作 者丨倪雨晴
编 辑丨骆一帆
视频编辑丨柳润瑛
设 计丨黎旭廷
华为的昇腾，让英伟达黄教主都坐不住了。他公开表示，华为昇腾CloudMatrix 384超节点，部分性能上甚至超过英伟达的产品。
华为的384超节点方案，就像全真七子用剑阵打黄药师，集群一起上，黄药师还真有点招架不住。
海外专业机构SemiAnalysis更是直接点名：384超节点的整体计算能力是英伟达GB200机柜的1.6倍！
在单芯片性能受限、制裁持续的情况下，华为昇腾是真能打，还是“自嗨”？它是如何与英伟达竞争的？国产算力究竟到了什么水平？还有什么差距？
今天，我们就带着这些问题，一口气了解对垒英伟达的国产芯片，昇腾。
和英伟达“掰手腕”
昇腾此前非常低调，它是华为打造的一款AI芯片。它不是拿来打游戏的显卡，也不是电脑中的CPU，而是专门针对AI任务的加速芯片NPU，是一颗纯纯的“AI处理器”。
目前昇腾最主力的产品叫“昇腾910”。但以往的昇腾芯片，更多是作为“备胎”使用的——因为美国断供，英伟达、AMD最高端的芯片买不到，很多厂商只能硬着头皮用国产，而昇腾已经是国产芯片中的佼佼者。
过去几年，昇腾其实主要用在AI“推理”环节，也就是模型训练好之后，用它来支持大模型生成内容、聊天等应用环节。但模型训练？说实话——很少用国产芯片，原因也简单：单卡性能弱、生态不够用、系统稳定性差。
但这一切，在2024年和2025年，彻底变了。
华为把昇腾从一个“能用的备胎”，打造成了“能打的主力”，直接上阵训练出了一流大模型。
这些成绩，不是闭门吹牛，而是写进了实打实的论文里——一款模型，用了8192颗昇腾芯片，训练出1350亿参数的稠密大模型“盘古Ultra”；另一款，用了6000多颗芯片，训出了7180亿参数的 MoE（混合专家）大模型。
这意味着：用纯国产AI芯片，也能训练出千亿参数的国产大模型。
但是！光能训还不够，训得好，才叫硬实力。
怎么判断“训得好”？有个关键指标叫 MFU，也就是“算力资源利用率”。
说白了就是：有没有把芯片榨干用满？有没有把投入的算力物尽其用？
训练盘古Ultra稠密模型时，MFU超过 50%；在MoE模型中，MFU也达到了 41%，实验室数据甚至超过 45%。
这是什么概念？——属于全球一流水平，跑在行业前列。
训练完还不够，还要看推理谁跑得快。
华为和硅基流动的最新论文，直接把昇腾的384 超节点拉出来，和英伟达的 H100、H800 正面对比：谁在实战部署 DeepSeek-R1 这类大模型时更快、更高效？
结果是：在这场比拼中，昇腾和英伟达H系列差距不大，甚至在算力利用率上拿下全场最佳。
也就是说——至少从 DeepSeek-R1 的推理实战看，昇腾已经可以对标英伟达 H100 这一级别的产品，不输Hopper架构。
追赶速度之快，确实令人惊叹。
那和英伟达最新的 GB200 比呢？
SemiAnalysis给出了评价：虽然单颗昇腾芯片的性能只有英伟达Blackwell的三分之一，但384 超节点堆了5倍的芯片数量！
最终，整体系统算力反超英伟达 GB200，这已经不是“能替代”的水平，而是“有机会领先”。
那么，昇腾，是怎么做到的？
技术拆解
要理解这个问题，我们得先来认识昇腾的最强战力，“CloudMatrix 384 超节点”这个大家伙。这就是它的外观（画面：384的结构图），它其实就是一个巨大的芯片集合，这最核心的384张昇腾910芯片，外加192颗鲲鹏CPU，通通塞进16个机柜，然后用光缆、光模块联接起来，构成一个“超节点”。
你可以把它想象成一支超级“AI方阵”：虽然单个士兵不如对手，但整体配合、纪律、调度都非常出色。最终打起仗来，不一定会输。
听起来是不是有点像“芯片大拼盘”？但是，要把384块芯片联接在一起，像一台机器一样高效工作、协同配合，这可不简单。
你可能不知道，英伟达目前GB200的机柜，只塞了72块GPU，下一代是144块GPU，
它曾经试图串联256块GPU，但因为联接太复杂、稳定性太差，放弃了。
所以，把384块芯片联成“一个大脑”，是个超级复杂的系统工程。
华为是怎么做到的？一句话——
不是靠单点爆发，而是靠“系统性工程的突破”。
这个“大力出奇迹”的背后，是通信、光学、热学、基础软件等多个领域的老底子，一起发力的结果。
核心突破点包括：
听上去有点技术？咱们展开说说一项很关键的互联技术。
在计算集群里，无论是 CPU、GPU 还是 NPU，最终都需要高效的联接起来，才能交换传输数据。
英伟达有独家的NVLink互联技术，芯片之间是用铜缆连接。
华为呢？制裁之下，没得选，就自己重新定义了全对等的互联总线，统一了通信协议。
什么叫“全对等”？就是说，不是以 CPU 为主，也不是 GPU 说了算，而是所有芯片地位平等，传数据，不需要中转、不需要翻译，大大提高了传输效率。
同时华为选择了用光缆连接芯片，光缆就是靠“光信号”来传输数据。如果说铜缆是“城内公交”，那光缆就是“城际高铁”：速度快、带宽大、延迟低，传得远。
但问题是——光缆贵，光模块贵，维护也麻烦。
所以，英伟达大量使用了铜缆，但是，华为可不怕麻烦，毕竟人家通信起家，光通信就是华为的绝活。于是，华为直接在芯片内建立起“超级高速路”，能联接更多的芯片，组成了384超节点。
当然，这还只是互联部分。背后还有数学算法的调度优化、软硬件的深度协同、工程上的高效散热等等，昇腾也是在一次次的创新中突围。
崛起和差距
用任正非的话来说：“我们单芯片还是落后美国一代，我们用数学补物理、非摩尔补摩尔，用群计算补单芯片，在结果上也能达到实用状况。”
华为聪明地避开了单卡硬碰硬的路径：
单卡差？那我就搞超节点；
HBM内存不够快？那我就堆更多卡，做更高带宽；
没有CUDA？那我就研发CANN；
系统容易宕机？那我做分钟级恢复；
效率太低？那我算力利用率拉到50%；
就像一位华为专家说的：“训练大模型需要大系统，而不是拼单卡。”换句话说，昇腾不是靠“单打独斗”赢，而是靠“团队协作”赢。
那差距呢？当然有。
第一，芯片工艺上，英伟达已经上3纳米。
第二，软件生态，虽然CANN进步了很多，但跟CUDA比还差个历史沉淀。
第三，客户基础和全球开发者社群，英伟达的开发者生态非常庞大。
但昇腾已经打开了一道口子——尤其在中国市场，现在英伟达的H20被限制，很多企业已经在主动适配昇腾等国产芯片。
从国内的AI芯片看，可以大致分为三个派系。一是科技巨头，包括华为昇腾、百度昆仑芯、阿里含光等；二是纯芯片厂商，比如已经上市的寒武纪，比如GPU四小龙燧原科技、沐曦、壁仞科技、摩尔线程；三是面向细分领域，比如车载AI芯片的地平线、黑芝麻等创新企业。
也就是说，我们虽然还在追赶，但不再“被动挨打”，美国再怎么禁芯片、锁制造、压供应，国内半导体产业链反而在压力下迸发。
华为这条昇腾路线，其实是中国市场特色的“技术曲线”：我们目前未必能做出最强单芯片，但我们可以做出系统最优解。
用面积换性能、用堆叠换容量、用协同打组合拳——不是所有问题都要硬刚，有时候，弯道超车更实用。
在AI这场漫长的马拉松里，国产算力真正的逆袭，或许就从昇腾这一步开始。
SFC
本期编辑 江佩佩
21君荐读
