高盛警告：AI能源需求相当于"再造一个日本"，涡轮机、变压器与政治阻力成最大瓶颈
Building Trust in Artificial Intelligence: A Necessity for Railway Applications
亚马逊确认AWS巴林和阿联酋数据中心受损可用区无法修复 所有资源和数据都无法访问
[推广] 送送送🎁纯净住宅 IP 跨境/养号/爬虫/AI 均可用
Zooproxy 全能代理方案 住宅 IP / 数据中心 IP 双引擎 | 99.9% 网络连通率 | 无限流量配额 | 全协议支持 (Http (s)/Socks5)
动态住宅 IP：$0.42/GB ，不限 IP 数量
业务覆盖：电商监控、舆情分析、广告验证、SEO 优化等
✅有效期：永久
✅IP 自动轮换
✅免费地理定位
✅HTTP / HTTPS / Socks5
静态 ISP 独享 IP：$0.9/IP/ 周，不限流量
业务覆盖：跨境电商、远程办公、社交媒体、游戏加速等
✅IP 原生纯净
✅IP 100% 独享
✅IP 长期固定
✅不限流量
无限流量：全新端口无限套餐：$0.38 /端口/ 天，流量全免，不限 IP
业务覆盖：AI 训练、日常运营维护、多店铺运营、市场调研等
✅无限流量和 IP
✅真实住宅 IP
✅免费地理定位
✅端口灵活购买
🎁免费流量试用分享
- YW96-A9L4-7LWC
- LPMD-DVUP-76RB
- XSPF-PKHW-6AAG
- TJW8-VYCL-UMFN
- 97H8-EYQF-ZCDH
- 6W6U-EHT6-P3V2
- QMR9-GSP4-37ZG
- QV99-X9VD-GGLX
[程序员] 第一届本地优先会议（线上）
活动介绍
我们是本地优先的爱好者:) 。如果想了解本地优先与 CRDT 的历史，文章链接在这里。
第一届中国的本地优先会议，线上沙龙的形式。我们按照本地优先的软件标准制作了一个社区日历： https://bd.ailishi.ai/#/list 。 活动内容都公开在日历里。
整个过程都以开放、开源的形式进行。 任何喜欢这一领域的小伙伴都可以发起、参与活动。 活动会一直持续到 9 月 30 日。
活动内容更新在社区日历中。欧洲的本地优先大会已经是第三届，正在邀请他们的嘉宾来分享。
本地优先的理想
本地优先的爱好者并非是一群只关心将数据存在本地，完全不联网的自托管爱好者。
这个领域的技术在快速演进，开发者、研究者们酝酿着对云的反思与重新设计：将云服务器变成一个通用的同步服务器，所有有意义的逻辑都在客户端。用户像更换云存储商一样在不同同步提供商之间切换，开发者只需要关注用户逻辑、视图而无需关心云托管、网络等开发问题。
对开发者来说，这极大简化了开发的架构，带来许多很好的性质：
- 不需要考虑网络层的问题。从 npm 安装一个 CRDT 库就好。
- 不需要云服务的知识。开发者只需要理解作品的用户价值，做好的功能、交互。后端运维外包给基础设施——一个同步服务器来支持。 一个开发者，可以用更少的注意力与成本交付一个协作能力完整的产品。
许多对用户本身更好的性质，也可以追求了：
- 抗关停。软件架构在根本上能抵御开发者消失。不会遇到软件公司倒闭后，被邮件通知三个月内删除数据，然后得到了一个.zip 的压缩包。
- 多设备友好。数据在用户自己的手机、电脑之间或协作者之间自动汇合。
- 离线优先。AWS 、Cloudflare 、GitHub 出故障依然可以做事情。
这个领域有一种理想：把云计算颠倒为「土计算」 :)
交流群
希望这些活动，能让更多人感受本地优先的乐趣。
百度地图赛题专家解读来了，助力选手冲击决赛百万奖池
英伟达宣布“CUDA Rust”，基于 Rust 的原生 GPU 编程
英特尔CEO：内存短缺将进一步加剧 电力与冷却技术为核心瓶颈
英特尔首席执行官陈立武表示，内存短缺问题将会进一步加剧。他还补充称，电力供给保障与冷却技术研发，也将成为半导体市场的核心难题。15日，在加州圣克拉拉举办的AI基础设施论坛上，当被问及希望有志投身AI基础设施领域的初创企业创始人解决哪些行业难题时，陈立武谈到了内存短缺问题。
阅读全文
苹果新一代Xserve服务器传闻将回归 搭载M8 Ultra并引入英伟达NVLink
苹果正在评估推出新一代机架式服务器产品的可能性，并考虑将未来的M8 Ultra处理器与英伟达的NVLink Fusion互连技术结合，以满足人工智能基础设施和高性能计算市场日益增长的需求。
阅读全文
微软不会停止建设数据中心 将采取措施平衡社区经济收益与环境
随着人工智能热潮推动数据中心建设进入前所未有的扩张阶段，微软正在面临越来越明显的环境和社区压力。尽管围绕数据中心用电、用水、土地以及噪音等问题的争议不断升温，微软并没有放缓基础设施建设的计划，而是试图通过一系列措施降低数据中心对当地社区造成的影响，并让数据中心建设带来的经济收益更多回馈当地。
阅读全文
亚马逊确认AWS巴林和阿联酋数据中心受损可用区无法修复 所有资源和数据都无法访问
3 月份在中东冲突中伊朗使用无人机和导弹袭击了亚马逊 AWS 位于阿联酋和巴林的数据中心，之后亚马逊建议受影响的客户迁移到周边其他可用的数据中心，然后亚马逊已经很长时间没有发布更新日志说明这些数据中心的情况。
阅读全文
基元律动与无问芯穹达成战略合作，推进高质量Token供给与应用
基元律动与无问芯穹达成战略合作，推进高质量Token供给与应用
2026年 9 月 15 日，AI基础设施公司基元律动（TokenRhythm）与无问芯穹（Infinigence AI）签署战略合作协议。双方将结合无问芯穹的Agentic Infra产品及服务体系与基元律动的多模型服务、智能路由能力，围绕高质量Token的供给、调度与应用展开合作，共同开拓市场。
图注：基元律动与无问芯穹战略合作签约仪式
AI基础设施服务商是基元律动商业模式中的重要伙伴。基元律动连接模型供给与业务需求，通过智能路由和任务执行，让模型能力在具体场景中发挥更多价值；无问芯穹则依托在模型算法与芯片硬件之间实现极致效率与成本优化的能力，为模型训练、推理和部署及强化学习等任务提供高效、稳定的支持。双方希望将应用、模型与基础设施纳入更完整的客户方案，缩短从技术验证到业务使用的过程。
据基元律动介绍，随着公司快节奏地发展，已形成了从产品上线、用户获取、多模型调用到模型能力优化的业务闭环。其工程能力支持产品快速交付，智能路由可根据任务需要组织模型，开源产品、API和企业场景则构成不同的获客入口。使用过程中形成的有效反馈，可以进一步用于改善路由与模型能力。
这套业务体系也为基元律动与无问芯穹的合作提供了基础。对于无问芯穹，已有产品、用户入口和任务需求的应用伙伴，有望带来持续的模型调用和资源需求；对于基元律动，稳定的基础设施供给则有助于承接更多任务，并支持模型迭代。下游的实际需求与使用反馈，也能为上游资源配置和技术优化提供依据。
模型供应链是另一项支撑。据悉，基元律动已首发接入Qwen-3.8-Max及牛来（GLM-5.3-Flash），与上游厂商的合作为模型供给及调用质量提供保障。智能路由在此基础上，根据任务要求、模型能力和成本选择调用方式，让不同模型在适合的任务中发挥所长。
根据协议，无问芯穹将以稳定高效的Agentic Infra产品及服务体系，为基元律动持续扩大的Agent业务规模提供底层支撑，助力基元律动打通从基础设施到企业级Agent应用的闭环。双方将根据业务发展，同时面向重点行业与典型场景开展联合验证，探索通过企业协作平台实现Agent能力接入与应用延展，共同构建企业级Agent交付体系。
双方此前已在NeoHorse-1研发中开展合作：无问芯穹提供底层基础设施支撑与Infra优化技术能力，以推理优化技术支撑大规模推理任务，并以弹性训练系统提升训练效率与稳定性。此次，双方计划将合作进一步延伸至企业方案设计、试点验证、客户拓展和项目交付，覆盖代码开发、企业协作及私有化部署等场景。
接下来，双方将围绕具体客户需求联合推进方案与交付，让上游基础设施更直接地承接应用需求，让下游产品获得持续的技术支撑。通过这一分工，双方希望减少客户协调多方的工作，缩短从技术验证到业务使用的周期，推动模型、基础设施与Agent应用之间形成更高效的协同，共同开拓更广阔的Agent服务市场。
雷峰网 雷峰网
被AI放大的光学「戏份」，让「配角」舜宇的生意越做越大
作者 | 陈悦琳
编辑 | 郭思
几乎同时迎来“量产元年”的人形机器人和智能眼镜，正在放大光学的“戏份”。
据Counterpoint统计，今年上半年全球人形机器人出货量突破2.2万台，同比激增近300%。与此同时，智能眼镜市场也迎来爆发，IDC数据显示，今年一季度全球智能眼镜出货量达356.6万台，同比增长130.1%。
尽管产品形态各异，两者对光学系统提出了共同诉求——“更清晰”和“更轻便”。人形机器人需精准感知障碍物与距离以规划动作；AI拍摄眼镜要在轻薄镜架中还原第一视角；AI+AR眼镜则需将数字信息无缝叠加至现实视野。
在此趋势下，镜头、摄像模组、光波导等光学器件，直接决定了新一代智能硬件的感知精度、显示效果乃至最终形态。这也正是舜宇光学坚定推进"光学+AI"战略，并在今年深圳光博会（CIOE）现场集中展示相关技术的核心逻辑。
机器人越智能，越依赖视觉
在舜宇光学科技集团战略与市场部高级总监熊冠皓看来，视觉系统在智能硬件中的价值占比正在提升。
他首先想到的场景是割草机器人。过去一些自动割草机主要依靠GPS差分定位沿着规划路线工作。定位能够告诉机器自己“在哪里”，却很难直接识别周围的障碍物和草地区域，路径规划也容易出现遗漏。
对于这一难点，舜宇的做法是提供X-BOX割草机视觉解决方案，包括360°全景摄像头、主动双筒摄像头和RGB摄像头三种方案。
在摄像头采集周围环境的同时，感知算法识别障碍物和草地区域，路径规划再据此决定下一步怎么走，改变了割草机此前“盲人摸象”的状态。
然而，视觉感知系统的导入，无法一次性解决所有场景难题。例如，机器人3D视觉会遇到测距失效、干扰、深度失真和标定复杂等问题；到了户外强光、高反、低反、细小物体和半透明材质等场景，稳定获取深度和空间信息的难度还在攀升。
具体到人形机器人这一层，这类问题更加突出。在今年上半年出货的数万台人形机器人中，智能制造的占比已经上升至13%，仓储物流则达5%。真实作业场景一多，机器人过去在固定环境里练就的能力还能否复用，成为下一道门槛。
这其实就是业内著名的泛化性难题，宇树创始人王兴兴就曾直言，产业临界点有2个80%的门槛，机器人如果能在约80%的陌生场景中，仅通过语言指令完成约80%的任务，就接近具身智能的“ChatGPT时刻”。
风浪越大，鱼越贵，如何通过视觉让机器人在陌生环境里完成任务，首先得持续、稳定地获取外部信息。对此，舜宇提供的也不再只是一颗摄像头，而是围绕不同场景，布局双目、iToF、dToF、结构光等3D视觉路线，并进一步加入多传感融合、标定和算法能力。
“很多新兴行业客户可能并不擅长光学硬件调校、光学算法匹配，他们需要可以直接集成落地的整套视觉系统。”熊冠皓进一步补充。
舜宇2026年中期业绩公告显示，公司的割草机器人和仓储自动化机器人项目已经量产，并获得多个整机及系统方案新项目。此外，在机器人视觉领域已深耕逾11年的舜宇，目前已向头部机器人厂商送样检测ToF相机、双目视觉等核心视觉硬件。
更清晰的智能眼镜，也要求更轻
智能眼镜面临的，不仅要解决是否看得清的问题，还要追求看得自然。某智能眼镜CEO接受公开采访时，将光学显示列为智能眼镜首先需要继续攻克的技术方向，并指出现有光波导眼镜仍面临透光率、彩虹纹和漏光等问题。
显示效果之外，光学系统还得继续做小做轻。另一家AI眼镜创始人曾公开提到，当前智能眼镜重量从50克继续往下降时所面临的难题之一，在于光学底层技术的演进。而色彩显示方式、单双目和摄像头数量等方案的选择，也都会影响整机重量。
作为智能光学系统解决商，舜宇光学敏锐地捕捉到了“轻量化”与“高集成度”这两大行业痛点，并将破局方向精准锁定在更小的光机、更薄的镜片以及更高集成度的模组上。近期披露的一系列前沿产品印证了这一思路：高性能轻量化棱镜、超薄VID镜片、极致小型化显示光机以及高精MicroLED封装技术相继亮相。其中，其VID镜片的可量产厚度已成功压缩至0.8mm以内，为整机减重提供了关键支撑。
这些能力正在进入不同形态的智能眼镜。针对无显示的AI拍摄眼镜，舜宇此前披露已与魅族旗下首款拍摄类AI智能眼镜StarV Snap的合作，为其提供摄像头模组和智能眼镜一站式系统方解决方案。
而在带显示的AR产品领域，舜宇轻薄化全彩AR显示模组已在2026年上半年实现小批量落地。
不过值得注意的是，熊冠皓并不认为所有系统方案都值得继续往下做。核心光学器件在整套产品中的价值占比够不够高、是不是舜宇真正擅长的部分，是他反复提到的两道门槛。
落地系统方案，制造是舜宇的底盘
作为全场景、端到端智能光学系统解决商，舜宇在向系统端延伸的同时，仍在持续升级精密制造。熊冠皓强调，系统解决方案和大规模制造是“同时并举”的两种能力。
众所周知，手机摄像模组制造商是舜宇早期最鲜明的行业标签。早在2003年，公司便已前瞻性地切入手机摄像模组的生产制造，随后进一步覆盖至执行器、精密装调等环节。然而，在AI时代，相较于手机业务所带来的直观利润，这一标签更深层的意义在于，它为舜宇淬炼出了一种不用从头再来的底气。
举个最简单的例子。智能手机对摄像头的极致追求，倒逼厂商在光学设计、精密制造和良率控制上不断突破。这些能力一旦沉淀下来，便具备了极强的可迁移性。
舜宇在手机时代练就的AA（主动对准）制程技术，如今被直接用于全场景机器人视觉模组的精密生产。手机摄像模组所积累的超薄封装经验，则成为AR光机小型化的关键支撑——舜宇将手机模组的小型化封装技术应用于AR光机研发，设计出业界体积最小的AR光机方案。
更重要的是制造规模。手机行业动辄百万级、千万级的出货量，让舜宇建立起一套成熟的大规模交付体系。当机器人客户需要的不只是"一颗镜头"而是"整套视觉系统"时，舜宇能够以模组+SDK甚至整机的形态快速响应，大幅降低客户的集成难度。
值得注意的是，现在AI还开始反过来改造这套制造底盘。熊冠皓表示，舜宇正在把AI模型用于生产，希望进一步提高良率和生产效率，同时让产线调整和响应客户需求更快。
但归根结底，舜宇想争取的并不只是把更多光学器件卖进AI时代的新终端，而是更早参与产品和系统定义，让光学能力进入下一代智能硬件和AI基础设施更核心的位置。
从百美元到数千美元，AI互联为什么越卖越贵？
2026年的CIOE中国光博会，人潮如织。
社交媒体上甚至有人开出2500元一场的讲解费，希望找到业内人士陪同参观。走进场馆后更直观的感受是，今年光博会几乎所有与AI相关的环节都在升温：从光模块、光器件，到高速互联和数据中心基础设施，AI需求正在把原本相对垂直的光通信产业链整体推向更高热度。
Astera Labs也出现在今年光博会。这家2017年成立的美国半导体公司，最早从PCIe Retimer切入高速互联，如今产品已经延伸至铜互联、光互联和机架级连接；截至九月，这间公司市值已接近500亿美元。
“算力需求越高，处理器之间的数据交换就越需要快速传输，互联这套‘神经系统’也必须跟上。”Astera Labs总裁兼COO Sanjay Gajendra对雷峰网表示。
这股热度背后，是AI基础设施规模持续扩张带来的互联压力。当GPU从几颗扩展到几十颗甚至成百上千颗，处理器之间的数据传输效率，开始直接影响整套基础设施的性能。
铜光之争，最后要算Token成本
为什么早在2017年，大语言模型尚未得到广泛应用时，Astera就开始押注互联方向？
“我们当时判断，那些为上一代处理器设计的连接架构，在单台服务器拥有10个乃至今天数十个处理单元时，将无法继续支撑系统需求。”Gajendra说。
当时常规服务器通常围绕1至2颗CPU设计，存储、网络等设备更多作为外围I/O存在；但随着CPU、GPU、SmartNIC等越来越多处理器开始同时进入服务器，系统内部需要交换的数据量迅速上升。
“就像一台机器里有了很多个‘大脑’，原本围绕少量处理器设计的互联架构，已经难以继续支撑它们之间的数据交换。”Gajendra解释。
来到2026年，这一问题随着AI的发展进一步放大。Gajendra将今天互联架构面临的挑战概括为三个变量：速率、规模和功耗。Astera Labs成立前后，PCIe单通道速率还处在8 GT/s级别，如今已经提升到64 GT/s；AI系统也从早期4至8颗GPU，向数十、上百及更大规模扩展。
“为了跟上当前AI部署的步伐，数据传输速度每年都在翻倍。”Gajendra说。规模扩张带来的同时，通信延迟必须尽可能低，同时还要维持内存一致性和处理器之间的同步；系统规模扩大后，互联本身的功耗也产生了约束。
这种扩展带来的压力，已经对铜光边界带来了改变，打破了短距离更多使用铜、长距离转向光互联的惯性思维，距离已经不再是决定使用光还是铜的主要变量。Gajendra认为，决定机架内部何时进一步从铜转向光，最核心的两个变量是传输速率和GPU规模。
对于200G/lane级别的连接，铜互联依然可以胜任；进一步走向400G/lane之后，光将更多进入机架内部，GPU数量增加带来的连接密度和散热压力，将进一步影响客户选择铜互连还是光互联。
除了以上两点，让铜光边界变得更复杂的，还有成本。所有厂商最终都要算一笔账：不同连接方式，对应的整套系统Token成本究竟是多少。
光博会现场，Astera Labs的工程师告诉雷峰网，下一代AI系统中，铜和光不会简单形成替代关系。大量短距离连接仍然适合使用成本更低、技术更成熟的铜；而当系统扩大到数千张GPU、跨越多个机架时，衡量连接方案的指标会进一步变成整套系统的单位Token成本。
工程师进一步提到，以英伟达NVL72的72-GPU scale-up域为参照，当计算需求继续扩大后，更大的scale-up域可能减少数据频繁经过scale-out网络。后者通常还需要经过网卡、以太网或InfiniBand交换机等多个子系统，引入额外延迟和系统复杂度。借助光互联扩大scale-up规模，因此可能进一步优化单位Token成本。
在具体技术路径上，Gajendra判断，NPO（近封装光学）将在2027年前后开始进入scale-up部署；CPO（共封装光学）目前虽然已有小规模应用，但在scale-up域的更大规模的部署可能要到2029至2030年以后。
从这个角度看，AI互联面对的问题已经不只是“数据怎么传得更快”，而是如何用不同的连接方式组织越来越多GPU，并让整套系统以更低成本输出更多Token。（关于scale-up域互联的更多信息，欢迎添加作者微信treelog10交流，互相学习）
资本开支趋稳，价值量继续上移
过去两年，AI基础设施最直接的增长逻辑，是超大规模云厂商持续提高资本开支。
但很显然，这种投入不可能永远维持相同增速。当被问及未来一两年头部云厂商放缓AI数据中心建设，是否会影响Astera Labs这样的连接厂商时，Gajendra没有否认这种可能。
他认为，AI目前仍处于基础设施集中建设阶段，仅美国超大规模云厂商已经公开承诺了超过1万亿美元的数据中心投资；但随着大规模建设逐渐完成，资本开支在未来几年终究会趋于稳定。
市场对这一增速能维持多久也越来越敏感。据公开信息，微软、Alphabet、亚马逊、Meta和Oracle五家AI超大规模厂商2026年的资本开支合计约7950亿美元，2027年将接近1.08万亿美元，市场在密切关注这轮支出是否会出现放缓迹象。
对Astera而言，答案并不只是等待云厂商继续扩建更多数据中心，而是提高自己在每颗加速器周围能够获得的价值量。Gajendra给出了一组直观的数字：早期只有Aries PCIe Retimer时，Astera每颗加速器对应的产品价值量不到100美元；后来加入交换芯片和内存产品，这一数字上升到数百美元；到了scale-up交换阶段，每颗加速器对应的价值量已经达到数千美元。
显然，scale-up是Astera正在加码的方向。Gajendra透露，公司原本预计Scorpio系列要到今年第四季度才会成为收入规模最大的产品线，但这一节点已经提前至第三季度。
除了提高单颗加速器对应的产品价值量，Gajendra还把推理市场视为另一个增长来源。
他认为，训练和推理虽然对互联都有高带宽、低延迟和低功耗的共同要求，但两类工作负载的侧重点并不完全相同。训练更依赖计算能力，推理则相对更看重内存和低延迟。
与训练主要集中在大型数据中心不同，Gajendra认为推理市场的参与者和系统形态会更加分散。“尤其是在推理市场，会有更多客户进入。这是一个非常分散的市场，会有很多参与者、很多系统。”Gajendra说。
未来的连接需求，未必只取决于少数头部云厂商继续建设多少超大规模训练集群。随着AI从训练进入大规模推理，连接需求可能进一步扩展到更多不同规模、不同部署形态的系统。
当客户的规模和部署形态进一步增加，连接厂商面对的也不再是一套相对统一的需求。不同市场、不同类型客户对标准化程度、产品迭代速度和系统定制的要求正在逐渐拉开。
这种差异，在中美两类AI基础设施市场中表现得尤其明显。
<
消息称 Anthropic 算力布局首度落子澳大利亚，将租赁 2.16GW 数据中心园区
IT之家 9 月 17 日消息，路透社当地时间 16 日报道称，Anthropic 签署了其首份澳大利亚数据中心租赁协议。
该协议涉及一座规划容量达 2.16GW 的大型算力园区，选址位于布里斯班以西约 250km 的位置，预计将由新加坡开发商 Zerra DC 负责建设。该数据中心将采购可再生能源电力并自主承担电网连接费用。
人工智能基础设施的运行伴随着大量的能量消耗，电力供应能力是数据中心选址的决定性因素之一。地广人稀同时又拥有大量可再生资源的澳大利亚是算力基建的理想区域之一。OpenAI 此前在去年也签署了在澳大利亚建设数据中心的协议。
不过，该国社会也存在反对的声音，澳大利亚政府也承诺将从 2027 年开始对数据中心资源使用设定限制。
一站式聚合东北超、苏超等 17 省 640 余场比赛，新型广电网络建设加速落地
IT之家 9 月 17 日消息，国新办今日举行“开局起步‘十五五’”系列主题新闻发布会，国家广播电视总局副局长何飚介绍，“新型广电网络”纳入国家“十五五”规划纲要，广电总局正在加快建设“特色鲜明、技术先进、安全可靠”的新型广电网络，发挥“文化 + 科技”“内容 + 网络”“大屏 + 小屏”综合优势，打造广电视听行业“核心基座”，建好用好“三张网”。
一是建强基础设施一张网。综合运用有线、无线、卫星、5G、互联网等多种网络资源，融合“云、网、数、智、端、安”等核心技术，建设“千兆化、超清化、智能化、协同化、一体化”的新型技术底座，全面提升广电网络对超高清、大流量、高带宽等多元视听服务的综合承载能力。
二是建好内容服务一张网。广电视听行业拥有海量优质内容，但分散在不同地域、不同层级、不同主体。内容服务网就是针对这一现状，加强国家和地方的优质内容汇聚、共享、融通，打通内容“孤岛”，建立高效连接，这样既可以减少用户入口、方便收看，又能推动好内容更广传播、直达基层。比如，今年，广电总局组织中国广电集团打破地域边界，一站式聚合东北超、苏超、湘超等 17 个省的城超赛事、640 余场比赛，在有线电视大屏和手机小屏面向全国观众播出，得到广大球迷好评。
三是升级监测监管一张网。通过构建全国一体、高效协同的监测监管体系，加强对有害内容、“套娃”收费、操作复杂、不良广告等的实时监测和有效处置，全面保障广大用户收视权益，守护健康、清朗的广电视听空间，让老百姓看得放心、用得安心。
华为打造业界首个采用 NPO 技术的超节点，汪涛宣布 openEuler 成为中国服务器操作系统份额第一
IT之家 9 月 17 日消息，华为全联接大会 2026 于今日在上海启幕。华为副董事长、轮值董事长汪涛在大会上发表了“智启新未来，打造智能世界的硅基黑土地”的主题演讲，与产业界共同探讨在智能浪潮中如何携手合作，打造强大的 AI 基础设施，筑牢坚实的算力底座，迎接智能世界带来的机遇与挑战。
汪涛表示，截至目前，昇腾 910C 超节点已部署超 1000 套，昇腾 950 超节点也已规模商用。超节点在规模商用的同时，已成为产、学、研在 AI 基础设施领域的共识，即是一种在物理上由多个计算节点通过高效的互联协议紧密连接组成，具备跨物理节点统一内存编址能力，逻辑上具备“一台计算机”特征的计算系统。
在所有芯片中，昇腾芯片是整个系统中的核心部件，华为宣布昇腾 960 芯片研发进度超出预期，性能实现倍增。960DT 比原计划提前三个季度，2027 年第一季度就绪；960PR 比原计划提前一个季度，2027 年第三季度就绪。
未来，昇腾系列芯片将持续坚持一年一代的演进节奏。2028 和 2029 年，华为将陆续推出昇腾 970、980 芯片，依托 τ 定律的创新方向，实现算力规格继续翻倍，访存带宽、访存容量、互联带宽等也将大幅提升。
除了昇腾芯片以外，华为还基于灵衢 UnifiedBus 打造了系列化套片，全面覆盖计算、互联、存储、管理等关键能力。
IT之家从大会获悉，基于昇腾 960 芯片和 Hi-ONE，华为打造了业界首个采用 NPO 技术的超节点 —— 昇腾 960 超节点，单个超节点为 4096 卡规模，最大可提供 8E FP8 的算力，高达 1PB 的 HBM 容量。超节点中用 5500 个 Hi-ONE，替代原本需要的 4 万 8 千颗 800G 光模块，降低了超 550 千瓦功耗，系统无故障运行时间提升一倍，系统可用度达到 99.8%。
汪涛表示，截至目前，鲲鹏全球开发者超过了 416 万，全球生态合作伙伴超过 7200 家，支持了 560 多个全球开源项目，openEuler 装机量也已超过 2000 万套，成为中国服务器操作系统第一份额。
昇腾已跨越生态拐点。CANN 作为昇腾生态的根基，已进入常态化的开源社区运作，从“可用”走向“易用”。CANN 外部开发者首次超越内部开发者，占比 61%，社区月活开发者突破 5200 名，是中国最活跃的开源社区；基于昇腾 +CANN 的原生训练模型已超过 40 个，也是国内唯一支持预训练的技术路线；昇腾已覆盖 90 多个主流三方社区，如 PyTorch、Triton、vLLM、veRL 等。在 Linux 基金会的大力支持下，昇腾已正式成为在 PyTorch 官网可直接安装的算力平台，并且是首个来自中国的算力平台，全球所有开发者可以更便捷地获取昇腾生态的创新成果。