华
华为Atlas 900
华为Atlas 900训练集群 · Atlas 900 SuperCluster
简介
华为Atlas 900是华为推出的旗舰级AI训练集群系统，代表了国产AI算力基础设施的最高水平。最初于2019年发布，采用数千颗昇腾910 NPU组成，提供256-1024 PFLOPS（FP16）级别算力。2024-2025年，华为进一步推出了Atlas 900 SuperCluster，作为面向万亿参数超大模型训练的超级集群解决方案，全液冷散热设计，集成昇腾910B芯片，单集群可支撑千亿乃至万亿参数大模型的全流程训练。Atlas 900系列是华为"一栈式AI"战略中的算力基础设施核心产品，也是中国自主AI大模型训练无可替代的算力底座。
| 发布/成立 | 2019（Atlas 900）/ 2024（SuperCluster） | 中国 |
| 核心芯片 | 昇腾910 / 昇腾910B | |
| 官网 | https://www.hiascend.com/atlas900 |
🏗️ 产品体系
Atlas 900 基础版
最初发布的Atlas 900标准型集群，由数千颗昇腾910 NPU组成，主要技术规格：
- 总算力：256-1024 PFLOPS（FP16），取决于集群规模
- 节点配置：Atlas 800训练服务器（8卡昇腾910），每个节点提供2 PFLOPS FP16算力
- 集群规模：支持从128卡到8192卡灵活扩展
- 互联架构：HCCS片间互联 + 100G RoCE v2网络
- 散热方案：风冷/液冷混用
- 训练能力：可支撑百亿到千亿参数模型训练
Atlas 900 SuperCluster（2024）
SuperCluster是华为2024年发布的新一代超级训练集群方案，主要升级点：
- 芯片升级：全面采用昇腾910B NPU，FP16算力每卡320 TFLOPS
- 全液冷散热：整集群采用全液冷散热方案（冷板式液冷+浸没式液冷），PUE低至1.05-1.10
- 超大规模：单集群最多可扩展至8300+卡（约1040台Atlas 800T A2服务器）
- 总算力：单集群FP16算力可达2.4 EFLOPS级别
- 高速互联：升级为HCCS 2.0 + 200G RoCE v2网络，片间通信带宽翻倍
- 参数规模：可支撑万亿参数模型的端到端训练
- 集群管理：集成华为MindStudio全流程管理平台，支持智能运维
⚡ 性能数据：Atlas 900 SuperCluster在典型GPT类大模型训练任务中，线性扩展效率可达90%以上（从1K卡扩展到8K卡）。在千亿参数模型训练中，端到端吞吐量可达同规模NVIDIA H100集群的70-85%，综合性价比（算力/功耗/成本）在国产方案中处于绝对领先地位。
🔧 核心技术
HCCS片间互联
华为自研的HCCS（Huawei Cache Coherent System）高速互联协议是Atlas 900集群性能的核心。相比传统的PCIe互联，HCCS在片间通信延迟上降低了一个数量级，带宽提升数倍。SuperCluster升级至HCCS 2.0，单链路带宽翻倍至~200 GB/s。
华为集合通信库
华为针对Atlas 900集群专门优化了集合通信库（HCCL，Huawei Collective Communication Library），支持AllReduce、AllGather、ReduceScatter等分布式训练常用通信模式，在万卡规模下仍能保持高带宽利用率。
全液冷散热方案
SuperCluster采用华为自研的全液冷散热方案，包括：
- 芯片级冷板液冷：直接接触NPU核心，带走80%以上的热量
- 服务器级液冷：整机通过冷却液循环散热，无需风扇
- 集群级热回收：余热可回收用于供暖等场景
- PUE：1.05-1.10，远低于传统风冷机房的1.4-1.6
AI训练框架深度适配
Atlas 900与MindSpore框架、CANN软件栈深度适配，提供：
- 自动并行策略（MindSpore AutoParallel）
- 融合算子优化（CANN 100+融合算子）
- 混合精度训练（FP16/BF16/INT8）
- ZeRO优化器状态分片
- 梯度累积和流水线并行
📊 市场与应用
典型客户与部署
- 华为盘古大模型：盘古NLP/CV/气象等系列大模型在Atlas 900集群上训练
- 科大讯飞星火大模型：基于Atlas 900 SuperCluster训练星火认知大模型
- 三大运营商：中国移动/电信/联通智算中心大规模部署Atlas 900集群
- 政企客户：多个国家级AI算力中心采用Atlas 900方案
市场地位
- 中国超大规模AI训练集群市场份额第一
- 中国运营商AI服务器集采中标份额领先
- 已在全球多国（东南亚、中东、南美）实现商用部署
🆚 与NVIDIA DGX/HGX对比
| 维度 | Atlas 900 SuperCluster | NVIDIA DGX SuperPOD |
|---|---|---|
| 芯片 | 昇腾910B (320 TFLOPS FP16) | H100 (989 TFLOPS FP8) |
| 单集群规模 | 最高8300+卡 | 最高1000+卡（可扩展） |
| 单集群算力 | ~2.4 EFLOPS FP16 | ~1 EFLOPS FP8 |
| 互联协议 | HCCS 2.0 + 200G RoCE v2 | NVLink 4.0 + NVSwitch + InfiniBand |
| 片间带宽 | ~200 GB/s | ~900 GB/s |
| 散热方案 | 全液冷（PUE 1.05-1.10） | 风冷/液冷 |
| 框架支持 | MindSpore + PyTorch（torch_npu） | PyTorch + TensorFlow + JAX |
| 供应链 | 完全自主可控 | 受美国出口管制 |
2.4
EFLOPS FP16（SuperCluster）
8300+
单集群最大卡数
1.05
PUE（液冷方案）
万亿
可训练参数规模