昇腾硬件产品全景与架构演进：A2、A3、Ascend 950 与 Atlas SuperPoD

这篇文章的目标不是背型号，而是建立一个稳定的产品层级：Ascend 是处理器，Atlas 是板卡/服务器/集群产品，SuperPoD 是超节点系统形态。

整理日期：2026-09-10。本文优先采用当前昇腾官网产品目录与华为 2026 年公开资料；早期路线图数字与当前实际产品规格单独列出，避免混为一谈。

1. 先建立正确的命名层级

你原始笔记里出现了“Atlas 950PR”“950 SuperPoD 芯片”等容易混淆的写法。

更准确的层级是：

Ascend 950PR / Ascend 950DT
= AI Processor / NPU

Atlas 350 / Atlas 650E / Atlas 850E
= Accelerator Card / AI Server

Atlas 950 SuperPoD
= 由大量 Ascend 950DT + Kunpeng CPU + UnifiedBus 构成的超节点系统

因此看到一个产品名称时，第一件事应该问：

它是芯片、板卡、服务器、超节点，还是更大的集群？

2. 当前官方产品线：按芯片代际看

当前昇腾官网的产品映射可以概括为：

处理器系列	典型 Atlas 产品	主要形态
Ascend 950PR	Atlas 350	PCIe 加速卡
Ascend 950DT	Atlas 650E、Atlas 850E、Atlas 950 SuperPoD	AI 服务器 / 风冷超节点 / 液冷超节点
A3 系列	Atlas 800T A3、Atlas 900 A3、Atlas A200T A3 Box8、Atlas 800I A3	训练 / 推理服务器与集群
A2 系列	Atlas 800T A2、Atlas 900 A2 PoD、Atlas 200T A2 Box16、Atlas 800I A2、Atlas 300I A2	训练 / 推理服务器与集群

这里需要注意：CANN 软件包和部分文档中还会出现 A5 系列 的平台命名，而当前芯片营销/产品页面使用 Ascend 950PR、950DT。学习时应把“平台代际标签”和“芯片 SKU 名称”区分开。

3. A2：以 910B 时代为代表的传统多卡服务器/集群

课堂笔记将 A2 总结为：

以 Ascend 910B 系列为代表；
单服务器内多 NPU 互联；
节点间主要通过 RoCE 等网络扩展；
还没有形成 950 时代这种更大规模统一 Scale-Up 域。

这个方向是合理的，但像“单卡 56G”“节点间固定 200G”“一定是 8 卡 Full Mesh”等数字必须绑定具体 Atlas 型号和版本，不能当作 A2 整代芯片的普遍属性。

A2 的系统思路更接近：

单机高速互联
↓
服务器
↓
RoCE / 集群网络
↓
更多服务器

4. A3：从服务器互联向超节点 Scale-Up 过渡

A3 时代的重要变化不是简单“910C 算力和显存翻倍”，而是系统设计开始更明显地围绕更大的 Scale-Up 域展开。

课堂记录里的 384 卡超节点是理解这一代系统演进的一个关键锚点：服务器之间通过更高速的互联和交换结构形成远大于传统 8 卡服务器的计算域。

这里建议把重点放在架构变化，而不是只背数字：

A2：高速互联主要集中在单机 / 小域
↓
A3：Scale-Up 域显著扩大到多服务器
↓
950：UnifiedBus + SuperPoD 进一步扩大到 1024 卡级当前产品形态

A3 的具体每链路带宽、交换拓扑和 384 卡配置应继续绑定对应 Atlas 900 A3 / SuperPoD 资料核对，不把课堂数字泛化为全系列参数。

5. Ascend 950PR：更偏 Prefill / Recommendation 的板卡方向

Ascend 950PR 当前最典型的官方硬件产品是 Atlas 350 加速卡。

当前公开规格包括：

项目	Atlas 350 当前公开规格
处理器	1 × Ascend 950PR
MXFP4	1561 TFLOPS
MXFP8 / HiF8 / MXFP6 / INT8	804 TFLOPS
FP16 / BF16	425 TFLOPS
HBM	112 GB
HBM 带宽	1.4 TB/s
Host 接口	PCIe 5.0 ×16
Scale-Up	支持 2 卡 / 4 卡 UnifiedBus 互联

官方页面还给出了单卡在 2 卡和 4 卡 UnifiedBus 场景下的双向互联带宽指标。理解这个产品时，重点是：950PR 不等于 950 SuperPoD；它首先是一颗可放在 PCIe 加速卡中的 NPU。

6. Ascend 950DT：更偏 Decode / Training 与大规模 Scale-Up

Ascend 950DT 被用于 Atlas 650E、850E 和 Atlas 950 SuperPoD 等产品。

这与 950PR 形成一个很有意思的系统分工：

950PR：Prefill / Recommendation 等吞吐和计算密集场景；
950DT：Decode / Training 以及更大规模超节点系统。

这也说明未来 AI 芯片不一定追求“一颗芯片所有 workload 都最优”，而会越来越强调 workload-specific architecture / system co-design。

7. Atlas 650E：双机 16 NPU 的小型 Scale-Up 系统

当前官方 Atlas 650E 页面给出的系统构成为：

单机 8 × Ascend 950DT；
2 × Kunpeng 950 CPU；
两台服务器可通过 UnifiedBus 做 16 NPU Full-Mesh 互联；
风冷形态；
每颗 NPU 同时具备高速 UBoE/RoCE 网络能力。

这个产品非常适合用来理解“超节点思想如何从少量服务器开始”：

8 NPU Server
⇅ UnifiedBus
8 NPU Server
= 16 NPU tightly-coupled domain

它和 1024 卡 SuperPoD 使用的是同一个方向：先扩大紧耦合 Scale-Up 域，再向更大集群扩展。

8. Atlas 850E：风冷超节点路线

Atlas 850E 是面向风冷部署的 Ascend 950DT 服务器/超节点方案。

公开资料中的规模口径在不同时间点和配置上并不完全一致：

2026 年 MWC 公开材料曾描述 Atlas 850E 可从 8 个 NPU 扩展到 1024 个 NPU；
2026 年 7 月 WAIC 材料又强调单个风冷超节点已经支持 96 卡商业部署。

因此课堂记录中的“32～768 卡”不宜直接写成当前统一官方规格。

更合理的记法是：

Atlas 850E = 风冷 950DT Scale-Up 产品族；实际可部署规模应按对应版本/配置表核对。

9. Atlas 950 SuperPoD：当前 1024 卡液冷超节点

截至 2026-09-10，昇腾官网当前 Atlas 950 SuperPoD 产品页给出的最大系统配置为：

项目	当前公开配置
NPU	最多 1024 × Ascend 950DT
CPU	最多 256 × Kunpeng 950
机柜	16 个计算柜 + 4 个 UnifiedBus 互联柜
互联总带宽	1.72 PB/s
全局统一内存编址空间	256 TB
系统形态	64 卡 / 1024 卡配置，液冷

2026 年 7 月 WAIC 展示的 1024 卡真机还公开了：

1 EFLOPS FP8；
2 EFLOPS FP4；
256 TB 全局统一内存编址；
NPU 间 TB 级互联；
约 3 μs RTT。

这些属于厂商公开指标，不等于第三方端到端 LLM Benchmark。比较实际推理/训练性能仍需固定模型、精度、并行策略、Batch、上下文长度、软件版本和功耗边界。

10. 为什么你会同时看到“1024 卡”和“8192 卡”

这是最值得纠正的一处。

华为在 2025 年 HC 路线图中曾公布 Atlas 950 SuperPoD 的未来满配目标可扩展到 8192 个 Ascend 950DT，并描述 128 个计算柜 + 32 个通信柜的更大系统。

但到了 2026 年已经公开展示和当前官网在售/展示的 Atlas 950 SuperPoD 产品形态，官方产品页给出的最大配置是 1024 个 Ascend 950DT。

因此：

8192 NPU
= 早期路线图 / 更大规模目标

1024 NPU
= 2026 年已公开真机 + 当前产品页最大配置

二者不是同一个时间点、同一个产品成熟状态下的规格，不能并列成“当前都支持”。

这是读厂商路线图时必须养成的习惯：

Roadmap ≠ Product Spec ≠ Delivered System ≠ Third-party Benchmark。

11. “柜内电、柜间光”应该怎么理解

随着 Scale-Up 系统扩大，铜互连受到距离、损耗、功耗和信号完整性限制，因此高速链路会逐步引入光互联。

课堂笔记里的“柜内是电、柜间是光”可以作为直觉理解，但不宜泛化成所有链路都严格如此。

真正应掌握的是：

短距离铜互联成本低、功耗相对可控；
距离扩大后高速 SerDes 信号完整性变难；
光互联可在更长距离保持高带宽；
但会增加光模块、封装、功耗、可靠性和成本问题。

未来超节点继续扩大规模后，CPO / Optical I/O / Silicon Photonics 会成为非常值得关注的硬件 Infra 方向。

12. 从 A2 → A3 → 950，真正演进的是什么

如果只记芯片算力，很容易错过系统架构的主线。

真正的演进可以概括为：

更多 Tensor / Vector 算力
+
更大 HBM 容量与带宽
+
更低精度 FP8 / FP4
+
更大的 Scale-Up 域
+
更高带宽 UnifiedBus
+
更强的统一内存/资源语义
+
更成熟的 CANN / Compiler / Operator / Framework Ecosystem

也就是说，竞争单位正在从：

单颗 AI 芯片

逐步变成：

AI Computing System
= Chip + Memory + Interconnect + Compiler + Runtime + Operator + Framework + Cluster Software

这也是为什么今天评价 NVIDIA、Ascend、TPU 或其他 AI 加速器，不能只比较一个 TFLOPS 数字。

13. AI 计算的几个基础特点

你最后留下的“AI 计算特点”可以完善为以下几条。

13.1 高度规则但并不“简单”

Transformer 中大量核心计算是 GEMM、Attention、Normalization 和逐元素操作，具有强并行、规则、重复的特征，非常适合专用加速。

但完整系统还存在：

Embedding / Gather / Scatter；
MoE Routing；
All-to-All；
KV Cache 管理；
动态 Batch；
Host/Device 调度；
异构通信。

所以“AI 芯片逻辑简单、门槛比 CPU 低”只能描述部分数据通路，不能推导出整个 AI 芯片或 AI 系统设计简单。

13.2 算力、容量、带宽共同决定性能

一个非常适合长期记忆的公式是 Roofline：

P_{achievable}\leq\min(P_{peak},B\times I)

峰值计算能力再高，如果算术强度低、HBM 带宽不足，实际性能仍会卡在数据搬运上。

13.3 LLM 推理经常比训练更“系统化”

训练通常是大 Batch、长时间稳定运行，矩阵乘占比高，容易形成较高计算利用率。

在线推理则受到：

请求长度不同；
Prefill/Decode 特性不同；
Batch 动态变化；
KV Cache 容量压力；
尾延迟；
多租户；
网络与调度。

因此推理优化往往需要跨越：

Algorithm
→ Runtime
→ Scheduler
→ Kernel
→ Memory
→ Network
→ Hardware

这正是 LLM Inference / AI Infra 学习价值极高的原因。

14. 关联阅读

昇腾 950 与 Atlas SuperPoD：从计算架构、存储互联到大模型推理优化

AI Infra 为什么必须懂硬件体系结构：从 MFU 到 Full Mesh 与 Clos 超节点网络