维度网讯，中国华为推出Atlas 950 SuperPoD商用级智算超节点，面向大模型训练和高密度人工智能计算场景构建大规模算力集群。该系统以单柜64张昇腾950DT NPU卡作为最小部署单元，最大可扩展至8192张昇腾950DT NPU卡全互联协同，形成从单柜部署到超大规模集群扩展的完整建设路径。华为方面表示，Atlas 950 SuperPoD是目前业界规模最大的商用级智算超节点，相关方案已经完成头部客户商业化验证，部分头部互联网企业的首批采购订单进入交付阶段。
Atlas 950 SuperPoD的工程重点并不只是增加计算卡数量，而是让数千张NPU卡能够在同一系统内保持高速连接和协同运行。随着集群规模由单柜64卡逐步扩大至8192卡，计算任务需要在不同设备、机柜和节点之间持续交换数据，如果互联带宽不足，大量计算单元可能因等待数据而无法充分发挥性能。因此，超节点的实际能力不仅取决于单张NPU卡的算力，也取决于互联网络、内存组织和系统调度能否支撑大规模并行计算。
在核心算力性能方面，Atlas 950 SuperPoD的FP8精度总算力达到8 EFLOPS，FP4精度算力达到16 EFLOPS。两类低精度计算能力主要服务于大模型训练及相关人工智能任务，使系统能够在较大规模参数计算过程中提高单位时间内的处理能力。对于需要持续进行矩阵运算和并行计算的模型任务而言，算力规模越大，对数据传输、任务切分和节点协同的要求也越高，因此Atlas 950 SuperPoD将计算能力与互联架构同步设计，而不是把独立设备简单叠加为集群。
该超节点采用中国华为自研的灵衢高速互联协议和全光互联架构，系统互联带宽达到16.3 PB/s。高速互联网络负责连接不同NPU卡和计算节点，使模型参数、训练数据及中间计算结果能够在集群内部快速传输。全光互联架构则进一步承担跨设备和跨节点的数据交换任务，为8192卡全互联协同提供底层通道，减少大规模并行训练过程中因数据搬运产生的等待。
从部署结构看，单柜64卡的最小单元为项目建设提供了分阶段实施条件。用户可先按照实际算力需求配置基础规模，再根据模型数量、训练任务和业务负载逐步增加机柜及计算卡，不必在初期一次性部署最大规模系统。随着集群扩展，灵衢高速互联协议负责维持不同单元之间的连接关系，使新增算力能够纳入统一超节点体系，而不是形成彼此独立的计算资源。
内存和存储协同是Atlas 950 SuperPoD的另一项核心建设内容。该系统通过EMS弹性内存存储架构形成1152TB共享内存池，使不同计算节点能够在统一内存空间内调用和交换数据。对于大模型训练而言，模型参数、数据集及中间结果需要持续占用较大内存空间，如果内存资源被固定分散在单台设备中，部分节点可能出现空间不足，而另一些节点的内存又无法被充分利用。
共享内存池的作用，是把分散在不同节点中的内存资源纳入统一管理，使计算任务能够根据实际需求动态调用。1152TB共享内存容量可为大规模模型训练提供更大的数据承载空间，同时减少不同节点之间重复保存数据的情况。EMS弹性内存存储架构还将内存与存储资源进一步连接，使系统能够根据任务运行状态调整数据所在位置，配合高速互联网络完成模型数据的读取、交换和处理。
Atlas 950 SuperPoD将计算卡、高速互联、全光网络和共享内存池整合到同一超节点内，形成面向大模型训练的系统级基础设施。计算单元负责执行模型任务，灵衢协议和全光架构承担节点间通信，EMS弹性内存存储架构负责统一组织内存资源，各部分共同决定8192张NPU卡能否保持稳定协同。华为方面表示，该方案可将大模型训练整体成本降低30%以上，这一结果需要依靠算力利用率、互联效率和内存资源配置等多个环节共同实现。
目前，该超节点已完成头部客户商业化验证，说明相关系统已经由技术研发和方案测试进入实际应用阶段。部分头部互联网企业的首批采购订单已经进入交付，后续项目重点将转向设备安装、集群组网、系统调试和算力上线，使超节点由硬件交付逐步形成可运行的大模型训练基础设施。
从64卡单柜到8192卡全互联，Atlas 950 SuperPoD的建设逻辑是通过标准化部署单元持续扩展算力规模，同时依靠高速互联和共享内存保持集群内部协同。随着首批订单进入交付阶段，该方案的实际运行情况将主要体现在大规模集群部署、节点互联稳定性、共享内存调度以及模型训练效率等方面，相关工程进展也将成为观察国产智算超节点规模化应用的重要节点。
