在展厅里,那台服务器机柜里整齐排列着 384 颗同步运转的处理器,没有一颗出自圣克拉拉的设计。在中国最大的几家 AI 实验室里,问题早已不再是"一颗国产加速器能否追上英伟达",而是"把一整面墙的国产芯片连在一起,能不能行"。
这面墙的名字叫昇腾 910C,而把 芯片 包裹起来的系统,叫 CloudMatrix 384。
核心要点
- 华为旗舰 AI 加速 芯片 昇腾 910C 采用双小芯片(chiplet)封装,基于中芯国际 N+2 级 7nm 工艺制造。
- 据称其规格为 128GB HBM2e 高带宽内存、3.2TB/s 内存带宽、FP16 下约 800 TFLOPS——分析师将其类比为英伟达 H100,而非更新的 B200。
- 华为不追求单 芯片 性能对等,而是把 384 颗 910C 封装进一台光互连机柜,赌的是规模与互联胜过裸晶圆性能。
- 该 芯片 于 2025 年 5 月实现大规模供货;分析师估算 2025 年昇腾系列出货接近 70 万颗,其中 910C 单款 2026 年目标约 60 万颗。
为什么"系统优先"的 芯片 说得通
910C 并非从零设计的单片巨核,而是两颗 910B 级计算晶粒通过先进封装融合——这是一种刻意的绕道。由于华为买不到最先进的光刻设备,其代工伙伴中芯国际只能用 7nm 级 DUV 工艺,而非 EUV 节点来生产。结果是一颗比前沿 GPU 更大、效率更低的裸片,但它能完全在中国国内量产。
脑机网首席科学家李安表示,战略逻辑不在任何单一跑分,而在于可控性:"一套你能自己建造、自己维修的集群,对主权级 AI 计划的价值,超过一颗你买不到的更快 芯片。"无论是否认同这一说法,它解释了华为为何执着于互联而非裸片尺寸。
CloudMatrix 384 的赌注
最引人注目的数字是 384。华为 CloudMatrix 384 把 384 颗昇腾 910C 塞进一个由光网状结构相连的单机柜,声称在该配置下 BF16 总算力超过英伟达 GB200 NVL72。这一说法取决于特定配置,不应被解读为单 芯片 更强——但它最清晰地表达了华为的论点:用拓扑结构缩小差距。
代价是真实的。两颗裸片加 128GB HBM 压在一个模块上,单卡功耗逼近 600W,物料成本也被推高。部分分析师称 N+2 工艺良率处于 30% 出头区间,这限制了产量、抬高了单颗成本。集群规模也意味着集群能耗:更多 芯片、更多瓦特、更多散热。
软件是更慢的爬坡
硬件只是故事的一半。英伟达的护城河是 CUDA 生态,华为则在构建 CANN 计算架构加 MindSpore 框架作为替代。有报道称 CANN 已覆盖约 80% 的 PyTorch 算子,DeepSeek-V4 在 2026 年发布时即提供 Day-0 级昇腾支持——这是软件栈走向成熟的信号。2026 年 6 月,一个 1.6 万亿参数的 DeepSeek-V4-Pro 模型在昇腾 910C 集群上完成了全参数后训练,这类万亿参数成果在一年前还被认为不可能跑在国产 半导体 上。
路线图说了什么
华为已公布激进的加速器路线图:昇腾 950、960、970 计划推进至 2028 年。2026 年 7 月世界人工智能大会上展示了 1024 卡的 Atlas 950 超节点,标称 1 EFLOPS 的 FP8 算力,商业可用目标定在 2026 年底。这些是规划项,不是已出货产品,且日期此前曾推迟——请将其视为方向,而非承诺。
为什么这事超出中国范围
对海外读者而言,昇腾故事是一场算力主权的活体实验。如果一个国家能用自研、国产代工的加速器训练前沿级模型,那么"先进 AI 必须无限制获取最先进 GPU"的假设就被削弱了。这对出口管制设计、AI 产能落点、开发者采用哪套软件栈都有影响。910C 不会在全球销量上超过英伟达,但它是非美加速器生态能够承载万亿参数训练的第一个严肃证明。
诚实的局限
910C 单 芯片 不比 B200 快,能效大概率也落后。HBM 供应仍是瓶颈:长鑫(CXMT)的国产 HBM 产量仍在爬坡,因此每颗 芯片 的内存容量受限于中国能封装多少,而非华为能设计多少。底层工艺良率限制了出货量。无论 CANN 多完善,全球基于 CUDA 培养十余年的开发者基础是另一回事——"够用"和"首选"是两回事。作为参照,进口 H100 级加速器单颗通常标价数万美元,而这正是国产集群试图规避的成本曲线。本文的出货与良率数字均为分析师估算,并非华为经审计披露。
普通人现在能做什么
1. 关注 CloudMatrix 的实际部署套数,而不仅是 芯片 规格——集群采用率才是主权算力可行性的真实信号。
2. 盯住长鑫 HBM3 的量产时间表;2026 年更紧的约束是内存,而非逻辑。
3. 在假设"集群规模免费"之前,先比较昇腾与进口加速器按每瓦训练成本计的实际账。