或RoCE连接，构建超节点集群，最大规模达51.2万卡，结合多轨道拓扑技术，最大可支持100万卡昇腾超节点集群。
针对国产模型原生生态，华为副总裁张熙伟表示，未来一到两个产品代际，昇腾团队核心任务是推动中国头部模型基于昇腾进行原生训练，构建大语言模型和多模态模型的原生生态，期待昇腾950、960成为国内主流模型训练的主要技术路线。