天津智博会人工智能展馆，两个展台又一次面对面。

中科曙光，scaleX万卡超集群坐镇主场。华为，昇腾384超节点重磅亮相。国产算力的两个标志性玩家，在同一片展区各自亮出了家底。

半年前，这两家还都在秀“超节点”。曙光拿出单机柜640卡的scaleX640，华为展出12柜384卡的昇腾384。

半年后，曙光的展台已经升级到了万卡集群——16个640超节点高速互联，10240张加速卡，总算力超5EFlops。华为这边，昇腾384依然是主力，旁边多了一份Atlas技术路线图。

一浪更比一浪高，说的不只是规模。

曙光的万卡集群，scaleX640是它的核心组件。展板参数一目了然，单机柜算力630 PFlops，算力密度拉满。HBM总容量81.9TB，HBM带宽2304 TB/s，片间互联总带宽573 TB/s。配合自研的scaleFabric高速网络，单子网可支撑超10万卡扩展，且PUE降至1.04。

华为昇腾384的数据同样有据可查：12个计算柜加4个总线柜，384张昇腾910 NPU，总算力约300 PFlops。HBM总带宽达1229 TB/s，片间互连总带宽 573 TB/s。384超节点采用冷板式液冷，PUE控制在1.1-1.15区间。

把两边的数字放在一起看，差距确实明显。但展台前真正懂行的人，看的不是谁大谁小，而是两种技术路线背后的逻辑。

华为走的是垂直整合路线。从昇腾芯片到CANN软件栈，从灵衢互联到MindSpore框架，全部自研、全栈拉通。好处是软硬协同效率高，华为可以掌控每一个环节的调优。挑战也很直接：用户一旦上车，后续的扩展、升级基本只能在华为体系内完成。展台上有观众问及是否支持其他品牌加速卡混用，得到的回答很干脆：“目前只支持昇腾。”

曙光选择的是开放架构。核心理念就四个字：兼容并包。可适配多品牌国产加速卡，避免被单一芯片厂商绑定。软件层全面兼容PyTorch、TensorFlow等主流框架，适配400多款大模型。这种模式的难度在于协同整合难度大，需要慢工出细活。好处是上层生态确实很友好，支持异构加速计算应用、模型无缝迁移与深度优化，大大提升了AI用户的上线应用效率。

当然，从结果来看，后者已经跑通万卡超集群，并且实现了规模化落地验证。这一轮开放架构路线反超了一个身位。

对一些前沿场景用户而言，最关注的还是计算精度问题。384超节点基于昇腾910C NPU构建，其算力设计主要以BF16和FP16精度为主，适用于大模型训练和推理等场景。换句话说，300 PFLOPS的算力，只能在BF16精度下可实现。

scaleX万卡超集群采用超智融合架构，基本覆盖了全精度计算场景。据报道，最新上线的6万卡AI4S智算集群，广泛支持8/16/32/64位宽的计算需求，这一特性能够同时满足高精度科学计算（如物理模拟、量子力学计算等）和低精度大规模AI模型训练、推理等场景。

从超节点到万卡集群，国产算力用半年时间走完了一个量级的跨越，并且在场景化落地能力上持续进阶。毋庸置疑，不管是垂直整合还是开放协同，两大路线仍在加速奔跑中。国产算力双雄，都不愧中国计算产业的主力担当。