芯耀
与非AI
177
故事要从2018年说起。
那年10月，华为在全联接大会上第一次公开了昇腾310和昇腾910。当时公布的指标确实吓人：FP16算力256 TFLOPS，INT8算力512 TOPS，最大功耗310W。
2019年8月23号，910正式发布，MindSpore同天推出。
但我觉得比"全球最强"更值得关注的，是华为选了一条跟英伟达完全不同的路。
英伟达走的是GPU路线。GPU天生是做图形渲染的，后来发现也能跑AI计算，就一路改改改成了今天的AI加速器。
华为没有走这条"改"的路。达芬奇架构从一开始就是为AI计算长的。
芯片里同时配了矩阵、向量、标量三种计算单元，然后用片上缓存、数据搬运和任务调度让它们一起干活。
Cube单元负责密集的矩阵乘加。
Vector单元处理激活函数和归一化。
Scalar单元管控制和地址逻辑。
真正难的不是把每种单元做多强，而是让数据在正确的时间抵达正确的计算单元。
说白了——哦不对，坦率的讲：AI加速器首先是一台数据搬运机器，然后才是一台算术机器。
这也是为什么910一定要和MindSpore同一天发布。
硬件划了能力边界，但编译器和算子库才真正决定你的模型能不能跑起来、跑多快。
后来不断迭代的CANN承担了类似「操作系统」的角色，向上对接框架，向下管理算子、内存、调度和通信。
然后2020年来了。
这一年发生的事，大家多少都知道。
美国对华为的出口管制全面收紧。设计完成的芯片没法流片，所有的路线图都被打断了。
网上很多人喜欢说「910的7nm工艺一夜之间成了泡影」。
这个说法听起来很悲壮，但不算准确。
更准确的说法是：原来的供应模式被切断了，后续产品必须在可获得的制造条件下，重新平衡性能、面积、功耗和产能。
流片、良率、封装、HBM、基板、测试。任何一环中断，路线图就废了。
这就是910B出现的原因。
华为从来没像发布910那样完整公开过910B的规格，工艺节点、量产细节都是保密的。
可以确认的是，910B在2023年前后成为了昇腾大模型算力的主力。
它的意义不是创造了什么新的峰值。
它的意义是恢复并扩大了可交付的训练和推理能力。就这么简单。
但还有一个很多人没注意到的点。
当制程红利被锁死，软件优化的价值会突然变得特别大。
算子融合可以减少中间结果回写内存。更好的切分能提高Cube利用率。
通信库优化能减少多卡同步等待。
这些说起来轻巧，实际上每一条都得靠大把工程师死磕。
不过我也必须说一句大实话。
CUDA的壁垒不是编程接口本身，而是它积累了几十年的算子库、框架、调试工具、社区代码和人才惯性。
CANN和MindSpore要面对的，不只是「能不能运行」，还包括「跑起来数值对不对」「长尾算子能不能覆盖」「性能能不能稳定复现」「出了问题能不能快速定位」。
这几个问题，任何一个都够吃好几年。
到了2025年，910C开始大规模部署。
这时候华为的路线发生了一个很有意思的变化。
多家媒体和分析机构把910C描述成双计算Die方案——就是把两颗上一代的芯粒通过先进封装整合在一起。
Chiplet不是把两颗芯片粘在一起就完事了。
芯粒之间的通信延迟、封装面积、功耗密度、HBM布线、良率组合、软件对非均匀访存的处理——每一条都是要还的债。
只有当封装互联、内存系统和调度软件一起搞定，双Die才能接近「一颗更大芯片」的使用体验。
但910C最大的价值不在这里。
它释放了一个重要信号：华为开始把单芯片的制造约束，转化成封装和系统设计的问题。
它未必在所有任务上都等价于同时代的顶级GPU。但它为后面的一切铺了路。
2025年3月，华为推出了Atlas 900 A3 SuperPoD。华为云在这上面提供CloudMatrix 384实例。
满配384颗NPU协同工作，FP16算力300 PFLOPS级别，片上内存48TB，D2D双向带宽784GB/s。
我第一眼看到384 NPU这个数字的时候，第一反应也是：所以这是384台八卡服务器？
不是。
384颗NPU就是384颗NPU。不是384乘以8。
传统集群的玩法是先在一台服务器里做高速互联，再通过网络连很多台服务器。但这里有两个概念：Scale-up追求更低时延、更高带宽、更统一的资源视图。Scale-out追求往外扩展到更多机柜。
华为「超节点」的方向是把Scale-up的边界从一台服务器推到多机柜。
让几百颗NPU在逻辑上更像一台大机器。
大模型训练最怕的不是某张卡不够快。
是木桶效应。
张量并行、流水并行、数据并行、专家并行——这些并行的方式会持续制造通信。
某条链路拥塞了，某张卡降速了，某个节点故障了，其他所有设备都得等着。
规模越大，检查点保存、故障恢复和长稳运行的重要性甚至超过单卡峰值。
我自己做AI这块也踩过类似坑。
单卡跑demo的时候一切都好，一上集群就开始各种莫名其妙的慢。网络拓扑、通信策略、负载均衡——这些在单卡场景下根本不用考虑的问题，到了集群就是噩梦。
华为384超节点遇到的也一定是同样的问题，只是规模大了几百倍。
然后就是我们今天最关心的产品了。
2025年9月，华为第一次公开了未来三年的路线图。
950PR计划2026年一季度推出，950DT四季度，然后是2027年的960和2028年的970。
950PR和950DT用的是同一个Ascend 950 Die。
但面向的工作负载不同，配的内存和互联也不同。
共同的目标峰值是FP8 1 PFLOPS、FP4 2 PFLOPS。
但我得说一句，这个数字必须跟数据格式、稀疏性、板卡功耗一起看，不能直接等同H100或者其他GPU的端到端性能。
来说说这两款芯片的分工。
950PR首先面向大模型Prefill阶段和互联网推荐业务。
配的是HiBL 1.0 HBM，目标128GB容量、1.6TB/s带宽。2026年3月搭载950PR的Atlas 350加速卡已经公开亮相了。
Prefill阶段要处理比较长的输入序列，矩阵运算密度高，更容易把计算单元喂饱。
推荐系统也是一样，大量Embedding查找、特征交互、批量推理，对容量和访问粒度有自己的要求。
950DT则是面向训练和Decode阶段。
配的是HiZQ 2.0 HBM，目标144GB容量、4TB/s带宽。
芯片总互联带宽2TB/s。原生支持FP8、MXFP8、MXFP4和HiF8。
看到这里你可能觉得：挺好的，一个die配两种内存，降低成本嘛。
但我不这么看。
这更像是一次「分型」。计算密集的场景和带宽密集的场景，对硬件的需求是完全不同的。
用一个统一方案去覆盖两种场景，一定会有妥协。950直接一刀切开，各自优化。
至于FP8和FP4，我必须多说一句。
低精度确实能提高吞吐、降低显存占用。
但它不是免费的。能不能保持模型精度，取决于数值格式、缩放策略、累加精度、量化感知训练、算子实现。一串很长的链条。
厂商公布的FP4峰值更适合说明硬件上限，不能说明你的模型在同等质量下能白捡两倍性能。
然后说集群。
华为路线图里Atlas 950 SuperPoD的满配目标是8192张基于950DT的卡。
注意是8192张卡，不是8192个节点。
满配系统包括128个计算柜和32个互联柜，FP8总峰值8 EFLOPS，FP4总峰值16 EFLOPS。计划2026年四季度上市。
就在前几天，2026年7月的世界人工智能大会上，华为第一次线下展示了Atlas 950 SuperPoD的真机。是1024卡配置。
你猜怎么着。
1024卡这个阶段性成果，已经达到1 EFLOPS FP8、2 EFLOPS FP4、256TB统一内存编址空间、3微秒级RTT时延。
从384卡到1024卡，再到8192卡。难点不是把端口数量放大21倍。是控制拓扑直径、拥塞、时钟同步、光互联成本、散热、电力和故障概率。
超节点越大，系统软件就越像真正的操作系统。它得管理全局资源，还得让上层框架不用关心每一次物理故障。
这让我想起来一件事。前段时间我写文章的时候查资料，发现很多人在说「用系统创新弥补制程差距」。
这句话本身没错，但容易被理解成「芯片落后点也没关系」。
不是这样的。
系统创新消除不了所有代价。更多芯片意味着更高的总功耗、更大的机房面积、更多的光模块和交换设备、更复杂的运维。如果单卡性能、能效或者良率确实有差距，系统必须用更多的资源去抵消。
反过来也一样。先进制程也不会自动给你一个可用的AI系统。HBM、先进封装、高速互联、液冷、电源、编译器、通信库——今天所有领先的公司都在把这些要素当成战场的中心。
昇腾只是被外部约束逼着更早、更激进地做了这件事。
最后聊聊生态。
很多人说昇腾缺生态。
这话对，但不全对。
昇腾软件生态要解决的问题分三层。
第一层是兼容。主流框架、模型、算子能跑。
第二层是性能。同一个模型在目标精度下有可预测的吞吐和时延。
第三层是工程效率。开发者能定位问题、做性能剖析、管理集群、复用社区成果。
截至2026年7月，CANN开源社区有67个项目、1244万行代码、月活开发者3500多人。昇腾384超节点累计部署超过750套。
这些数字说明生态在扩大。但它能不能形成长期壁垒，还得看开源治理质量、第三方贡献比例、框架上游合入速度、客户迁移后的总拥有成本。
对开发者来说，真正有价值的不是「国产替代」这四个字。
而是迁移之后能不能稳定升级。有没有足够多的高质量算子。性能能不能复现。遇到问题的时候有没有透明的工具链和知识库。
如果这些都能做到，不用喊国产替代，开发者自己就会来。
所以回顾昇腾从910到950的这七年，我觉得最值得说的不是某个参数有多高，而是这个团队一直在换解题思路。
910确立了面向AI的达芬奇架构和全栈起点。
910B在供应链被打乱之后，扛起了产品连续性的担子。
910C用多Die和先进封装，把制造约束转化成了系统工程问题。
950更进一步，把内存、低精度和互联作为产品分型的核心。
如果一定要给这七年提炼一个关键词。
我觉得不是「追平」。
是「重构」。
重构芯片和内存的关系。
重构单卡和集群的边界。
重构硬件和软件的协同方式。
也重构中国AI产业对供应链风险的理解。
未来的胜负不会由一张参数表决定。
它会被更诚实的指标决定：
真实模型的端到端性能。
每Token的成本。
万卡规模的长期稳定可靠性。
以及开发者愿不愿意把下一代模型长期押在这个生态上。
这三件事，比发布会上的每一个数字都难。
但也比发布会上的每一个数字都重要。
以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧。
