智東西
作者 王涵
編輯 漠影

智東西8月27日報道，今天下午，在第四屆828 B2B企業(yè)節(jié)開幕式上，華為云宣布其Tokens服務全面接入CloudMatrix384超節(jié)點。

借助xDeepServe架構創(chuàng)新，該服務單芯片最高可實現(xiàn)2400TPS的吞吐量與50ms的TPOT（Token處理時延）。

一、中國日均Token消耗量暴增超300倍，接入超節(jié)點突破性能瓶頸

數(shù)據(jù)顯示，過去18個月中國AI算力需求呈指數(shù)級增長。2024年初中國日均Token消耗量為1000億，截至2025年6月底，這一數(shù)據(jù)已突破30萬億，1年半內(nèi)增長超300倍，這對算力基礎設施提出了更高要求。

2025年3月，華為云在傳統(tǒng)按卡時計費模式基礎上，推出基于MaaS（模型即服務）的Tokens服務，提供在線版、進線版、離線版及尊享版等多種規(guī)格，適配不同應用場景的性能與時延需求。

此次接入CloudMatrix384超節(jié)點后，依托超節(jié)點原生的xDeepServe框架，Tokens服務吞吐量從2025年初的1920TPS提升至2400TPS。

華為云認為，大算力構建需全棧創(chuàng)新，涵蓋硬件、軟件、算子、存儲、推理框架及超節(jié)點等環(huán)節(jié)。

其中，CloudMatrix384超節(jié)點通過計算架構創(chuàng)新突破性能瓶頸；CANN昇騰硬件優(yōu)化算子與通信策略；EMS彈性內(nèi)存存儲打破AI內(nèi)存限制；xDeepServe分布式推理框架則以架構提升算力效率。

二、xDeepServe架構拆解模型，優(yōu)化算力調(diào)用

作為CloudMatrix384超節(jié)點的原生服務，xDeepServe采用Transformerless極致分離架構，將MoE大模型拆解為Attention、FFN、Expert三個可獨立伸縮的微模塊，分配至不同NPU同步處理，再通過微秒級XCCL通信庫與FlowServe自研推理引擎整合，形成Tokens處理“流水線”。

經(jīng)優(yōu)化后，單卡吞吐從非超節(jié)點的600tokens/s提升至2400tokens/s。

CANN作為硬件加速計算中間層，包含算子庫、XCCL高性能通信庫等組件。其中XCCL專為超節(jié)點大語言模型服務設計，可發(fā)揮CloudMatrix384擴展后UB互聯(lián)架構的潛力，為架構分離提供帶寬與時延支持。

FlowServe分布式引擎將CloudMatrix384劃分為自治的DP小組，每個小組配備Tokenizer、執(zhí)行器、RTC緩存與網(wǎng)絡棧，可實現(xiàn)千卡并發(fā)無擁堵。

華為云透露，xDeepServe已實現(xiàn)MA分離，下一步計劃將Attention、MoE、Decode改造為數(shù)據(jù)流，并擴展至多臺超節(jié)點，以線性提升推理吞吐。

三、支持主流大模型與Agent平臺，已落地多行業(yè)場景

目前，華為云MaaS服務已支持DeepSeek、Kimi、Qwen、Pangu、SDXL、Wan等主流大模型，以及versatile、Dify、扣子等主流Agent平臺。

在模型性能優(yōu)化方面，文生圖大模型通過Int8量化、旋轉位置編碼融合算子等方式，在輕微損失畫質下，出圖速度達到業(yè)界主流平臺的2倍，最大支持2K×2K尺寸。

文生視頻大模型通過量化、通算并行等手段，降低延遲與顯存占用，性能較友商提升3.5倍。

應用層面，華為云已與超100家伙伴合作，在調(diào)研分析、內(nèi)容創(chuàng)作、智慧辦公、智能運維等領域開發(fā)AI Agent。

例如，基于MaaS平臺的今日人才數(shù)智員工解決方案，集成自然語言處理、機器學習等技術，可提升服務效率與客戶滿意度；北京方寸無憂科技開發(fā)的無憂智慧公文解決方案，能助力政企辦公智能化轉型。

結語：華為云超節(jié)點讓算力更適配AI應用需求

當前，AI技術正從模型研發(fā)向產(chǎn)業(yè)滲透加速邁進，而算力作為核心基礎設施，其性能、成本與適配能力將直接決定著產(chǎn)業(yè)智能化的推進速度。

隨著后續(xù)更多超節(jié)點擴展計劃的推進，以及更多行業(yè)場景的深度適配，這類AI基礎設施的升級，或將進一步降低企業(yè)接入AI技術的門檻，讓技術更加深度地融入生活。