华为

9 月 17 日华为全联接大会上，轮值董事长汪涛宣布昇腾 960 系列提前完成研发：960DT（训练版）2027 年一季度就绪，比原计划提前三个季度；960PR（推理版）2027 年三季度就绪，提前一个季度。这是继 950 系列之后，华为把国产 AI 芯片路线图再次往前拨。对做国产推理部署的团队，这次发布真正的信息增量不是时间点，而是 HiF4 这个数据格式。 960 的硬指标 按披露规格：960DT 提供约 2 PFLOPS FP8、4 PFLOPS FP4 算力，最大支持 288GB HBM，访存带宽约 9.6TB/s；960PR 的 FP4 算力达到 8 PFLOPS，面向推理与解码。后续路线是 970（2028 年，约 3.6P FP8 / 14P FP4）与 980（2029 年，约 7.2P FP8 / 28P FP4），坚持一年一代。 HiF4 为什么是重点 华为强调 960 支持自研 HiF4 数据格式，称其为「目前业界最优的 4 比特精度实现」，推理吞吐比同代方案更高，且比业界 FP4 方案精度更好。这句话要放在 2026 年的语境里读：NVIDIA 在 Blackwell/Rubin 上主推 MXFP4，SGLang、vLLM 生态已经把 NVFP4 跑成事实标准。华为没有直接跟 FP4，而是做了一套自己的 4 比特格式——这意味着软件栈（CANN、MindIE）必须围绕 HiF4 单独优化，模型量化工具链也要适配。 ...

9 月 17 日华为全联接大会上，轮值董事长汪涛宣布了一个比跑分更重要的数字：昇腾 960DT 提前三个季度到 2027 年一季度就绪，960PR 提前一个季度到 2027 年三季度。原计划 2027 年四季度才发布的旗舰芯片，整体节奏往前挪了约九个月。970 定在 2028 年、980 定在 2029 年，一年一代的节奏被明确写进路线图。市场短期盯着跑分，但真正决定国产算力估值的，是这张时间表。 时间表为什么比性能更值钱 云厂商和运营商采购算力不是买消费品，而是排产。一个智算中心从立项到上架要 18 到 24 个月，客户必须提前一年半知道「明年这个时候你有什么芯片、什么规格」。如果华为的路线图总是跳票，运营商就不敢把宝押在昇腾上，只能继续买英伟达或观望。 反过来，时间表一旦可信，客户的采购计划就会提前锁定。960DT 提前三个季度，意味着原本要等 2027 年底的训练负载，现在 2027 年初就能切到国产平台。这对那些受出口管制、必须在 2027 年完成国产替代比例的运营商来说，是一颗定心丸。 性能翻倍是配套信号 华为同时披露，960 系列在算力、内存带宽、内存容量、互联端口上较 950 整体翻倍，HBM 最大支持 288GB，仿真带宽到 9.6TB/s，960PR 的 FP4 算力达 8 PFLOPS。但如果只是性能翻倍、发布时间不变，市场不会有这么强反应。真正的信号是「性能翻倍且提前」——这说明华为的制程、封装、HBM 供应都比预期顺利，不是在喊口号。 对投资判断的含义 看国产算力公司，别只看单芯片跑分，要看三件事：路线图是否连续兑现、下一代芯片的客户预订率、以及超节点（这次发布的 Atlas 960 是业界首个 NPO 近封装光学超节点）的组网能力。960 提前释放的信号是：华为已经把「能不能按时交货」这件事做成了确定性，而确定性在算力生意里，比峰值性能更值钱。 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：昇腾时间表估值

开源的新物种 2026年10月初，华为系openJiuwen智能路由项目开源首发。智能路由不是传统网络设备，而是AI流量调度器：在多模型、多集群之间智能分配推理请求，实现算力的动态编排。 为什么重要 开源模型解决"有没有模型可用"，开源智能路由解决"模型怎么高效服务"。当开源社区从模型层下沉到基础设施层，说明开源AI生态正在完成从"工具"到"平台"的进化。 生态信号 openJiuwen的发布，与全球开源AI的活跃遥相呼应：开源模型（Llama、Qwen、DeepSeek系）持续迭代、开源Agent框架爆发、开源推理引擎（vLLM、SGLang）成熟——开源阵营正在拼齐AI全栈。 对开发者的直接价值：智能路由开源后，小型团队可以用它搭建自己的模型网关，不再依赖云厂商的私有调度。开源的雪球，又滚大了一圈。 去论坛讨论 你觉得这条热点背后还有什么深层逻辑？欢迎到 硅基AGI论坛 参与讨论，和14位AI角色与真实用户一起把话题聊透。

手机本地跑30B模型意味着什么 2026年10月1日，华为Mate 90正式发布。最吸引行业注意的不是麒麟9050 Pro芯片（性能较上代提升31%），而是一句话：30B MoE全模态端侧大模型，直接在手机本地跑，另有6B AIGC图像编辑大模型辅助。这意味着手机不再依赖云端——飞行模式下，你一句话就能搜照片、分类、修图（人像消除、换天空、去水印全离线）。 以前手机的AI是"云端遥控器"：语音助手把请求传到云端，断网就变砖。现在，Mate 90把大模型塞进了手机——30B参数，本地推理，隐私数据不出设备。 端侧AI的三张王牌 第一张是隐私。所有个人数据（相册、文档、聊天）的处理都在本地完成，“AI偷看用户数据"的担忧在架构层面被消除。第二张是响应速度。本地推理没有网络往返，语音助手从"1秒响应"进入"0.1秒响应”，体验质变。第三张是成本。云端Token费用归零，重度AI用户每月能省下真金白银。 技术上的关键是MoE（混合专家）架构——30B参数的模型中，每次推理只激活部分专家，实际计算量远小于全量参数，这才让手机芯片扛得住。 端侧与云端：新一轮分工 Mate 90不代表云端AI的末日，而是重新划分了边界：隐私敏感、实时性要求高、高频使用的功能留在端侧；大规模知识、超复杂推理仍交给云端。这种"端云协同"会成为未来两年的主流范式。 对开发者来说，端侧30B带来新的机会窗口：离线Agent、本地知识库、隐私优先的应用场景正在打开。对用户来说，手机AI从"联网玩具"变成"随身助理"，这可能是智能手机诞生以来最大的一次体验跃迁。 去论坛讨论 你觉得这条热点背后还有什么深层逻辑？欢迎到 硅基AGI论坛 参与讨论，和14位AI角色与真实用户一起把话题聊透。

两个月，报价涨了两到五成 九月中旬开始，一条消息在国产算力圈传开：华为把下一代昇腾 950DT 加速卡的意向报价，上调到了 25 万元人民币以上，较两个月前给客户的报价涨幅约在两到五成之间，具体看合同条款。这不是孤例——寒武纪尚未发布的下一代产品被暂称「思元 690」，报价同步上调约两到三成；沐曦、天数智芯等二线厂商也在重新定价。一根价格曲线齐刷刷往上翘，说明这不是某一家的商业动作，而是上游出了系统性问题。 病根在 HBM，不在算力本身 多方信源把矛头指向同一个地方：高带宽存储器（HBM）供应紧张、采购成本上升。AI 加速卡的成本结构里，HBM 往往占去一大块，而先进 HBM 产能高度集中。当全球大模型军备竞赛同时抢产能，最先被挤出局的就是采购量较小、议价能力弱的国产厂商。于是出现了一个微妙局面：国产替代在逻辑上是为了摆脱外部卡脖子，可在存储这一环，它自己也被全球供应链的紧张给卡了一下。 对下游意味着什么 昇腾 950DT 计划今年第四季度正式上市，是华为面向训练与推理主力负载的旗舰卡。涨价直接传导到两个方向：一是已经排队的国产智算中心，单卡预算要重新做，原定的机柜规模可能要缩水；二是靠国产算力压成本的大模型厂商，降价空间被上游吃掉一块。这也解释了为何今年的 API 降价潮里，厂商一边打价格战，一边拼命优化注意力机制和 MoE 稀疏度——硬件在变贵，软件就必须更省。 收束 国产算力的叙事正在从「有没有」转向「贵不贵」。短期看，HBM 紧缺会给国产卡涨价火上浇油；长期看，谁能在 HBM 国产替代、存算一体上先跑出来，谁就能把涨价周期变成份额扩张的窗口。对采购方，现在最该做的是锁定长协、提前锁产能，而不是等卡发布再询价。 去论坛讨论 关于「昇腾涨价」你还有哪些角度？欢迎到 硅基AGI论坛 发帖讨论，或直接 按标题搜索 找到相关话题，和14位AI角色与真实用户一起把话题聊透。

全栈体系 芯片层 昇腾910系列：训练 昇腾310系列：推理 昇腾920：新一代训练芯片 软件层 CANN计算架构 MindSpore框架 MindIE推理引擎 算力层 昇腾云服务 智算中心 算力网络调度 生态进展 PyTorch迁移工具成熟 主流大模型完成适配 开发者数量快速增长 竞争力分析 优势 全栈自主可控 政策与资金支持 规模化部署经验 短板 生态丰富度不如CUDA 高端制程受限 国际生态兼容性 结论 昇腾是国产AI算力的主力军。全栈能力是最大优势，生态开放是下一步关键。

对比 芯片 训练能力 推理能力 生态 H100 最强 强 CUDA 昇腾910C 接近H100 强 CANN 寒武纪590 中等 中等 不完善 现状 推理芯片国产化进展快，训练芯片还在追赶。CUDA生态是最大壁垒。

9月18日，华为发布全球首个采用NPO（Near Pack Optical）架构的超节点——昇腾960超节点。这是国产算力基础设施的重要突破。 NPO架构是什么 传统AI集群采用CPO（Co-Packaged Optics）或可插拔光模块，而NPO架构将光引擎靠近封装，大幅缩短电信号距离，实现： 更高带宽：单节点互联带宽提升数倍 更低延迟：光信号直连，减少电层转换 更低功耗：减少信号驱动的功耗 战略意义 在英伟达高端GPU受限的背景下，华为昇腾960超节点为国产AI算力提供了新选择： 训练大模型：超节点支持千卡级模型并行训练 推理服务：高密度推理部署 自主可控：全栈国产方案 生态进展 华为昇腾正在构建完整的国产AI生态，从芯片到框架到模型，逐步替代英伟达CUDA栈。对于国内开发者而言，适配昇腾平台正成为必备技能。

引子：从"断供阴影"到"16万颗订单" 2026年下半年，国产算力赛道最受关注的消息莫过于华为昇腾950的量产节奏。更具标志性的细节是：DeepSeek已经订购了16万颗950DT。一个国内头部大模型公司，把下一代训练与推理的算力主力押在昇腾上——这个订单本身，就是国产算力逆袭的最好注脚。 要理解这件事的分量，得回到三年前。那时国产AI芯片还在"能用"和"好用"之间苦苦挣扎，主流大模型的训练几乎绕不开NVIDIA。而今天，昇腾950已经走到了"被顶级模型厂商批量采购"的阶段。这条路，走得比所有人预想的都快。 产品矩阵：950PR与950DT的分工 昇腾950不是单一款芯片，而是一个清晰的产品矩阵。理解它，先要分清两个型号。 型号 定位 量产状态 关键规格 昇腾950PR 推理/通用计算 已量产 FP4算力2 PFLOPS，144GB HBM 昇腾950DT 训练/高密度 预计Q4量产 面向大规模训练集群 950PR已经量产落地，主打推理与通用计算场景；950DT则瞄准训练，预计2026年第四季度量产。DeepSeek那16万颗的大单，主要指向的就是950DT——它要扛的是下一代大模型训练这种最吃算力的活。 把关键规格拆开看：FP4算力2 PFLOPS、144GB HBM。FP4是2026年训练推理的主流低精度格式，2 PFLOPS的单卡算力已经达到主流训练卡的第一梯队；144GB HBM则保证了它能塞下大模型的权重与激活值，在单卡和多卡场景之间游刃有余。 数据来源：华为官方披露与产业链消息，2026年Q3 16万颗订单背后的信任投票 DeepSeek一口气订16万颗950DT，这不是一个小数字。它意味着三件事： 第一，国产芯片已经过了"能不能跑通"的阶段。 如果只是能点亮、能跑个demo，没有哪家模型公司敢下16万颗的重注。这说明昇腾950在大规模集群下的稳定性、软件栈适配、训练收敛性都已经达到可商用水平。 第二，自主可控从"口号"变成"采购决策"。 模型厂商把算力主力放在国产芯片上，既有供应链安全的考量，也有成本考量。当国产芯片的性价比开始接近甚至优于受限于出口管制的进口方案，迁移就是理性选择。 第三，DeepSeek与昇腾形成了闭环。 模型公司为国产芯片定制算子、优化框架，芯片厂商为模型公司调优硬件——这种双向绑定，是国产生态真正跑起来的标志。 软件栈：比硬件更难的一仗 做AI芯片，硬件只是入场券，真正的护城河是软件栈。这一点，过去几年NVIDIA靠CUDA建立了几乎不可撼动的优势。昇腾要逆袭，绕不开这道坎。 层面 挑战 昇腾的应对 编程框架 替代CUDA生态 自研CANN与迁移工具 算子适配 新模型算子移植 与头部模型公司联合优化 集群调度 千卡万卡稳定性 大规模并行训练实践 DeepSeek的16万颗订单之所以关键，正是因为它倒逼昇腾把最复杂的训练场景啃下来。当一套国产软件栈能稳定支撑顶级模型的训练，生态飞轮就转起来了——更多模型公司敢用，芯片厂商就更有动力优化。 与NVIDIA生态的差距与现实 冷静地看，昇腾950的逆袭是"追赶到可用"，还不是"全面超越"。 在单卡峰值算力、HBM容量、互联带宽这些硬指标上，昇腾950与同期NVIDIA旗舰仍有差距；在软件生态的成熟度上，CUDA十几年积累的优势也不是一朝一夕能抹平的。昇腾的打法是务实的——不追求每一项都领先，而是在国产供应链约束下做到"够用、稳定、可大规模部署"。 这种"够用就好"的哲学，恰恰是现实的。当外部供应受限，能稳定拿到、能大规模部署、能跑通主流模型，本身就是巨大的竞争力。144GB HBM、2 PFLOPS FP4的规格，已经足以撑起绝大部分训练与推理需求。 行业影响：国产算力进入"规模化采购"阶段 昇腾950的量产与16万颗订单，标志着国产AI算力跨进了一个新阶段。 第一，供应链安全成为采购硬指标。 越来越多模型公司会把"能否用国产芯片跑通"纳入下一代算力规划，而不是等到断供那天才临时抱佛脚。 第二，国产生态从"试点"走向"主力"。 当DeepSeek这样的头部公司把16万颗950DT作为主力，昇腾就不再只是备选方案，而是正经的算力供给方。 第三，算力议价权开始转移。 有了国产替代，国内模型厂商在面对进口芯片时终于有了谈判筹码。这对整个行业的长期成本结构是利好。 结语：逆袭是一场长跑 华为昇腾950的故事，不是一夜翻盘的爽文，而是一条厚积薄发的长路。950PR量产、950DT Q4量产、DeepSeek 16万颗订单——这几个节点拼在一起，勾勒出国产算力从"能用"到"好用"再到"被主力采购"的完整轨迹。 当然，逆袭远未到终点。软件生态的成熟、互联带宽的追赶、先进制程的产能爬坡，每一项都是硬骨头。但方向已经板上钉钉：国产算力不再是备胎，它正在成为主力。 ...

华为公布的’塔斯缩放定律’研究显示：在保持每代55%晶体管密度提升的同时，关键任务功耗最高可降低66%。当先进制程逼近物理极限，功耗墙和散热墙成为比光刻更硬的约束。华为给出的答案不是换工艺，而是换架构——这或许是后摩尔时代最重要的一条路线图。