#ATLAS
•

李飛飛談空間智能：Atlas 如何重寫機器人與 3D？

大語言模型用“預測下一個詞元”學習語言，視訊模型常用“預測下一幀”學習運動。World Labs 的新答案是：要讓 AI 真正理解三維世界，也許應該讓它不斷預測“下一個視角”。 草莓落入牛奶後，Atlas 生成未被真實相機拍到的環繞視角。 只用三部架在三腳架上的 iPhone，拍下一顆草莓落入牛奶的瞬間。隨後，AI 凍結飛濺的液體，讓一台並不存在的攝影機繞場飛行，生成類似《駭客帝國》“子彈時間”的鏡頭。 本文素材源於 Why Fei-Fei Li Is Betting on Spatial Intelligence。如需查看英文原版、《產業資訊》每日更新及更多資料，可在文末獲取。
李飛飛談空間智能：Atlas 如何重寫機器人與 3D？
科技#李飛飛#空間智能#Atlas
•

AI 瀏覽器已死，享年約 1 歲

OpenAI 的第一款 AI 瀏覽器，或許也是最後一款，下周就要正式停服了。 今年 7 月 9 日，OpenAI 在 ChatGPT 更新日誌裡悄悄寫下一行字：「Atlas 將於 8 月 9 日停止運行。」沒有發佈會，沒有告別視訊，就像它當初上線時一樣低調。 Atlas 去年 10 月才剛剛發佈，是一款基於 Chromium 建構的 macOS 專屬瀏覽器，把 ChatGPT 整合進網址列和側邊欄。付費使用者還能開啟 AI 智能體模式，讓它替你購物、訂餐、處理郵件。 OpenAI 對它寄予厚望，想讓瀏覽本身變成一場對話。結果，它沒能活過自己的第一個生日。
AI 瀏覽器已死，享年約 1 歲
科技#AI瀏覽器#OpenAI#Atlas
•

Kimi，“等芯來”

Kimi K3最近大火，美國科技圈的一些人開始反思：為什麼楊植麟卡內基梅隆博士畢業後，不留在美國創業？ 作為年度最強開源模型，Kimi K3的參數量達到了3T等級，並在各大基準測試中“屠榜”，一部分榜單表現甚至超越Fable 5這種美國實驗室的最前沿模型。 在算力不足的情況下，通過演算法、工程的最佳化，疊加參數的擴展，不僅追上前沿閉源模型的性能，打破Scaling Law“撞牆”一說，甚至還引發了一部分矽谷巨頭的焦慮與恐慌。 OpenAI戰略負責人迪恩·W·鮑爾說：“開源模型會阻礙人工智慧領域的進一步資本支出。”
Kimi，“等芯來”
科技#Kimi#AGI#昇騰Atlas 950
•

2.87倍性能、價格僅四分之一，華為昇騰950攻入韓國，NVIDIA的CUDA壁壘迎來最有力挑戰

從吹風到落地，剛好半年 2026年7月1日，華為中央（Huawei Central）和集邦諮詢新聞（TrendForce News）援引韓聯社、《電子時報》等多家韓媒消息，華為正準備在今年第四季度向韓國市場正式投放昇騰系列AI晶片及Atlas計算平台。 半年前的2025年12月26日，華為韓國CEO王伯良在首爾一場發佈會上對《韓國時報》說：“華為希望明年在韓國推出我們最新的人工智慧晶片，全面進軍本地AI基礎設施市場，目標是成為NVIDIA的替代方案。” 現在，真的兌現中。
2.87倍性能、價格僅四分之一，華為昇騰950攻入韓國，NVIDIA的CUDA壁壘迎來最有力挑戰
科技#華為#韓國市場#昇騰系列
•

約0.01飛米！中國科學家重要發現，將改寫教科書

13日，媒體從山東大學瞭解到，該校李海峰教授團隊參與的ATLAS實驗發現了‌頂夸克-反頂夸克束縛態（即“頂夸克偶素”），以‌8倍標準偏差‌的顯著性確認其存在，該發現將改寫粒子物理教科書，被國際學界視為‌30年來頂夸克物理最重要的成果之一。相關研究成果發表在學術期刊《物理學進展報告》上。 頂夸克偶素的藝術構想圖。圖片來源：歐洲核子研究中心 據瞭解，ATLAS實驗是歐洲核子研究中心大型強子對撞機上的四大主要國際合作實驗之一，旨在探索粒子物理的前沿問題，包括山東大學在內的多個中國研究團隊深度參與其中。 “自然界有六種夸克，其中一種叫‘頂夸克’，質量最重。”李海峰解釋，之前科學界認為一個頂夸克和一個反頂夸克不能形成束縛態（“束縛態”即類似於地球和月球，兩者束縛在一起）；但現在通過實驗，科學家們看到了束縛態。值得注意的是頂夸克偶素的尺寸約為0.01飛米（即10-17米），是目前發現的最小的束縛態。
約0.01飛米！中國科學家重要發現，將改寫教科書
科技#ATLAS#粒子物理#頂夸克
•

華為重磅發佈新一代算力加速卡

在剛剛結束的華為中國合作夥伴大會2026上，華為重磅發佈並展出了搭載全新昇騰950PR（Ascend 950PR）處理器的AI訓練推理加速卡Atlas 350。搭載全新昇騰950PR處理器的AI訓練推理加速卡Atlas 350。記者 時娜 攝崑崙、華鯤振宇、神州鯤泰、長江計算、寶德、軟通華方、百信7家華為核心夥伴在會上發佈了基於Atlas 350的伺服器整機產品，標誌著昇騰950代際推理算力正式進入商用階段。上市公司軟通動力旗下的軟通華方在會上發佈的“超強A860 A5”就是其中之一。軟通動力計算產品事業群企業級產品研發管理本部總經理鄧忠良將超強A860 A5比作賦能大模型時代的“核武級”算力。據介紹，超強A860 A5是一款6U2路AI伺服器產品，搭載鯤鵬920新型號處理器，可支援8塊昇騰Atlas350加速卡，具有超強算力、靈活拓展、安全可靠等特點，適合用於AI大語言模型訓練和推理、AI加速計算、視訊分析等應用場景。科大訊飛集團副總裁、星火企業軍團總裁劉江在會上表示，訊飛新一代星火大模型也將與昇騰910/950系列算力底座進行充分適配，為使用者提供“懂行業、能幹活、守規矩、會進化”的整體AI解決方案。算力的基礎是晶片，昇騰晶片是華為AI算力戰略的基礎。華為2018年發佈的昇騰310晶片，是昇騰系列晶片首款產品。2019年，華為發佈昇騰910晶片；2025年，昇騰910C晶片隨著Atlas900超節點規模部署，昇騰晶片逐漸為外界所熟悉。去年9月，華為副董事長、輪值董事長徐直軍在華為全聯接大會2025上首次介紹了昇騰950系列晶片，並官宣了昇騰950系列晶片的發佈時間——昇騰950PR將在2026年第一季度推出，首先支援的產品形態是標卡和超節點伺服器。在本次華為中國合作夥伴大會上，昇騰950PR隨標卡Atlas 350如約亮相，受到業界的廣泛關注。Atlas 350展台成為中國合作夥伴大會2026網紅打卡點。記者 時娜 攝與前一代昇騰晶片相比，昇騰950PR在低精度資料格式、向量算力、互聯頻寬及自研HBM等方面實現大幅提升。據華為昇騰計算業務總裁張迪煊介紹，Atlas 350的單卡算力達到了輝達H20的2.87倍，是目前國內唯一支援FP4低精度的推理產品；HBM（高頻寬記憶體）容量是H20的1.16倍，達到了112GB，多模態生成速度可以提升60%；記憶體訪問顆粒度從512字節減少到128字節，小算子訪存效率提升4倍。在大會展廳Atlas 350展台，上證報記者看到了Atlas 350的具體參數：Atlas 350的FP4精度算力為1.56P，頻寬達到了1.4TB/s；功耗為600W，是H20的1.5倍。大會展出Atlas 350具體參數。記者 時娜 攝展台工作人員告訴記者，Atlas 350除了支援FP16、FP8外，還支援更低精度的FP4。這意味著，整合Atlas 350類股的伺服器能夠支援更大的模型以及時延更低的推理，精度小了，計算速度就會更快，暫存器效率業會更高。目前Atlas 350在網際網路推薦場景的實測資料顯示，該卡的時延更低、響應更快，特別適合短影片、電商、廣告推薦等高並行場景。在大模型推理、文生圖、文生視訊等多模態場景，其性能也和輝達的L20相當。張迪煊表示，基於Atlas 350等產品，結合AI發展趨勢與客戶需求，昇騰將打造大、中、小三大核心算力場景，助力夥伴滿足差異化場景需求，共同深耕行業智能化。面向兆級模型，昇騰384超節點憑藉“超大頻寬、超低時延、統一記憶體編址”三大特性，實現有效算力線性擴展，更好支撐大模型訓練與推理，已在多行業成功落地；面向千億級模型，昇騰提供“開箱即用”的單機伺服器，滿足“快速部署”與“成本可控“的平衡；面向百億級模型，昇騰開放更多算力檔位、更高整合度、更寬溫度設計的模組/板卡，結合更多OS相容、更多場景SDK（軟體開發工具包），使能夥伴打造多樣化產品。會上，昇騰聯合20家行業頭部夥伴，發佈了2026昇騰AI應用場景解決方案，覆蓋輔助辦公、AI實訓、電子病歷、智能客服、政務辦公等多個行業核心場景，以“輕量部署、快速落地、可規模複製”的特點，破解行業智能化部署複雜、周期長的痛點。此外，“養蝦”熱潮再度激起了一體機的需求，華為副總裁、ICT產品組合管理與解決方案部總裁馬海旭在會上透露，過去一個多月已有十幾家合作夥伴推出了基於昇騰的OpenClaw一體機。截至目前，昇騰已聯合夥伴打造400多款行業一體機，服務客戶逾2700家，佔據國內一體機市場80%以上份額。 (上海證券報)
華為重磅發佈新一代算力加速卡
科技#華為#算力#昇騰950PR
•

【MWC 2026】華為發佈：Atlas 950 超節點叢集！FP8 精度：8 EFLOPS算力之深度洞察！

當地時間2026年3月2日，MWC 2026巴塞隆納展會迎來重磅炸場時刻——華為計算產品線總裁張熙偉首次在海外發佈全新Atlas 950 SuperPoD超節點叢集，這款被稱為“算力巨無霸”的產品，以單系統8192顆昇騰950DT晶片、8 EFLOPS（FP8精度）總算力、1152TB超大記憶體的強悍規格，直接刷新全球超節點叢集的性能紀錄，甚至全面超越輝達未來規劃機型，成為應對兆級大模型訓練、多模態場景落地、智能體網際網路建設的核心算力底座。不同於行業內部分超節點“單純堆硬體”的粗放模式，Atlas 950的核心競爭力在於系統級架構創新與全鏈路技術最佳化，其背後是華為在晶片、互聯協議、軟體生態等領域的長期技術積累。此次發佈不僅彰顯了華為在算力基礎設施領域的全球領先地位，更將深刻影響全球算力產業鏈格局，推動AI算力從“雲端集中式”向“端雲協同式”深度轉型。本文將從叢集核心架構拆解、關鍵技術深度剖析、算力產業鏈影響、行業意義與未來展望四個維度，全方位解讀Atlas 950超節點叢集的技術價值與產業影響，兼顧技術性、科學性與原創性，助力讀者看透這款“算力巨無霸”的核心競爭力。一、核心架構拆解 打破傳統侷限，建構“平等互聯+資源池化”的算力新範式Atlas 950超節點叢集的強悍性能，絕非單純依靠8192顆晶片的堆疊，而是源於其革命性的系統級架構設計——打破傳統以CPU為中心的馮諾依曼架構，建構“全平等互聯+記憶體統一編址+資源池化”的全新架構範式，實現“計算、通訊、儲存”三位一體的高效協同，從根源上解決了傳統算力叢集“規模越大、效率越低”的行業痛點。其核心架構可分為三大層級，各層級協同聯動，構成完整的算力支撐體系：01. 硬體基礎層：晶片叢集+模組化設計，兼顧規模與靈活硬體基礎層是Atlas 950算力輸出的核心載體，以昇騰950DT晶片為核心，採用“模組化堆疊+全光互聯”的設計思路，實現算力規模與部署靈活性的雙重平衡，具體細節如下：核心晶片方面，Atlas 950搭載的昇騰950DT晶片，是華為專為超大規模AI訓練與推理Decode階段最佳化的專用NPU晶片，雖然受限於製程工藝，單卡性能仍處於追趕國際頂級產品的階段，但通過叢集化協同，實現了“量變到質變”的突破。該晶片支援FP4、FP8等低精度計算格式，可根據任務需求動態切換，兼顧算力性能與能耗控制，為叢集的高算力、低功耗運行提供基礎支撐。叢集部署方面，Atlas 950採用“單櫃64卡”的模組化基本單元，最大可擴展至8192張昇騰950DT卡高速互聯，規模是華為此前昇騰384超節點的20多倍。這種模組化設計的優勢在於，可根據使用者算力需求靈活擴容，從8卡到8192卡實現無縫擴展，既適配中小型企業的輕量化算力需求，也能滿足大型智算中心、營運商的超大規模算力需求，降低算力建設的門檻與成本。儲存與算力匹配方面，1152TB的超大記憶體並非簡單的容量疊加，而是採用“記憶體池化”設計，將所有節點的記憶體資源整合為統一的共享資源池，實現記憶體統一編址——就像圖書館藏書統一編號，無需複雜的資料遷移流程，即可實現跨節點資料的快速調取，避免算力浪費，真正實現“計算不等待通訊”，這也是其能夠支撐兆級大模型訓練的關鍵前提之一。02. 互聯傳輸層：“靈衢”協議+全光互聯，破解通訊瓶頸傳統算力叢集的核心痛點的是“通訊瓶頸”——隨著晶片數量增加，節點間的通訊延遲會急劇上升，算力利用率大幅下降，甚至出現訓練中斷的情況。Atlas 950之所以能實現8192顆晶片的高效協同，核心在於其搭載了華為自研的“靈衢”（UnifiedBus）互聯協議與全光互聯技術，建構了“低時延、高頻寬、高可靠”的互聯傳輸體系。“靈衢”互聯協議是此次發佈的核心技術突破之一，它將匯流排從伺服器內部擴展到整機櫃、跨機櫃，替代傳統乙太網路互聯，實現了通訊效率的量級提升：相比傳統互聯協議，通訊頻寬提升15倍，單跳通訊時延從2微秒降至200納秒，降低10倍；同時，該協議支援長距離高可靠全光無損互聯，櫃間頻寬實現10倍提升，跨櫃卡間往返時延從7μs降低到3μs，徹底打破了銅纜互聯的距離和頻寬限制，讓數千個機櫃像一塊晶片一樣協同工作。全光互聯技術的應用進一步強化了互聯傳輸能力，Atlas 950的互聯總頻寬突破16.3PB/s，這一數字相當於當前全球網際網路峰值頻寬的10倍有餘，意味著節點間的資料傳輸速度實現質的飛躍，能夠輕鬆支撐超大規模資料的即時互動，為兆級大模型的分佈式訓練提供了堅實的通訊保障。值得注意的是，華為已將“靈衢”互聯協議的600頁詳細技術規範全面開放，截至目前下載量已接近2.4萬次，助力產業界夥伴依託該技術打造相關產品，共建開放共贏的算力生態。03. 軟體調度層：全端協同+智能調度，最大化釋放算力價值硬體的強悍性能需要軟體生態的支撐，Atlas 950搭載華為全端自研的軟體調度體系，涵蓋異構計算架構CANN、作業系統openEuler、AI框架MindSpore等核心元件，實現“硬體-軟體-演算法”的全端協同，最大化釋放算力價值。其中，CANN異構計算架構作為“算力調度中樞”，通過分層解耦，將算子庫、加速庫、圖計算、程式語言等軟體程式碼全部開源，支援Triton、PyTorch、vLLM等業界主流開放原始碼專案，大幅提升了開發者的易用性，能夠根據不同任務需求，動態調度叢集的算力、儲存、通訊資源，實現資源的最優分配。MindSpore AI框架則針對Atlas 950的架構特點進行了深度最佳化，支援超大規模模型的分佈式訓練，可自動拆分訓練任務，分配到不同的晶片節點，提升訓練效率。此外，Atlas 950還支援“朝推夜訓”錯峰調度模式與“訓推共池”技術，可根據白天推理、夜間訓練的業務特點，動態調整算力分配，大幅提升算力利用率；同時，其內建的智能維運系統，可即時監控叢集的運行狀態，及時排查故障，保障叢集的穩定運行，降低維運成本。二、關鍵技術深度剖析 四大核心突破，實現“以系統補單點”的跨越式發展Atlas 950超節點叢集之所以能在核心指標上全面領先全球同類產品，關鍵在於四大核心技術突破，華為通過系統級創新，繞開了先進製程的限制，實現了“以通訊補算力、以系統補單點”的戰略，在叢集性能上實現對國際主流產品的全面反超，具體技術突破如下：01. 突破一：平等計算架構，打破CPU中心瓶頸傳統算力叢集採用“CPU為中心”的架構，所有計算、儲存、通訊任務都需要經過CPU中轉，導致通訊延遲高、算力利用率低，尤其是在超大規模叢集中，這一問題更為突出。Atlas 950創新採用“平等計算架構”，讓CPU、NPU、記憶體單元、儲存單元等6大元件實現平等互聯，無需經過CPU中轉，直接進行資料互動，大幅提升通訊效率。這種架構的核心優勢在於，將計算任務的重心從CPU轉移到NPU，充分發揮NPU在AI計算中的優勢，同時讓各元件各司其職、高效協同，使整個超節點在邏輯上像一台電腦一樣工作。實測資料顯示，相比傳統CPU中心架構，Atlas 950的算力利用率提升30%以上，訓練中斷率降低90%，徹底解決了傳統叢集“規模越大、效率越低”的痛點。02. 突破二：多精度算力自適應調節，兼顧性能與能耗Atlas 950支援FP4、FP8、FP16、BF16等多種計算精度，可根據任務類型動態切換，實現“性能與能耗”的最優平衡——在大模型訓練場景，採用FP8精度，實現8 EFLOPS的總算力，滿足超大規模模型的訓練需求；在高並行推理場景，採用FP4精度，算力提升至16 EFLOPS，同時降低能耗，適配推薦系統、智能互動等高頻推理場景。這種多精度自適應調節技術，並非簡單的精度切換，而是通過軟體演算法的最佳化，在降低精度的同時，最大限度保證推理精度不損失。實測資料顯示，Atlas 950在FP4精度下的推理性能，較昇騰384超節點提升26.5倍，達到19.6M TPS；訓練性能提升17倍，達到4.91M TPS，能夠輕鬆支撐LLaMA 3、Qwen等千億級、兆級大模型的訓練與推理。03. 突破三：記憶體統一編址+資源池化，實現算力高效利用兆級大模型訓練的核心需求之一，是海量資料的快速讀取與互動，傳統叢集的記憶體分散管理模式，會導致資料遷移成本高、讀取延遲高，嚴重影響訓練效率。Atlas 950採用“記憶體統一編址+資源池化”技術，將所有節點的記憶體、儲存資源整合為統一的共享資源池，實現跨節點資料的“零遷移”讀取。具體而言，記憶體統一編址技術讓不同節點的記憶體擁有統一的地址空間，開發者無需關注資料儲存在那個節點，即可像訪問本地記憶體一樣，快速調取跨節點資料，大幅降低資料遷移成本；資源池化技術則可根據任務需求，動態分配記憶體、儲存、算力資源，避免資源閒置，實現算力利用率的最大化。1152TB的超大記憶體池，能夠輕鬆容納兆級大模型的參數，無需頻繁進行資料讀寫，大幅提升訓練效率。04. 突破四：全光無損互聯，破解長距離通訊難題超大規模叢集的部署，往往需要跨機櫃、長距離互聯，傳統銅纜互聯存在訊號衰減嚴重、頻寬有限、功耗高的問題，無法滿足8192顆晶片的高效協同需求。Atlas 950採用“全光無損互聯”技術，結合“靈衢”互聯協議，實現了長距離、高頻寬、低時延的通訊突破。全光互聯技術以光纖為傳輸介質，相比銅纜，訊號衰減更小、傳輸距離更遠、頻寬更大，同時功耗降低40%以上；無損傳輸技術則通過流量控制、差錯校驗等演算法，避免資料傳輸過程中的丟包，確保通訊的可靠性。此次Atlas 950的互聯總頻寬達到16.3PB/s，是輝達2026年下半年計畫上市的NVL144的62.7倍，即便對標輝達2027年計畫上市的NVL576，互聯頻寬依然領先16.3倍，徹底破解了超大規模叢集的長距離通訊難題。三、算力產業鏈影響 啟動全鏈條協同，推動國產算力全球化突圍Atlas 950超節點叢集的發佈，不僅是華為自身技術實力的體現，更將對全球算力產業鏈產生深遠影響——其核心邏輯是“以系統級創新帶動全鏈條發展”，推動算力產業鏈從“單點競爭”向“全鏈條協同”轉型，同時助力國產算力實現全球化突圍，帶動上游製造、中游配套、下游應用全線受益，具體影響可分為三個層面：01. 上游：帶動國產晶片、材料、封測產業升級，強化供應鏈自主可控Atlas 950的核心硬體依賴昇騰950DT晶片，而該晶片實現了從設計、製造、封裝到核心元件的全鏈路國產化，將直接帶動上游國產晶片製造、封測、核心材料產業的升級，強化中國算力供應鏈的自主可控能力。晶片製造環節，昇騰950DT晶片由中芯國際獨家代工，採用N+3工藝（5nm等效），目前良率已達到40%-60%，隨著Atlas 950的規模化落地，將進一步帶動中芯國際先進工藝的產能釋放與技術迭代；封測環節，長電科技作為昇騰950DT晶片的核心封測廠商，採用Chiplet封裝技術，國產化率達到90%以上，將受益於晶片出貨量的增長，進一步提升封測技術水平；核心材料環節，天科合達、天岳先進的碳化矽襯底，雅克科技的HBM前驅體，華正新材的高頻覆銅板等，均為昇騰950DT晶片的核心供應商，將隨著Atlas 950的量產，實現產能與技術的雙重提升。此外，Atlas 950的規模化部署，還將帶動國產HBM記憶體、高速連接器等核心元件的需求爆發，推動相關企業加大研發投入，提升產品競爭力，逐步打破國外企業的壟斷。02. 中游：拉動伺服器、光模組、液冷等配套產業放量，形成協同生態Atlas 950超節點叢集的部署，需要伺服器、光模組、液冷裝置等中游配套產品的支撐，將直接拉動相關產業的放量增長，形成“超節點+配套”的協同生態。伺服器領域，高新發展（擬收購華鯤振宇）、拓維資訊、神州數位、烽火通訊等華為昇騰核心夥伴，將為Atlas 950提供定製化伺服器整機，隨著Atlas 950的上市，這些企業的伺服器出貨量將大幅提升；光模組領域，光迅科技、中際旭創等企業為Atlas 950提供400G/800G光模組，支撐全光互聯需求，將受益於超節點的規模化部署，實現光模組產能的釋放；液冷領域，高瀾股份、川潤股份、英維克等企業的液冷方案已通過華為認證，適配Atlas 950的高密度算力需求，可將PUE降至1.15以下，隨著超節點的落地，液冷裝置的需求將迎來爆發式增長。同時，華為堅持開源開放戰略，將“靈衢”互聯協議、CANN異構計算架構等核心技術開源，將吸引更多中游企業參與到配套產品的研發與生產中，完善中游配套生態，降低產業整體成本。03. 下游：賦能千行百業AI升級，推動算力變現與場景落地Atlas 950超節點叢集的強悍性能，將為下游各行業的AI升級提供核心算力支撐，推動算力從“基礎設施”向“生產要素”轉型，實現算力的規模化變現，具體應用場景涵蓋六大核心領域：一是大模型訓練與推理，依託8 EFLOPS算力與1152TB記憶體，Atlas 950可支撐千億級、兆級大模型的全流程訓練，同時滿足高並行推理需求，目前已有43個業界主流大模型基於昇騰預訓練，200多個開源模型適配昇騰生態；二是政務與智慧城市，賦能政務資料處理、智能監管、公共服務最佳化，例如常州移動昇騰雲平台已實現水域智能監測、電瓶車梯控預警等場景落地；三是金融科技，支撐量化交易、風控建模、智能客服，適配六大行等金融機構核心系統，推動金融信創落地；四是醫療與生物製藥，助力醫療影像分析、藥物研發、基因測序，依託高算力實現精準分析與高效建模；五是工業與具身智能，賦能智能製造、機器人協同、工業質檢，同時支撐人形機器人等具身智能場景的感知與協同能力落地；六是網際網路與算力服務，適配搜尋推薦、AI雲服務、智算中心建設，為字節等網際網路企業提供自主可控算力支撐，降低算力外采成本。此外，Atlas 950預計將於2026年上半年在國內發佈，四季度正式上市，其規模化落地將進一步降低各行業的算力門檻，推動AI技術在千行百業的深度滲透，釋放算力的產業價值。四、行業意義與未來展望重構全球算力格局，助力AI原生時代落地MWC 2026上華為Atlas 950超節點叢集的發佈，不僅是一款產品的亮相，更標誌著全球算力競爭進入“系統級創新”的新階段，其行業意義主要體現在三個方面：其一，打破國際算力壟斷，實現國產算力的全球化突圍。長期以來，全球超大規模算力叢集市場被輝達等國外企業壟斷，而Atlas 950在核心指標上全面超越輝達未來規劃機型，證明了國產算力在系統級創新領域的領先實力，打破了國外企業的技術壟斷，為全球算力產業提供了新的選擇，也推動中國算力技術走向全球。其二，推動算力產業從“單點競爭”向“全鏈條協同”轉型。Atlas 950的發佈，帶動了上游晶片、材料、封測，中游伺服器、光模組、液冷，下游應用等全鏈條的協同發展，形成了“硬體-軟體-生態-應用”的完整產業閉環，推動中國算力產業鏈向高品質發展轉型，強化供應鏈自主可控能力，規避地緣政治風險。其三，支撐AI原生時代落地，助力千行百業智能化升級。當前，AI技術已邁入智能體網際網路時代，兆級大模型、具身智能等場景對算力提出了更高要求，Atlas 950的發佈，為這些場景的落地提供了堅實的算力底座，推動AI技術從“實驗室”走向“產業端”，加速千行百業的智能化升級，助力營運商從移動網際網路邁向智能體網際網路。從未來展望來看，隨著Atlas 950的規模化上市，預計將引發全球超節點叢集的技術迭代，更多企業將聚焦系統級創新，推動算力性能的持續提升；同時，華為開源開放的戰略，將吸引更多全球開發者與企業參與到昇騰生態建設中，完善國產算力生態，推動國產算力在全球市場的份額持續提升。此外，隨著AI技術的持續迭代，Atlas 950還將不斷最佳化升級，進一步提升算力性能、降低能耗、拓展應用場景，同時帶動算力產業鏈上下游的技術創新與產業升級，為全球AI產業的發展提供更加強勁的算力支撐。可以預見，Atlas 950的發佈，將成為國產算力崛起的重要里程碑，推動全球算力格局進入“中國引領、全球協同”的新階段。 (AI雲原生智能算力架構)
【MWC 2026】華為發佈：Atlas 950 超節點叢集！FP8 精度：8 EFLOPS算力之深度洞察！
科技#MWC 2026#華為#Atlas
•

2028，人形機器人的「生死線」

當機器人真的開始進場打螺絲，這場競速才真正開始。剛過去的春節，最破圈的應該就是馬年春晚上，比真人演員更多更吸引人的機器人演員軍團了。中國機器人公司在春晚上的表演，多少讓外媒感受到了「文化衝擊」。相比於國內近乎激進的，讓機器人進入大眾視野的努力，國外競品們，想的更多的是，先讓機器人進入生產線。例如，當年花大價錢買下了波士頓動力的韓國現代集團，就正式宣佈，在今年 CES 上亮相的 Atlas 機器人，將在 2 年後的 2028 年，正式進入工廠「打螺絲」。無獨有偶，世界首富馬斯克，也將 Optimus 機器人正式售賣的時間，定在了 2027 年末。2028 年，或許是現在爆火的人形機器人的決定性時刻？01「2028」的賭注今年 1 月的 CES，現代汽車執行主席鄭義宣，帶著 Boston Dynamics 的 Atlas 登台。這已經不是他第一次把機器人當做現代集團的名片——2022 年的 CES，他帶來的是機器狗 Spot，更多像是一場技術秀。四年過去，氣氛完全不同了。這一次，現代汽車給出了一個明確的時間節點：2028 年，Atlas 將正式承擔汽車裝配任務。不是「正在探索」，不是「計畫測試」，是裝配線上的實際工位。為了這個目標，現代自 2021 年以超過 110 億美元收購 Boston Dynamics 以來，已經累計向機器人業務投入了數十億美元。這個 2028 的時間節點，正在成為整個行業的參照坐標。Atlas 的技術規格，在這一代人形機器人裡相當突出——50 公斤的有效負載，意味著它是目前少數能夠，真正勝任重型汽車製造場景的機器人之一。Hynudai 在 CES 上展示的 Atlas 使用場景｜圖片來源：Hyundai同類競品中，無論是 Figure AI 的 Figure 02 還是 Agility Robotics 的 Digit，負載能力都只有 20 公斤左右。Macquarie Securities Korea 的分析師 James Hong 評價說，現代汽車「擁有合適的條件，和一支懂得如何執行的管理團隊」——這句話的關鍵詞不是「技術」，而是「執行」。對面的特斯拉，Elon Musk 給出的時間線是，2027 年底開始向公眾銷售 Optimus。他還在今年 2 月的達沃斯論壇上說，Optimus 將成為「第一台馮·諾依曼機器」，能夠在任何可居住的行星上自行建設文明。依然是馬斯克式的豪情壯志。02看起來很美有一個細節值得放大。Atlas 今年已經開始向現代汽車運送，並整合了 Google Gemini 的 AI 能力，還拿到了 CES 最佳機器人獎。它不只是一個展台上的展品，而是一個已經在真實環境中執行任務的系統。馬斯克的 Optimus 呢？截至目前，它最廣為人知的「公開表演」，仍然停留在特斯拉自己拍攝的視訊裡，從未進行過一次無爭議的完全自主公開演示。Samsung Securities 的分析師 Kang Hee-jin 注意到一個「值得注意的遺漏」——在特斯拉最近的相關表態中，完全沒有提及工廠部署的具體時間表，儘管 Musk 之前做過承諾。她的判斷是，「要麼完全自主位元斯拉預期的更遠，要麼人形機器人在近期內可能不適合工業使用」。不是技術上做不到，而是商業化落地的節奏，遠比 PPT 裡的時間表更複雜。當然，特斯拉陣營也有它的邏輯。Optimus 的目標定價在 2 萬到 3 萬美元之間，走的是大眾化路線；Atlas 的企業級定價則在 130 萬美元以上，面向的是工業使用者。馬斯克的 Optimus 瞄準的是更廣大的市場｜圖片來源：BI這不是兩款產品在爭同一個市場，而是兩種完全不同的商業哲學在押注不同的未來。DS Investment & Securities 的分析師 TaeYong Choi 提供了一個更樂觀的框架——「即使特斯拉到 2030 年每年生產 1000 萬台人形機器人，也不足以滿足全球需求。市場需要一個大型第二名來填補空缺。」這個邏輯的潛台詞是，Atlas 和 Optimus 的競爭，並不一定是零和博弈。但這個框架成立的前提，是兩家都能真正把機器人送上生產線。03馬斯克的願景和現實MIT 機器人學家、Roomba 創始人 Rodney Brooks，把人形機器人作為通用助手的理念，稱為「純粹的幻想思維」。這話刺耳，但背後有紮實的技術邏輯。人形機器人的困難，從來不在於「能不能站起來走路」——這個問題 Boston Dynamics 十年前就解決了。真正的難點在於「非結構化環境中的泛化能力」，也就是說，當機器人離開它被專門訓練過的場景，面對一個它從未見過的物品擺放方式、一個略微不同的地面坡度、一個突如其來的干擾，它是否還能完成任務。這個問題，沒有任何一家公司今天給出了令人信服的答案。現代汽車選擇的策略是「先窄後寬」——把 Atlas 部署在自己的汽車工廠裡，那是一個相對可控、可重複、可標準化的環境。在這個特定場景裡把機器人做到足夠好，再談擴展。這個路徑穩健，但也意味著「通用」的夢想要推後很久。特斯拉的方向則更激進——馬斯克想要的是一台真正的通用機器人，能進廚房、能當保姆、能去火星建城市。這個願景的商業價值毫無疑問是巨大的，但每一個宏大願景，都需要無數個平庸的執行步驟來支撐，而特斯拉在這件事上「長期承諾未兌現」的歷史記錄，讓投資者越來越難以給予足夠的耐心。與此同時，特斯拉自己的基本面並不輕鬆。中國市場的銷售資料顯示，Model 系列的零售銷量從 2024 年 1 月的近 4 萬台跌至 2026 年 1 月的不足 1.9 萬台，兩年跌幅超過 54%。為了維持市場份額，特斯拉已經連續兩次延長超低息融資計畫。核心業務承壓，給 Optimus 的資源和時間窗口，並不是無限供給的。04被忽視的第三股力量所有關於 Atlas 和 Optimus 的討論，都有意無意地繞開了一個更大的變數——中國。2025 年，全球出貨的人形機器人裡，有 90% 來自中國製造商，總量約 1.3 萬台，定價激進地壓在 1.5 萬美元以下。這個數字和規模，讓 Atlas 與 Optimus 之間的競爭，在某種程度上，顯得像是兩個高端選手，在爭論誰的西裝剪裁更好，而旁邊的工廠已經把量產款賣到了整個市場。Atlas vs Optimus 的故事，可能從一開始就不是這場戰爭真正的主線。當然，性能差距目前依然存在。Unitree 宇樹科技的 H2 機器人｜圖片來源：宇樹機器人中國製造商在魯棒性、負載和在複雜場景下的自主能力上，和 Boston Dynamics 的積累仍有代差。但這個代差會持續多久，歷史已經給過我們足夠多的提示——中國製造業在電動汽車領域，用了不到十年完成了這種追趕，人形機器人沒有理由會更慢。2028 年，如果一切按計畫推進，現代汽車的裝配線上會有 Atlas 在工作。那將是人形機器人產業化處理程序裡真正意義上的第一塊里程碑。但那個時候，站在旁邊虎視眈眈的，未必只有 Optimus。 (極客公園)
2028，人形機器人的「生死線」
科技#人形機器人#現代集團#Atlas