华为昇腾

10 月 3 日，华为轮值董事长徐直军在公开场合表示，昇腾（Ascend）芯片在中国市场的份额已超越英伟达，达到约 50%；同日多家媒体援引机构统计指出，英伟达在中国 AI 芯片市场的份额已跌至约 8%。这个数字与 Bernstein 此前的预测完全吻合——三年前英伟达还占中国市场约 95%。 数据脉络 Bernstein 的预测是：到 2026 年，英伟达在中国 AI 芯片市场的份额将从三年前的 95% 暴跌至约 8%，华为占约 50%，AMD 约 12%，寒武纪排名第三，国产 AI 加速卡整体份额突破 60%。TrendForce 在 8 月的报告里把这种速度形容为「八个月内完成」，强调这是结构性而非周期性转变。 徐直军这次表态之所以有分量，是因为华为同时披露了 SuperPoD 方案：以 Peerium 计算架构与 UnifiedBus 高速总线为核心，支持百万级处理器对等互联，用系统级组网弥补单芯片制程受限。950PR 的推理性能据称为英伟达 H20 的三倍。 体量差距仍在 但要冷静看到体量。英国《金融时报》报道，华为 AI 芯片收入 2025 年约 75 亿美元、2026 年预期约 120 亿美元（路透社称无法独立核实）；而英伟达 2026 财年数据中心收入约 1937 亿美元，两者仍差约 16 倍。8% 是英伟达在中国市场的份额，不是它全球份额的缩水。 还要注意结构差异：英伟达守住的 8%，大概率集中在少数无法替代的高端训练场景；而华为吃下的 50%，大头在推理。训练和推理的商业价值不同，训练单卡贵但客户集中，推理量大但单卡毛利薄。用份额数字简单对比，会高估国产替代在高端训练上的真实进展。 判断 这件事对中国 AI 产业的意义是：推理场景的国产替代已经从「政策驱动」变成「性能驱动」。运营商和互联网公司把推理负载切到昇腾，不再只是因为合规要求，而是因为它确实更快更便宜。当性能反过来成为迁移理由，这个份额就锁死了。英伟达中国区的故事，已经从「增长故事」变成「存量防御故事」。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：英伟达中国份额

9 月 17 日华为全联接大会上，华为副董事长、轮值董事长徐直军在主题演讲中给出一组让产业链振奋的时间表：昇腾 960 研发进度超预期，性能较上一代倍增；其中 960DT 比原计划提前三个季度、于 2027 年第一季度就绪，960PR 提前一个季度、于 2027 年第三季度就绪。按照去年公布的路线图，昇腾 960 原本要到 2027 年第四季度才登场，这次提速幅度相当罕见。 数字背后的代际跳跃 券商研报整理的规格表很能说明问题：960DT 约 2 PFLOPS（FP8）/4 PFLOPS（FP4），960PR 约 2/8 PFLOPS，后续 970、980 继续沿高带宽与低精度路线加码。更关键的是系统侧——华为发布了全球首个采用 NPO 光互联技术的昇腾 960 超节点，据称可扩展到数千颗 NPU 级别的对等互连，并支持自研 HiF4 数据格式，主打 4-bit 精度下的推理吞吐与精度平衡。 对照 IDC 数据，2025 年中国 AI 加速卡市场华为已以约 81.2 万张居国内首位；950 超节点也已规模商用、部署超千套。960 提前，等于把这条正上升的曲线再往上抬。 路线表上，970 排到 2028 年、980 排到 2029 年，节奏一年一代。这种近乎逼平国际大厂的迭代速度，本身就是对外释放的信心。 为什么要抢节奏 提速不是心血来潮。在国产替代的窗口期，客户下大单前最担心的就是「买了这代、下一代马上过时」。华为把路线图从「模糊规划」变成「明确到季度」，并主动提前，本质是在给供应链和大客户吃定心丸：你现在投的算力，不会被两年后的迭代一脚踩空。 判断 960 的意义不在单卡跑分，而在华为证明了一件事：在有限制程下，靠系统互联与软件栈照样能把迭代节奏跑起来。对国内模型厂商，这意味着未来两三年的算力供给更可预期；对英伟达而言，中国市场的高端防线正在被一层层往前推。真正要盯的，是 2027 年那批芯片量产后的实际软件迁移成本。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：昇腾960

9 月 17 日华为全联接大会后，一组数据被反复引用：据华为轮值董事长徐直军在与海思首席科学家问答时透露，昇腾在中国 AI 芯片市场的份额已经超过英伟达。第三方机构伯恩斯坦给出的口径更具体——华为昇腾约 50%，英伟达滑落至约 8%。对照 2022 年英伟达独占约 95%、昇腾仅约 3% 的格局，四年时间，这是一场彻底的翻盘。 先把数字的水分挤一挤 需要说明口径：「超过英伟达」是华为自陈数据，「约 50%」「约 8%」来自伯恩斯坦等机构预测，统计的主要是训练与推理加速卡市场。到 2025 年双方大致还是四六开，2026 年差距被迅速拉大。 驱动这一切的不是单点性能，而是系统工程。华为主推以 Peerium 计算架构和 UnifiedBus 总线为核心的 SuperPoD 超节点，宣称可支持百万级处理器对等互连，用「堆系统」补上单芯片制程受限的短板。海思同时强调 CUDA 的软件壁垒正在缩小，950 SuperPoD 已达相当规模部署。 份额逆转的真相是「推理换道」 英伟达丢掉的，主要不是训练高端卡，而是大规模推理场景。当国产模型的推理需求爆发，国产卡在性价比、供货确定性、本土服务上的组合拳奏效，运营商、互联网大厂与政务云纷纷把推理负载迁到昇腾等国产卡上。 黄仁勋自己也承认，出口管制相当于倒逼中国让出市场、扶持本土产业链。这不是英伟达产品不行，而是地缘与成本双重作用下的被动让步。寒武纪、百度昆仑芯、阿里平头哥等国产玩家也在分食，市场并未被一家独占。 判断 50% 对 8% 标志着中国 AI 芯片从「能用」走到「主供」，但真正的考验还在后头：高端训练生态、CUDA 迁移成本、以及被压制到有限制程下的持续迭代。对产业链而言，国产替代的红利期确实到了，可份额数字背后，软件栈的成熟度才是决定能不能全球扩张的那块短板。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：昇腾英伟达份额

硅基速览 9月10日路透社报道，华为将昇腾950DT加速卡意向报价上调至25万元人民币以上，较两个月前涨20%-50%。 寒武纪思元690涨价20%-30%，沐曦、天数智芯同步跟涨——中国AI芯片厂商集体提价。 根本原因：HBM（高带宽内存）供应紧张且成本飙升，中国AI芯片厂商面临"算力上去了，但内存卡住了"的困境。 正文 25万元一张AI加速卡 2026年9月10日，路透社援引多名知情人士报道，华为已将其最先进AI加速卡——昇腾950DT的意向报价上调至25万元人民币（约合37255美元）以上。根据合同条款不同，这一价格较两个月前给到客户的报价上涨了20%至50%。 华为此前公开表示，其最先进AI芯片950DT将于2026年第四季度正式上市。但在正式上市前，它的"指示售价"已经被拉高了四分之一到一半。 涨价的不止华为。据中国新闻网和中电网报道，寒武纪的思元690加速卡同步涨价20%-30%，沐曦、天数智芯等中国AI芯片厂商也纷纷上调现有及下一代产品报价。 寒武纪在回应市场传闻时表态：“不要听信市场消息”。但这个表态本身——而不是直接否认涨价——被市场解读为"涨价确实在发生，只是公司不便公开承认"。 HBM：中国AI芯片的阿喀琉斯之踵 为什么中国AI芯片厂商集体涨价？表面原因是"供需紧张"，根本原因是HBM——高带宽内存——卡住了脖子。 HBM是AI加速卡的核心组件。一张AI加速卡，除了计算芯片本身，还需要堆叠多层HBM内存来提供高带宽数据通道。HBM的产能和价格，直接决定了AI加速卡的成本和出货量。 问题在于：HBM的生产被韩国三大厂——三星、SK海力士、美光——高度垄断。中国大陆在HBM量产上仍然落后于国际领先水平。当全球AI算力需求暴涨时，HBM产能首先被英伟达、AMD等海外大客户抢购，中国厂商能拿到的HBM供应有限，而且价格水涨船高。 华为为此走上了自研HBM的道路。据华为官方披露，华为为昇腾950系列自研了两种HBM：HiBL 1.0（面向Prefill和推荐场景）和HiZQ 2.0（面向Decode和训练场景），分别与Ascend 950PR和950DT合封。但自研HBM的产能爬坡需要时间，短期内无法完全替代外购HBM。 涨价对中国AI产业的影响 中国AI芯片集体涨价，对下游AI产业的影响是直接的： 算力成本上升。 以前一台搭载8张昇腾加速卡的AI服务器，成本约80-100万元。涨价后可能达到100-130万元。对于正在大规模建设AI集群的中国互联网公司和金融机构来说，这意味着同样的预算能买到的算力减少了20%-30%。 国产化性价比下降。 中国AI芯片的核心竞争力之一是"比英伟达便宜"。当昇腾950DT涨到25万元一张时，它与英伟达同级产品的价格差距已经大幅缩小。如果性能差距不能完全弥补价格优势，部分客户可能重新考虑英伟达方案（在允许进口的前提下）。 加速国产HBM研发。 涨价本身是一种市场信号——它告诉中国半导体产业：HBM是必须攻克的卡脖子环节。长鑫存储、长江存储等国内存储厂商正在加速HBM研发，预计2027-2028年可能实现国产HBM量产。 华为昇腾的产品线 硅基视角梳理一下华为昇腾950系列的产品线： Ascend 950PR：面向Prefill和推荐场景，搭配自研HiBL 1.0 HBM。Prefill是大模型推理中"读取和理解输入"的阶段，对带宽要求极高。 Ascend 950DT：面向Decode和训练场景，搭配自研HiZQ 2.0 HBM。Decode是"逐字生成输出"的阶段，对计算密度要求极高。 950DT是目前华为最先进的AI加速卡，计划2026年Q4上市。涨价20%-50%的，主要就是这张卡。 硅基AGI社区在论坛silicon-agi.com上有不少硬件工程师在讨论国产AI芯片的性价比和选型问题，从昇腾到寒武纪到沐曦，讨论非常深入。 硅基点评 华为昇腾950DT涨价，是2026年中国半导体产业最真实的一个信号：AI算力国产化不是"能做出来"就够了，还要"做得起、供得上"。在HBM被韩国三巨头垄断的现实下，中国AI芯片厂商面临的不是设计能力问题，而是供应链瓶颈。 硅基视角的判断是：2027年，国产HBM量产会成为中国AI产业的下一个关键节点。谁能率先量产HBM3/HBM4，谁就能把昇腾950DT的成本降下来，把涨价的势头扭转回去。在此之前，中国AI算力的获取成本会持续高于全球平均水平，这会倒逼下游厂商优化模型效率、推理成本、Agent工作流——也就是为什么DeepSeek V4.1 Flash这种"小激活、高效率"的模型会在中国市场特别受欢迎。 对AI创业公司的建议：在做算力预算时，一定要把HBM涨价这个因素算进去。不要假设今年的算力成本明年不变。国产AI芯片的价格波动会比英伟达更大，因为供应链更脆弱。正确的做法是：做多供应商冗余，模型效率优化前置，推理成本控制作为核心KPI。 本文由硅基AGI社区原创，欢迎访问博客 guijiagi.com 获取更多AI实战教程，或到论坛 silicon-agi.com 参与讨论。

硅基速览 9月17日华为全联接大会2026上，轮值董事长汪涛宣布昇腾960芯片提前就绪、性能翻番。 昇腾960DT将于2027年Q1发布，比原计划提前三个季度；昇腾960PR将于2027年Q3发布，提前一个季度。 华为昇腾超节点已部署1000多套，Atlas 960将是业界首个采用NPO（近封装光学）的超节点。 正文 比预期快了三个季度 2026年9月17日，华为全联接大会2026（HC 2026）在深圳开幕。华为轮值董事长汪涛在主题演讲中公布了下一代AI芯片和超节点的最新进展，其中最引人注目的消息是： 昇腾960芯片性能翻番，研发进度超预期，比预期时间提前三个季度。 具体时间表： 昇腾960DT：2027年Q1发布，比原计划提前三个季度 昇腾960PR：2027年Q3发布，比原计划提前一个季度 后续节奏：坚持一年一代的演进节奏 在半导体行业，“提前三个季度"是非常大的进度跃进。通常一款新芯片从流片到量产需要18-24个月，提前三个季度意味着华为在工程效率上实现了显著突破。 汪涛同时披露：华为昇腾超节点已经在全球部署了1000多套。这个数字标志着昇腾不再只是"单卡AI芯片”，而是已经成为大规模AI集群的基础架构。 昇腾960的技术亮点 根据华为官方披露，昇腾960系列有几个关键技术升级： 性能翻番。 相比昇腾950系列，昇腾960的单芯片性能提升约一倍。这意味着同样数量的加速卡，AI集群的总算力可以翻番。对于正在建设万卡、十万卡集群的中国AI公司来说，这是一个巨大的效率提升。 NPO超节点。 Atlas 960将是业界首个采用NPO（Near Package Optics，近封装光学）技术的超节点。传统超节点用铜缆连接芯片，距离和带宽受限；NPO用光互连替代铜缆，连接距离更远、带宽更高、功耗更低。这是大规模AI集群互联技术的重要升级。 液冷+风冷双线。 液冷超节点将于2027年Q3上市，风冷超节点将于2027年Q2上市。华为同时提供两种散热方案，适配不同数据中心的基础设施条件。 超节点为什么重要 硅基视角要解释一下"超节点"这个概念。在AI大集群中，单个GPU/加速卡的算力再强，也需要通过高速互联组成"超节点"——一个由数百张加速卡通过专用互联网络组成的计算单元。 超节点的价值在于： 减少跨节点通信延迟。 大模型训练中，不同卡之间需要频繁交换梯度数据。超节点内部的互联带宽远高于普通网络，能显著提高训练效率。 支持更大模型并行。 当模型大到单卡放不下时，需要在多卡上并行。超节点提供了足够的互联带宽，让模型并行不会成为瓶颈。 降低集群运维复杂度。 把数百张卡作为一个逻辑单元管理，比逐张管理简单得多。 华为昇腾超节点已部署1000多套，说明它已经在中国AI基础设施中占据了实质性份额。 对英伟达的竞争意义 昇腾960提前发布，对英伟达的中国市场意味着什么？ 英伟达在中国市场的AI芯片销售一直受到出口管制限制。H100、H200等最先进型号无法对华出口，特供版H20性能打折但价格不菲。在这个背景下，昇腾950/960系列成为中国AI公司的主要国产替代选项。 昇腾960性能翻番，如果能在2027年Q1如期量产，它的性能将接近英伟达Blackwell系列的水平。这意味着在2027年，中国AI公司将拥有一个性能接近英伟达、但完全自主可控的AI加速卡选项。这对中国AI产业的战略意义，远大于商业意义。 硅基AGI社区在论坛silicon-agi.com上对华为昇腾960的技术细节讨论非常热烈，不少硬件工程师在分析NPO技术和超节点架构。 硅基点评 华为昇腾960提前三个季度发布，是2026年中国半导体产业最重要的事件之一。它传递了一个信号：华为在AI芯片上的工程能力已经达到了"可以按自己节奏出牌"的阶段，而不是被外部制裁牵着走。 硅基视角的判断是：2027年是中国AI芯片的"量产验证年"。昇腾960能不能如期量产、性能能不能兑现、HBM供应能不能跟上——这三个问题的答案，将决定中国AI算力国产化是真正落地，还是仍然停留在PPT阶段。华为全联接大会2026给出了乐观信号，但最终还是要看2027年Q1的实际交付。 对AI创业者的建议：如果你在做AI产品，现在就应该开始考虑"昇腾平台的兼容性"。不要把模型和工具链只绑定在英伟达CUDA生态上。虽然CUDA仍然是最成熟的生态，但昇腾的CANN软件栈正在快速成熟。提前做双平台兼容，能在2027年昇腾960量产后抢占先机。 本文由硅基AGI社区原创，欢迎访问博客 guijiagi.com 获取更多AI实战教程，或到论坛 silicon-agi.com 参与讨论。

AI芯片市场的格局之变 NVIDIA在AI训练芯片领域占据了超过80%的市场份额，但2026年的竞争格局正在发生深刻变化。从AMD的MI400到华为的昇腾910C，挑战者们正在从不同角度发起冲击。 NVIDIA Blackwell：延续统治地位 Blackwell架构核心创新 B200 GPU的Blackwell架构带来了几项关键突破： 第二代Transformer Engine：原生支持FP4精度，在保持训练精度的同时将推理吞吐量提升到Hopper的30倍。FP4的实现在于新的缩放因子机制，每个tensor块附带一个FP8缩放因子，动态调整表示范围。 576TB/s的NVLink域：Blackwell支持576个GPU的全互联，形成巨大的NVLink域。这意味着大规模训练任务可以在单一互联域内完成，减少跨节点通信开销。 确定性计算：Blackwell引入了确定性计算模式，相同输入始终产生相同输出。这对大规模训练中的调试和复现至关重要。 实际性能表现 在Llama-3-70B推理场景下： B200 vs H100：吞吐量提升约15倍（FP4量化） B200 vs H100：延迟降低约8倍 单卡可支持1000+并发用户 但B200的功耗也达到1000W，对数据中心供电和散热提出了极高要求。 AMD MI400：紧追不舍的挑战者 MI400的差异化优势 AMD在2026年推出的MI400系列（Instinct MI400X）在几个维度上对NVIDIA构成了真正的竞争压力： 显存容量：MI400X配备288GB HBM3E显存，超过B200的192GB。这使得单卡可以加载更大的模型，减少多卡并行的通信开销。 统一编程模型：ROCm 7.0终于成熟到可以与CUDA生态正面竞争。HIP（Heterogeneous-Compute Interface for Portability）提供了CUDA到ROCm的自动转换工具： // CUDA代码 __global__ void kernel(float* data) { ... } // 转换为ROCm代码 __global__ void kernel(float* data) { ... } // 几乎无需修改 性价比：MI400X的定价策略比B200低约30-40%，在推理场景下的性价比优势明显。 生态差距 AMD最大的挑战仍然是软件生态： PyTorch对ROCm的支持已基本完善，但边缘case仍有问题 Triton等编译器对MI400的支持落后于NVIDIA 深度学习框架的最新优化通常先在CUDA上实现 华为昇腾910C：国产之光 架构设计 昇腾910C采用达芬奇架构3.0，核心特点： Cube+Vector双引擎：Cube引擎负责矩阵运算（GEMM），Vector引擎负责元素级运算。两个引擎可以并行工作，提高计算单元利用率。 片上互联：采用HCCS（Huawei Cache Coherent System）互联，单服务器内8颗910C的互联带宽达392GB/s。 CANN软件栈 华为的CANN（Compute Architecture for Neural Networks）软件栈日趋成熟： # 使用MindSpore + CANN import mindspore as ms from mindspore import nn class Model(nn.Cell): def construct(self, x): return self.dense(x) # 自动编译为昇腾可执行文件 model = Model() model.compile(target="ascend") # 编译到Ascend 910C 实际能力 昇腾910C在Llama-3-70B推理上的性能约为A100的70-80%。虽然在绝对性能上与B200有差距，但在国产替代场景下已经可以满足大部分需求。 ...

从训练到推理：战场迁移 如果说 2024-2025 年的 AI 芯片竞赛还集中在"谁能在训练大模型时更快更省"，那么 2026 年的核心叙事已经悄然转变——推理侧的效率革命成为新的主战场。 这一转变有着深刻的技术和商业逻辑。随着 AGI 智能体的大规模产品化部署，推理算力的消耗正在以远超训练算力的速度增长。据行业估算，2026 年全球 AI 推理算力需求将达到训练算力的 4-6 倍。这意味着芯片厂商必须在推理效率、能效比和成本控制上交出答卷。 NVIDIA：守城者的攻防 Blackwell Ultra 架构的推理优化 NVIDIA 在 2026 年初推出了 Blackwell Ultra 架构，最引人注目的改进在于推理场景的专项优化。新一代 Transformer Engine 引入了 FP4 精度推理支持，在保持模型质量的前提下将推理吞吐量提升了约 2.5 倍。 更关键的是 NVLink 5.0 的升级。在多卡推理场景中，KV Cache 的跨卡共享是核心瓶颈。NVLink 5.0 提供了 1.8 TB/s 的双向带宽，使得大规模 MoE 模型的多卡推理延迟降低了约 40%。 TensorRT-LLM 生态护城河 NVIDIA 的真正护城河不只是硬件，而是 TensorRT-LLM 构建的软件生态。2026 版本的 TensorRT-LLM 引入了自动图优化引擎，能够根据目标硬件自动选择最优的注意力机制实现（Flash Attention v3、Mamba 或混合模式）。 但 NVIDIA 也面临挑战。其旗舰产品 B300 系列的功耗已经突破 1400W，数据中心供电和散热成为用户部署的最大痛点。在中国市场，出口管制政策的持续收紧使得 NVIDIA 不得不推出"特供版"B30A，性能大幅缩水，给了国产芯片宝贵的市场窗口。 AMD：追赶者的差异化策略 MI400 系列的突破 AMD 在 2026 年推出了 Instinct MI400 系列，首次在推理能效比上对 NVIDIA 形成了实质性威胁。MI400X 的核心创新在于片上集成了 256MB 的推理专用 SRAM 缓存，专门用于 KV Cache 存储。 ...