過去幾天，中美經貿關系發生著極速變化。而變化的主基調是，美國希望從貿易戰的短期沖撞，重新回到長期進行，同時也更加殘酷的科技絞殺上。

5月12日中美雙方發布聯合聲明，決定大幅下降關稅。緊隨其后的5月14日，美國政府亮出了瞄準中國AI的“獠牙”，美國商務部工業與安全局（BIS）突然宣布，即日起在全球范圍內禁用中國先進集成電路。

美國出招絕非無的放矢，就在一個月前，華為發布了CloudMatrix384 超節點，該技術通過384張卡構建超節點集群，超級云服務器，最高提供300Pflops的算力規模。這意味著，美國通過N卡禁售來限制中國AI算力發展的技術圍堵，或將被徹底打破。

從DeepSeek的算法層突破，到CloudMatrix384的算力層突圍，中國AI正以系統性創新，彌補單芯片制程差距，美國發現其“卡脖子”邏輯正在失效。

接下來，美國必然會進一步打壓中國AI的任何生存空間，更證明了模型自主與算力自強的重要性。昇騰云算力就是出路，就是防線。

5月16日，華為云AI峰會中，華為云副總裁黃瑾又進一步披露了更多CloudMatrix 384 超節點的創新技術細節。CloudMatrix 384 超節點持續壯大，把“殺不死你的必會讓你更強大”寫進現實。

過去的8年里，單卡硬件的算力增長了40倍，但是節點內的總線帶寬只增長了9倍，跨節點的網絡帶寬只增長了4倍。集群網絡通信成為當前大模型訓練和推理的最大挑戰，也是科技競逐的焦點之一。

514美國禁令的恐懼根源，或許就在于昇騰的架構創新，破解了網絡帶寬拓展比單卡算力增長更滯后的技術難題，使CloudMatrix384 實現了集群穩定性，中國AI的算力長城，正在CloudMatrix384的基石上崛起。

具體來說，CloudMatrix 384 超節點實現了MatrixLink超節點網絡服務。這項技術能夠通過擴展訓練集群實現大模型的訓推性能提升20%，從而在網絡側滿足最為苛刻的模型推訓需求。

突破了內外部通信瓶頸的CloudMatrix 384，實現了AI算力資源的集約式高效利用，以及超大規模AI訓練集群可云上獲取，支撐昇騰AI云服務以更高的算力利用率、更高的算力可用度、更高的吞吐率以及更低的成本，為千行百業智能化提供充沛且普惠的云上AI算力服務，從而為中國AI算力爭取到了長足的領先空間與發展窗口。

更值得一提的是，當產業從萬卡向十萬卡集群演進，超節點修筑AI算力長城的腳步也并未停下。華為云AI峰會上，華為云公布了CloudMatrix 384 超節點的創新技術優勢。

昇騰云和CloudMatrix 384 超節點，實現了MoE親和、以網強算、以存強算、長穩可靠、朝推夜訓、即開即用六大科技創新，這些創新如同“技術磚石”，穩固支撐AI 產業發展更進一步，成為AI時代理想的基礎設施。

為什么這么說？這就要提到各行各業的AI訓推需求，要求云上算力，豎起三道重要的防線：

一是算力充沛的性能防線。

正如杰文斯悖論所說的，Deepseek雖然降低了單個模型對算力的需求，但隨著應用AI的用戶越來越多，算力資源的總需求量非但沒有減少，反而進一步增加了。這一背景下，國產AI算力面臨雙重困境，一是單卡性能落后英偉達最新產品，二是多卡集群會“打群架”，堆卡但不增效。而提升算力集群的資源利用率，需要存儲（存力）、網絡（運力）的共同做功，來適配最新的計算架構。

簡單來說，在DeepSeek的推動下，MoE已經成為主流大模型共同追求的實踐路徑，所謂MoE架構，就是從GPT4這樣的少量大專家的超大規模參數模型，變成了大量小專家的模式，在每張卡上都部署多個小專家。但傳統架構下，MoE模型容易因為專家負載不均、AllToAll通信延遲等，導致算力浪費，降低資源利用率。

CloudMatrix 384 超節點的分布式推理平臺可以說是專為MoE大模型而生，具有MoE親和的技術特性。對比一卡多專家的“小作坊模式”，超節點通過高速互聯總線，降低跨機通信損耗，從而實現一卡一專家高效分布式推理，單卡的MoE計算和通信效率都大幅提升。通過聯接力打破單點算力的性能制約，最大限度地釋放算力共振的能力，也體現了超節點以網強算的技術優勢。

除了網絡通訊，顯存容量不高也會制約MoE模型的開發。大模型推理的不同階段，對計算/訪存的資源需求其實并不一致，比如prefill階段需要高算力，而decode階段需要高防存，但傳統“存算綁定”的模式不夠靈活，就限制了資源利用和性能吞吐。

解決MoE模型的“存力”難題，華為云首創了EMS彈性內存存儲，通過內存池化技術，實現顯存和算力解綁。一方面，用EMS替代NPU中的顯存，可使得首Token時延降低，最高降幅可達80%；另一方面，當NPU的顯存不足時，EMS獨立擴容，不必再通過堆NPU以獲得更多內存。同時，EMS還支持算力卸載，這也使得系統吞吐量提升100%。

提高運力以網強算、提高存力以存強算，合力提高綜合計算性能，從而為各行各業應用Deepseek等MoE模型，提供澎湃算力，正是CloudMatrix 384 所筑起的性能防線。

二是算力可靠的穩定防線。

解決了性能問題，接下來還解決多卡集群“打群架”的可靠性問題。千卡乃至萬卡級算力集群的運維挑戰，已經成為算力的關鍵瓶頸。集群規模增大，故障頻發，導致訓練中斷，模型開發團隊不得不頻繁執行檢查點checkpoint保存操作，這不僅延長了大模型訓練周期，還會導致計算資源浪費，開發成本增高。

構建高可靠性的智能運維體系，已成為云上算力長城的必要職責。對此，華為開發了昇騰云腦運維“1-3-10”標準，即1分鐘感知、3分鐘定界、10分鐘內恢復，從而具備了保障長穩大模型訓練的能力。

也意味著，中國AI有了更具韌性的算力基礎設施。

三是算力普惠的成本防線。

DeepSeek到來之后，AI推理側的任務激增，而訓練側的算力需求則在下降。對于云服務商來說，針對用戶訪問的潮汐特征（日間推理峰值遠遠大于夜間），做好算力資源的動態平衡，可以進一步優化資源利用效率，避免算力閑置，這樣能夠實現綜合成本最優，最終讓成本優勢變成價格優勢、普惠能力，為行業和用戶提供像“水電”一樣實時、普惠、靈活的算力。

目前，華為云已經在全國三大樞紐數據中心——烏蘭察布、貴安和蕪湖完成了超節點規模布局，支持百TB級的帶寬互聯，10毫秒時延圈覆蓋全國19個城市群，讓行業用戶不需要自建數據中心，可以像水電氣一樣，第一時間享受到即開即用的AI算力資源。

同時，華為云通過“訓推共池”“靈活調度”兩大技術，實現朝推夜訓，白天進行模型推理，晚上閑時進行模型訓練，實現了全國超節點算力資源的“錯峰用電”，算力資源利用率可提升30%以上。

通過性能、穩定、普惠的三道防線，華為云CloudMatrix 384 超節點可以更好地守護各行各業的智能化需求，成為中國AI巍然挺立的堅實基礎設施。

正如長城的出現，守護了古代中國的國土安全。超節點通過多項技術特征的加持，讓以卡為單位的分散式AI算力，走向了集中式AI計算底座，成為真正意義上的下一代AI基礎設施，一座堅固的云上算力長城。

更宏觀的角度來看，超節點技術不僅僅是一項工程性創新，它還徹底改變了芯片制造領域的技術對壘格局。

英偉達最新推出了基于第五代NVLink技術的NVL72，并且將其局限在自身生態當中，客觀上構成了對中國AI算力的發展制約。但實際上，我們真正需要的不是芯片本身，而是算力。通過重新定義AI基礎設施，超節點技術為AI算力的供給提供了前所未有的澎湃動力，進而突破了被芯片制程鎖死的AI進程。

在當前國際博弈的大背景下，超節點的出現，正是中國應對挑戰、把握AI機遇的有力證明。

除了超節點之外，華為云還在大模型、AI生態等領域進行了持續升級，持續迭代的盤古大模型，已經在30多個行業、400多個場景中應用，在制造、金融、政務、醫療、制藥、汽車、氣象等七個行業保持市場規模領先。

在算力底座、資源調度、推理服務及集群可靠四個方面，華為云全面升級昇騰AI云服務，協助客戶進行模型的開發、訓練、托管和應用。目前，昇騰AI云服務已適配包含DeepSeek在內的160多個第三方大模型，并面向政府、金融、互聯網、零售等行業服務600多家創新先鋒企業。

就像美國的貿易沖擊，掀不翻中國經濟的汪洋大海，美國的一紙禁令，也禁不了昇騰這座云上AI算力長城。

當山姆·奧特曼在國會參議院建議要加大AI基礎設施投入的時候，昇騰AI云服務已經通過超節點的建設，以及更多技術、產品、資源的匯集，為接下來的中國AI應用大爆發做好了準備——下一代AI基礎設施，就是中國AI走向強大的內因。

2025年5月16日，被制裁整整六年的華為依舊在茁壯生長，并且在這些年里拿出了MetaERP、數據庫、軟硬件工具鏈等等核心技術突破。如今超節點的加入，讓這六年中所有的故事都更加熠熠生輝。

華為的故事在反復提醒著一件事：我們除了強大，無路可走。

曾幾何時，先進AI算力必然來自西方，被認為是一個“鐵律”。但CloudMatrix 384 超節點的突破，不僅證明了中國可以有自主化的可靠AI算力基礎設施，更證明了中國AI算力可以實現系統性領先，甚至可以改變企業用戶的AI算力獲取方式，給全球AI一個更好的算力選擇。

近幾個月，所有國際新聞都在提醒我們，只有當自身足夠強大，能夠給自己和他人提供選擇，我們才有話語權，才有交流和談判的空間，才能為多元、開放與平等添加一份保障。

從這個意義來說，CloudMatrix 384 超節點就如同AI世界中的長城。它佇立在那里，確保了全球AI的自由勃發與平等成長。

巍巍昆侖，翼翼長城。一些源于中國文化的智慧，一些來自中國科技的態度，此刻正無言流淌在奔騰的AI算力中，相信它們很快會被世界讀懂。