华为灵衢重构算力架构，破解Agentic AI互联瓶颈

当AI从“生成内容”迈向“自主执行任务”，一场计算架构的深层演进正在发生。Gartner研究显示，到2026年底，40%的企业应用将集成任务特定的AI Agent，超过60%的组织计划在未来两年内落地。

需求爆发正将算力基础设施推向极限。华为常务董事、ICT BG CEO杨超斌在华为全联接大会2026期间指出，Agentic AI时代，集群内不同部件之间的互联与通信能力已成为影响计算系统性能的关键挑战。华为以灵衢互联为核心，打造集群与超节点协同的新计算架构。

当模型参数从万亿迈向十万亿，上下文长度从几K来到几M级，推理算力消耗成倍增长。IDC数据显示，2026年全球AI基础设施支出将达4970亿美元。但传统架构下，集群规模扩大反而导致算力利用率下降——人与模型交互频次每小时仅几次，Agent与AI模型交互可高达数百次。最直接的挑战来自通信墙：数据并行域内通信量与参数量呈近似平方关系，MFU快速下降。杨超斌直言：“一个典型MOE模型在10万卡集群上的MFU很可能不到20%。”此外，多样化算力、存储分层等也带来挑战。现有PCIE+RoCE网络难以满足PB级KV Cache所需带宽与时延。

杨超斌判断，Agentic AI时代需要超强互联能力、资源池化能力以及超大带宽和更低时延。传统以CPU为中心、以服务器为边界的主从架构已难以为继，需要从协议、互联、存储到算力调度的系统性重构。

华为的解题思路是以灵衢互联为核心。传统跨节点访问涉及五次数据拷贝，华为将CPU、NPU、内存、存储、网卡等基于灵衢协议互联，实现十余种协议归一，互联带宽从百GB级提升至TB级，RTT时延从7微秒压缩至2微秒，降幅达70%。基于灵衢的计算系统具备四大特征：协议归一、内存语义；多样算力、异构协同；分级存储、全局池化；光电互联、灵活组网。四大特征协同，可实现十万卡集群MFU从20%提升到35%。

华为发布了覆盖柜内、跨柜与集群三级互联的分层级灵衢互联设备。柜内灵衢互联刀片实现零电缆、零电路损耗，一个4096超节点可节省196公里铜缆；跨柜灵衢交换设备支持176个端口，每端口1.6T，单机280T全光互联；集群层面UBG灵衢网络交换机具备1024超大Radix扇出能力，可支撑百万卡超节点集群。基于此，华为发布Agentic AI超节点集群，由鲲鹏950超节点、昇腾960超节点、OceanStor M900记忆存储及星河UBG交换机组成。灵衢技术还向轻量化场景延伸，Atlas 650E风冷服务器通过双机灵衢直连，实现16个NPU免交换互联，让中小企业也能本地运行万亿参数大模型。

生态方面，昇腾与DeepSeek Harness、OpenCode等协同，打造Agent插件化组件并全量开源；联合50多家客户、伙伴及高校打造26个行业专属算子库；与90多家主流开源社区深度合作。CANN社区月活开发者达5200多人，累计合入超428万行代码。杨超斌强调，Agentic AI时代，算力底座的竞争不是单一产品竞争，而是“架构创新+生态开放”的系统性竞争。