深圳建成国内首个万卡级全自主算力集群

随着大型语言模型参数规模进入千亿乃至万亿级别，算力基础设施的自主化已成为国内科技产业发展的核心任务。据报道，2026年3月26日，深圳市政府联合华为、飞腾、长江存储等国内顶尖科技企业，在深圳湾科技生态园发布了中国首个14,000P（petaflops）万卡级全自主可控算力集群。这一成果标志着中国在超大规模算力领域打破海外技术垄断，正式迈入全球领先行列。

面对美国对高端AI芯片及高速网络技术的出口限制，深圳万卡级算力集群实现了从芯片、服务器、网络、软件到调度系统的100%国产化替代。该集群核心采用约14,000张华为昇腾910C AI加速卡，配合飞腾通用CPU及长江存储的NVMe SSD，构建了完整的国产硬件供应链。这种全堆叠自主化不仅摆脱了对NVIDIA A100/H100加速卡及InfiniBand高速网络的依赖，还通过兼容PyTorch、TensorFlow与MindSpore等主流AI框架，大幅降低了国产算力的迁移与部署门槛。

深圳万卡级算力集群在效能和稳定性方面表现突出。搭载Pangu-718B大模型训练时，其线性度达到93.12%，与Google的TPUv5集群相当。通过华为自研的“昇腾Fabric”400G原生RDMA网络，1TB数据的All-Reduce通信时间仅需0.83秒。此外，该集群采用三级可靠性架构，日均故障率仅为0.3‰，远低于Meta AIRSC集群的1‰，确保系统能够连续30天稳定运行。

绿色节能也是该集群的一大亮点。通过“浸没式相变液冷”技术，其能源使用效率（PUE）低至1.08，每年可节省超过3,000万度电，实现了高效能与低碳排放的平衡。

在AI产业的演进中，算力竞争已从单张加速卡的效能比拼，升级为万卡级协同效率的较量。过去，全球仅有Google、微软（Microsoft）及Meta等科技巨头具备稳定运行万卡集群的能力。深圳万卡集群的建成填补了国内在这一领域的空白。该集群不仅支持10个以上千亿参数模型的训练，还可扩展至10万卡规模，为未来万亿参数模型提供稳定的算力底座，满足通用人工智能、生物医药与自动驾驶等领域的高强度需求。