华为探索 Agentic 计算：从超节点与集群重构 Agent 开发

导语

大模型 Agent 正从一次性问答，走向需要持续规划、调用工具、读取上下文并反复执行的长程任务。任务链条变长后，系统的瓶颈不再只是模型计算速度，还包括请求等待、节点之间的数据交换以及运行过程中不断增长的内存占用。换句话说，Agentic 时代带来的算力问题，已经从“单个算子够不够快”扩展到“整套系统如何协同”。

在全联接大会上，华为计算首席战略官朱照生分享了面向这一变化的探索方向：基于灵衢架构，以“超节点+集群”为基础，尝试形成新的 Agentic 计算开发方式。根据现有素材，华为将相关工作拆分为五个维度推进，并将开发视角从单服务器逐步延伸到更大规模的计算与互联体系。

核心要点

• 运行负载发生变化。 长程 Agent 可能持续经历推理、工具调用、结果判断和下一步规划，输出时延因此更容易受到系统排队与通信过程影响。
• 互联的重要性上升。 当任务需要在多个计算资源之间流转状态和中间结果时，带宽与通信效率会直接影响整体体验。
• 内存成为关键约束。 Agent 不仅需要模型推理，还要保存上下文、工具结果和阶段性状态，内存消耗呈现更复杂的动态特征。
• 计算边界从服务器扩展到超节点。 “超节点+集群”的思路，意味着开发者需要同时考虑节点内部协同、节点之间的资源调度，以及任务在更大系统中的部署方式。
• 软件开发范式需要跟进。 这并非只对硬件做扩容，也涉及从算子、系统互联到 Agent 应用开发流程的协同优化。现有摘要提到“五个维度”，但未给出完整清单，具体划分仍需等待更详细资料。

意义与影响

这一方向的价值，在于把 Agent 的性能问题放回完整的系统链路中观察。对于传统模型服务，优化重点往往集中在算力利用率、批处理和单次推理时延；而对于 Agent，任务执行时间、状态保存、工具交互和多轮调度同样重要。若底层资源仍按单机模型设计，局部优化未必能转化为端到端收益。

“超节点+集群”也提示开发者，未来的 Agent 平台可能需要更强的资源感知能力：系统不仅要知道模型运行在哪个设备上，还要理解任务阶段、上下文规模和通信成本。当然，现有素材并未披露具体硬件规格、性能数据或落地案例，因此尚不能据此判断方案的实际收益。

可以确认的是，Agentic 计算正在推动软硬件共同演进。华为此次释放的信号，不是简单增加算力，而是尝试围绕长程任务重新组织计算、互联与开发方式。随着更多技术细节公开，五个维度的具体内容及其对开发工具、编程模型和部署体系的影响，值得继续观察。

来源：OSChina