23 篇博文 含有标签「国产AI芯片」

两个权威口径放在一起看：IDC 预计 2026 年中国智能算力规模 2576.5 EFLOPS（同比 +87.9%）；工信部数据截至 6 月底已达 2185 EFLOPS、全国算力设施上架率 71.4%。增速与闲置率同时存在，这就是中国算力市场的真实结构。

一、规模：87.9% 的增速意味着什么​

同比 87.9% 的增速背后是三重拉动：

1. 模型训练：头部厂商向 2.8 万亿级（Kimi K3）参数进军，单次训练的算力消耗按数量级增长
2. 推理放量：智能体应用把推理需求曲线拉陡——IDC 明确把「智能体」列为本轮增长的第一变量
3. 国产替代：政策与供应链双重驱动下，国产芯片采购占比持续提升

二、结构：71.4% 上架率的双面解读​

上架率 71.4% 说明全国已建算力设施还有约三成未被有效使用：

• 坏的一面：部分地区智算中心「重建设、轻运营」，同质化算力找不到负载
• 好的一面：对 2027 年的超节点部署而言，这是现成机房的余量——天数 IXL144 主打适配现有机房、华为 Atlas 860 主打风冷免改造，瞄准的正是这 28.6%

三、缺口：算力的「品类错配」​

总量增长掩盖不了结构性缺口：

品类	供需状态
高端训练算力	持续紧缺（受代工与 HBM 供给约束）
推理算力	快速放量，超节点形态渗透中
大显存/高带宽	紧缺（HBM 受制于人）
推理友好型国产芯片	产能爬坡，昆仑芯/摩尔线程供不应求

工博会口径的「供不应求」都指向同一个上游：先进制程代工与 HBM 产能——这是国内产能扩张无法独立解决、需要长鑫等存储突破配套的环节。

四、给行业参与者的三个判断​

1. 从「建算力」到「用算力」：上架率压力下，算力运营效率（有效 Token 吞吐、集群利用率）将成为新的竞争力指标
2. 超节点是利用率解药：中信建投研报确认超节点在算力利用率上的显著优势——存量机房改造是 2027 年的大市场
3. 国产芯片的窗口：87.9% 的需求增速 + 国产化政策，为国产芯片提供了史上最友好的放量窗口——昆仑芯「供不应求」会否复制到更多厂商，看 2027 年交付

延伸阅读：超节点放量元年 · 存储超级周期 · 完整对比表

10 月 21 日，DeepSeek 把支撑自家生产服务的推理框架 DeepInfer 全面开源（Apache 2.0）。权重开放是上一阶段的国产 AI 叙事，这一步把「推理运行时」也交了出去——同一套框架跨英伟达与昇腾部署。

一、DeepInfer 技术栈​

组件	内容
目标模型	DeepSeek-V4.1-Flash（生产同款）
硬件底座	NVIDIA SM100 + 华为昇腾 950 双底座
核心内核	FlashMLA、DeepGEMM、DeepEP、TileKernels
调度	异步零开销批调度、MoE 专家并行、注意力 DP、均衡 CP
采样	批量不变/确定性采样（暂限英伟达）
特性	推测解码、SWA Bounded Replay、结构化输出约束
基准	4 卡 SM100 Prefill / 64 卡 Decode 复现脚本随包发布

上线一天 GitHub Star 破 1.2 万。注意它是离线推理框架：KV Cache 系统、Prefill/Decode 分离、副本间负载均衡等压箱底组件未开源——开源的是可复现的生产方法论，不是全部护城河。

二、为什么「双底座」比开源本身更重要​

DeepInfer 对英伟达 SM100 与昇腾 950 的同时适配，是国产推理栈的一个分水岭：

1. 迁移成本降维：昇腾侧的适配不再依赖华为单方面推动，头部模型厂商自己的运行时成为「跨硬件抽象层」
2. 推理侧议价结构改变：当同一框架可以跑在两种硬件上，「换底座」的工程成本从数月缩到数周——呼应 TorchTPU/TorchNeuron 的全球趋势：软件栈中立正在成为所有阵营的共识武器
3. 国产芯片的生态新路径：与其等 CUDA 兼容，不如等头部模型框架原生适配——昇腾 950 获得的不是兼容层，而是一线生产验证

三、与 DeepInfer 同日的开源生态​

• llm-d 1.0（谷歌云+Red Hat+IBM）：Kubernetes 推理编排，把多个 vLLM/SGLang 实例池化
• TorchNeuron/TorchTPU：硬件后端原生开放

一个共同方向正在成形：推理栈的每一层（硬件后端、内核、框架、编排）都在独立开源，专有锁定只剩硬件本身——而硬件的差异化正快速集中到成本与能效上。

延伸阅读：昇腾 950PR 卡片 · 完整对比表

10 月 6 日，华为全联接（HC）大会期间，轮值董事长徐直军与海思首席科学家廖恒面对记者给出两个重磅判断：其一，按华为可统计口径，昇腾在中国市场的份额已经超过英伟达；其二，昇腾当前的主要约束不再是需求，而是供给——「现在能产多少就供多少」。

950 系列供货时间线（官方口径）​

型号	状态	官方口径
昇腾 950PR	2026 Q1 发布并上市	面向推理（Prefill）场景，徐直军称「上市量不算大」
昇腾 950DT	测试中	超节点（训练用）规模供货 2026 年底或 2027 年初

与 8 月「华为云上线」的节奏相比，这次口径把物理超节点形态的规模供货明确放到了 2026 年底至 2027 年初。徐直军同时给出一个重要信号：与各模型厂商的联合测试「训练表现非常不错」，预计 2027 年起大量模型训练将构筑在 950DT 超节点上——如果兑现，2027 年将是国产算力首次承担前沿模型训练主负载的年份。

份额判断的证据边界​

「昇腾份额超英伟达」这个说法需要谨慎引用：徐直军自己承认中国市场统计英伟达份额很难，结论来自「华为能够统计到的数据」，华为未公布支撑该判断的出货或营收数字。第三方可引用的旁证包括路透社 9 月的报道与 IDC 2026 上半年中国 AI 服务器份额数据（英伟达 34%、华为 28%），以及出口管制后英伟达「中国数据中心收入不再纳入展望」的财报事实。合理的表述是：在高端 AI 加速卡的可获得性维度，昇腾已事实性成为中国市场主力供给。

三条供给约束​

徐直军「能产多少供多少」的背后，是三层产能天花板：

1. 先进制程晶圆产能：余承东同日确认国内先进产能跟不上需求——昇腾芯片与 Mate90 系列的逻辑堆叠硅片共享同一产能池，手机与 AI 加速卡在抢同一批晶圆。
2. HBM 内存：摩根士丹利最新报告认为 DRAM 短缺将贯穿整个 AI 周期，连 NVIDIA 都被迫在 Rubin 平台上做减配（机架 LPDDR5 从规划的 54TB 砍到 28TB），昇腾的供应链同样躲不开挤压。
3. 互联部件：NPO 光引擎等新部件在国内供应链的量产成熟度仍需时间。

Peerium 架构：用系统换制程​

同一场合，华为首次系统阐述了 Peerium 计算架构与灵衢（UnifiedBus）总线：让 CPU、NPU、内存与存储在统一协议下组成一台「逻辑计算机」，目标支持百万颗处理器规模。徐直军不回避制程差距——单芯片性能受国内制造限制，但多芯片互连与系统架构是华为自己的路线。华为正在部署和测试 25.6 万张卡规模的 Atlas 950 SuperPoD。

这与 NVIDIA 的路线形成鲜明对照：Rubin 用最新制程堆单卡性能，昇腾用架构补制程差。两条路线孰优，2027 年 950DT 超节点上跑出来的前沿模型训练成绩会给出第一个可验证的答案。

相关阅读​

• 昇腾 950DT 芯片卡片
• 昇腾 950PR 芯片卡片
• 昇腾 960 芯片卡片

10 月 8 日，壁仞科技官方披露：新一代 AI 芯片 BR20X 成功点亮并完成启动测试，正式进入流片后验证阶段，研发进度快于此前预期。同步公布的还有一笔 40.40 亿港元的配售募资——70% 直接投向新一代产品的供应链采购与产能准备。

BR20X：官方口径与边界​

壁仞此次披露的信息边界很清晰：

项目	官方口径
架构	自研指令集、自研计算核心 + Chiplet 架构
数据格式	重点增强 FP8、FP4 原生支持
互联	自研 BLink 2.0，规划最高 1,024 卡 Scale-up 集群
状态	2026-10-08 点亮，流片后验证阶段
下一步	未来数个季度启动送样及量产（待验证认证）

注意两个边界：点亮不等于性能验证完成，更不等于量产良率确认；壁仞尚未公布任何算力、显存或功耗参数，任何具体性能对比都属推测。

40 亿港元募资投向量产​

配售计划：以每股 31.08 港元配售 1.3 亿股新 H 股，募资总额约 40.40 亿港元（净额约 40.20 亿）。其中约 70% 用于新一代产品供应链采购、产能准备及商业化落地，其余用于研发、软件生态升级与营运资金（配售尚需审批）。

这个资金投向透露了行业逻辑的变化：壁仞在公告里明确说，客户需求正「从单颗 GPU 转向集成互连、网络、存储和冷却系统的超节点及机架级算力方案」。国产 GPU 厂商的资本开支已经从「流片钱」转向「产能钱」——先进封装、HBM 采购、整机柜交付能力的投入，比流片本身更烧钱。

四小龙的下一代时间表​

把壁仞放回国产 GPU 第一梯队的坐标系（各家披露口径）：

厂商	下一代产品	关键节点	重点方向
壁仞	BR20X	已点亮，未来数季度送样量产	FP8/FP4 原生，BLink 2.0 千卡 Scale-up
沐曦	曦云 C700	2026 下半年流片、2027 下半年量产	新增 FP4，万卡互连
摩尔线程	华山（AI）/ 庐山（图形）	2026 年内量产 / 上市	第五代花港架构
燧原	第五代云端 AI 芯片	2027 年发布	FP4、跨模态生成

时间表高度收敛：2026 下半年流片或点亮，2027 年量产。2026 年的市场仍由现有量产型号（昇腾 910C、思元690、MTT S5000、曦云 C600）承载，2027 年才是新一代国产高端 GPU 真正可评估的年份。

同周的佐证：工博会上的超节点转向​

10 月 12 日开幕的上海工博会首设「国芯展」，几乎所有主流 AI 芯片企业都把展示重心从单卡换成超节点：天数智芯展出天垓300 IXL144（单机柜 144 颗 GPU）、沐曦展出曦景 S600（单机柜 64 卡全互连）、燧原与中兴合作展出云燧 ESL64-O。壁仞 BLink 2.0 规划的 1,024 卡 Scale-up，瞄准的正是同一个市场。

对采购方的建议是：2026 年内的国产卡选型仍以「现有量产型号 + 超节点方案」为准；BR20X 等新一代产品在官方公布实测数据与量产良率之前，只做技术跟踪、不做采购承诺。

相关阅读​

• 壁仞 BR20X 芯片卡片
• 壁仞 BR104 芯片卡片
• 摩尔线程 MTT S5000 芯片卡片

10 月 12 日，第二十六届中国国际工业博览会在上海开幕，首次独立设置集成电路展（国芯展），300 余家芯片企业参展。逛完展区最直观的感受是：几乎所有主流 AI 芯片企业都把展示重心从芯片、加速卡转移到了「超节点」——外形像发光衣柜的机柜级系统，正在成为 AI 时代的水电煤。

需求侧：算力增速 87.9% 的背景板​

IDC 报告给出了超节点热度的注脚：2026 年中国智能算力规模预计达 2,576.5 EFLOPS，同比增长 87.9%。随着大模型与智能体（Agent）加速投入生产，推理算力接替训练成为新增长极，而推理对「多卡协同效率」的敏感度远高于单卡峰值算力——这正是超节点的用武之地。

展会上的超节点图谱​

厂商	方案	关键规格（公司口径）
天数智芯	天垓300 IXL144	单机柜 144 颗 GPU + 18 颗 CPU，约 10.1TB 显存，业界最高密度单机柜 GPU 超节点
沐曦	曦景 S600	单机柜 64 卡全互连，支持横向扩展至万卡规模
燧原	云燧 ESL64-O（与中兴通讯合作）	正交架构、高密集成、零线缆设计，支撑万卡级以上集群组网
东方算芯	慧算 HS256	双机柜 8 台液冷服务器，单超节点 33 PFLOPS（FP16），年底交付千卡级集群

天垓300 IXL144 的思路值得单独说：它跳出单一芯片性能比拼，采用适配行业通用标准的单机柜形态，在现有机房条件下即可部署，支持一次规划、弹性分步扩容。天数智芯测算每百万有效 Token 成本较国际主流方案下降约 40%（公司口径，无第三方验证）。天垓系列已实现万卡级商业部署，覆盖 30 余个行业、380 余家客户。

沐曦还有个奖项之外的产品线值得记录：曦索 X302 科学智能 GPU 获 2026 国芯展创新成果奖，搭载 MetaXLink 支持 128 卡超节点低时延组网，面向气象海洋、流体力学、分子动力学等 AI4S 场景——国产 GPU 正在把「科学计算」作为差异化战场。

超节点不是造个机柜​

工博会现场传递的工程现实是：超节点是系统工程，比拼的是系统经济效能——互连时延、故障自愈、CheckPoint 秒级保存、异构混训、算电协同。研报口径下，传统 8 卡服务器集群 MFU 约 30%，而 4,096 卡超节点集群的 MFU 可提升 2.75 倍。MFU（模型算力利用率）每提高一个百分点，等于同样的电费多产出一份 Token——这才是超节点竞赛的本质。

采购视角的两个提醒​

1. 「单机柜 144 卡」的可比性：不同厂商的卡性能、互连带宽、显存容量差异巨大，比较超节点要看整机柜的 FP8/FP4 总算力、总显存与互连拓扑，不能只数卡数。
2. 公司口径与实测口径：本表规格均来自各公司发布口径，采购评估应要求 PoC 实测 MFU 与单位 Token 成本。

相关阅读​

• 天数智芯天垓300 芯片卡片
• 沐曦 C600 芯片卡片
• 华为昇腾 950DT 芯片卡片

2026 年是 AI 加速芯片竞争分水岭式的一年。一边是 NVIDIA 用 Blackwell 产能与 Rubin 首发把「训练算力」的标尺再抬高一截，另一边是中国本土供应链在出口管制常态化下，把「可用」加速推向「好用」——昇腾 960 超节点、寒武纪思元 690、摩尔线程 MTT S5000、阿里真武 V900 等产品密集落地。本文用同一把尺子，把国产与国际主力芯片放到一张桌子上对比。

一、为什么说 2026 是分水岭​

• 出口管制进入稳态：美国对高端训练卡的禁运已不是新闻，而是采购决策的默认前提。国产芯片的「替代」叙事从口号转为规模部署。
• 国产份额跨越临界点：据 Counterpoint 口径，中国 AI 芯片市场国产化率从 2022 年近乎为零，升至 2025 年的约 41%，其中昇腾占国产份额约 62%。这意味着「国产 vs 国际」不再是技术爱好者话题，而是采购刚需。
• 代际差距收窄但仍在：纸面算力上，旗舰国产卡（昇腾 910C 128GB、思元 690 196GB）在显存容量上已不输同代国际卡；但在单卡稠密算力、软件生态与集群扩展效率上，仍有一代左右的差距。

本文对比维度固定为五类可比指标：算力（FP16 稀疏口径，与站内科普一致）、显存容量与带宽、功耗与能效、制程、价格。所有数字取自本站已校验芯片数据库（252 款）与价格库（报价截至 2026-10），官方未公开的一律标注「未公布」，不作推测填充。

二、国产 AI 芯片进展​

2.1 华为昇腾：从 910C 到 960 的三级跳​

型号	架构	制程	显存	显存带宽	FP16（稀疏）	TDP	状态
昇腾 910B	Da Vinci	TSMC 7nm+（含 SMIC 国产化）	64GB HBM2e	600 GB/s	320 TFLOPS	310W	量产中
昇腾 910C	Da Vinci（双 die）	中芯国际 7nm N+2	128GB HBM2e	3.2 TB/s	800 TFLOPS	600W	规模部署
昇腾 950PR	Da Vinci v5	中芯 N+3（等效 5nm 级）	128GB HiBL 1.0	未公布	486 TFLOPS	600W	已上市
昇腾 950DT	Da Vinci v5	中芯 N+2	144GB	4 TB/s	547 TFLOPS	500W	2026 Q4 量产
昇腾 960DT	全新 SIMD/SIMT	未公布	288GB	9.6 TB/s	未公布	未公布	2027 Q1
昇腾 960PR	全新 SIMD/SIMT	未公布	192GB	2.4 TB/s	未公布	未公布	2027 Q3

昇腾 910C 是当前国产训练主力，CloudMatrix 384 超节点已用于 DeepSeek 等大模型训练验证。950 系列在 2026 年 HC 大会官宣：950PR 渠道报价已超 ¥8 万（年初约 ¥6 万），950DT 超 ¥25 万（较 7 月上涨 20%~50%），HBM 供给挤压是涨价主因。960 超节点公布 NPO Hi-ONE 引擎、4096 卡规模与 99.8% 可用度目标，其中 960DT 主攻训练（FP4 4 PFLOPS）、960PR 主攻推理（FP4 8 PFLOPS），是 2027 年的旗舰预期。

2.2 寒武纪思元 690：纸面规格天花板​

思元 690 采用双 die Chiplet 设计与 MLUarch 4.0 架构，中芯国际 N+2 制程、196GB HBM3、3.35 TB/s 带宽、FP16 700 TFLOPS、TDP 500W。其显存容量与带宽已对齐 H100 SXM 级别，是国产卡中少数在纸面规格上逼近国际旗舰的产品。2026 年 9 月受 HBM 供给挤压，官方指导价 ¥19 万、市场均价约 ¥17.5 万，较两月前上调 20%~30%，客户含字节、阿里、百度。

2.3 其他国产厂商​

厂商 / 型号	架构	制程	显存	FP16（稀疏）	TDP	备注
天数智芯 天垓 300	SIMT 通用计算	7nm	144GB HBM3E	超 1,000 TFLOPS	600W	2026-07 WAIC 发布，对标 Hopper
天数智芯 天垓 150	ivcore11	TSMC 7nm	64GB HBM2e	192 TFLOPS	350W	通用 GPU，兼容 CUDA 生态
燧原 云燧 T21	GCU-CARA 2.0	格罗方德 12nm	64GB HBM2E	134.4 TFLOPS	未公布	邃思 2.0，训推一体
百度 昆仑芯 R200	XPU-R	7nm	16/32GB GDDR6	128 TFLOPS	150W	低功耗推理向
摩尔线程 MTT S5000	MUSA 4（平湖）	TSMC 6nm	80GB	400 TFLOPS（BF16）	500W	全功能 GPU，渠道价 ¥7.5 万
阿里 真武 V900	平头哥 PPU	未公布	216GB	未公布	未公布	2026-09 云栖发布，2027 Q1 量产

注：燧原 T21 的 TDP 官方未公布，本站不作推测；摩尔线程、燧原等卡的 FP8/FP4 精度多数官方未单列，表中以 BF16/FP16 口径统一呈现。天数智芯「智铠」系列未见公开采购确认，暂未纳入主表。

三、国际 AI 芯片进展​

3.1 NVIDIA：Blackwell 量产 + Rubin 首发​

型号	架构	制程	显存	带宽	FP16（稀疏）	TDP	状态
H100 SXM	Hopper	TSMC 4N	80GB HBM3	3.35 TB/s	1,979 TFLOPS	700W	上代主力
H200 SXM	Hopper（refresh）	TSMC 4N	141GB HBM3e	4.8 TB/s	1,979 TFLOPS	700W	大显存主力
B200	Blackwell（双 die）	TSMC 4NP	192GB HBM3e	8 TB/s	5 PFLOPS	1000W	2025 起量产
GB300	Grace Blackwell Ultra	TSMC 4NP	576GB HBM3e（超节点口径）	16 TB/s	10 PFLOPS（双芯）	3000W	超节点主力
Rubin R200	Rubin	台积电 3nm	288GB HBM4	19.2 TB/s	4 PFLOPS	1800W	2026 H2 已规模出货

NVIDIA 在 2026 年的核心叙事是交付：Vera Rubin NVL72 下半年持续放量，MLPerf Inference v6.1 首秀（Qwen3-VL 较 GB300 最高 3.7 倍）。Rubin R200 官方 FP4 达 50 PFLOPS（稀疏），是本代出货主力；N1X PC 处理器秋季上市，把战场延伸到消费级。

3.2 AMD：MI300X/MI325X 守基本盘，MI455X 冲机架​

MI300X（192GB HBM3 / 5.3 TB/s / 1,307 TFLOPS）与 MI325X（256GB HBM3e / 6.48 TB/s）提供高显存性价比；真正的增量在 Helios 机架（72× MI455X，432GB HBM4 每卡、23.3 TB/s、FP4 40.3 PFLOPS、计算芯粒 TSMC 2nm），绑定 OpenAI 6GW、Meta 6GW 部署。MI450 为其母型号，量产节点排在 2027 年 Q2。

3.3 Intel 与 Google​

• Intel Gaudi 3：TSMC 5nm、128GB HBM2e、3.67 TB/s、BF16 矩阵算力 1,835 TFLOPS、TDP 900W，24× 200GbE RDMA 集成网卡，以太网组网直接对标 NVL72。Gaudi 3 之后 Intel 路线转向 Crescent Island（推理）与 Jaguar Shores（2027），Falcon Shores 已取消。
• Google TPU v6（Trillium）：v6e（32GB / 918 TFLOPS / 200W）与 v6p（96GB HBM2 / 1,350 TFLOPS / 450W）同代，TSMC 5nm，仅通过 Google Cloud 按小时计费。第七代 Ironwood 已把 HBM 容量推到 192GB、带宽 7.38 TB/s。

3.4 其他赛道​

Cerebras 已于 2026-08 发布机架级 CS-4（3× WSE-3 Turbo，750 PFLOPS），需要注意的是 CS-4 并未采用新一代晶圆，硅片与 CS-3 完全相同；SambaNova SN40L 以三层内存架构服务稀疏场景；Graphcore 已被 SoftBank 收购并退出中国市场。

四、关键指标对比（核心）​

方法学：FP16 统一采用稀疏（sparse）口径，与站内科普及首页热门芯片一致；价格为 pricing.json 市场报价（国际 USD、国产 CNY，截至 2026-10）；「未公布」表示官方未披露、本站不作推测填充。

4.1 算力对比（FP16 稀疏）​

芯片	FP16（稀疏）	FP8 / FP4 备注	架构
国产
天垓 300	超 1,000 TFLOPS	支持 FP4 / FP8	SIMT
昇腾 910C	800 TFLOPS	FP8 1.5 PFLOPS	Da Vinci 双 die
思元 690	700 TFLOPS	FP8 约 1.4 PFLOPS	MLUarch 4.0
昇腾 950DT	547 TFLOPS	FP4 2 PFLOPS	Da Vinci v5
摩尔线程 MTT S5000	400 TFLOPS（BF16）	FP8 约 1 PFLOPS 稠密	MUSA 4
天垓 150	192 TFLOPS	384 TOPS INT8	ivcore11
云燧 T21	134.4 TFLOPS	未公布	GCU-CARA 2.0
昆仑芯 R200	128 TFLOPS	256 TOPS INT8	XPU-R
国际
GB300（双芯）	10 PFLOPS	FP4 40 PFLOPS	Grace Blackwell Ultra
MI455X	10.1 PFLOPS	FP4 40.3 PFLOPS	CDNA 5
B200	5 PFLOPS	FP4 20 PFLOPS	Blackwell
Rubin R200	4 PFLOPS	FP4 50 PFLOPS	Rubin
Gaudi 3	1,835 TFLOPS（BF16 矩阵）	FP8 1,835 TFLOPS	Gaudi 3
H100 SXM	1,979 TFLOPS	FP8 3,958 TFLOPS	Hopper
H200 SXM	1,979 TFLOPS	FP8 3,958 TFLOPS	Hopper
TPU v6p	1,350 TFLOPS	FP8 2,700 TFLOPS	TPU v6
MI300X	1,307 TFLOPS	未单列	CDNA 3
MI325X	1,307 TFLOPS	未单列	CDNA 3

读图：单卡 FP16 上，B200/GB300 把国产旗舰甩开约 5~6 倍；但昇腾 910C（800）已接近 H100 的 40%，思元 690（700）紧随，天垓 300（超 1,000）已进入国际旗舰区间。差距从「数量级」收敛到「一代」。

4.2 显存与带宽对比​

芯片	显存	类型	带宽
昇腾 960DT	288GB	HBM	9.6 TB/s
MI325X	256GB	HBM3e	6.48 TB/s
阿里真武 V900	216GB	未公布	未公布
思元 690	196GB	HBM3	3.35 TB/s
B200	192GB	HBM3e	8 TB/s
MI300X	192GB	HBM3	5.3 TB/s
H200	141GB	HBM3e	4.8 TB/s
H100	80GB	HBM3	3.35 TB/s

读图：国产旗舰在显存容量上已经反超——思元 690 的 196GB、昇腾 960DT 的 288GB、真武 V900 的 216GB 都高于 H100/H200。但带宽上，只有昇腾 960DT（9.6 TB/s）与 B200（8 TB/s）进入同一梯队，HBM3e/HBM4 代差是关键。

4.3 功耗与能效对比​

芯片	TDP	FP16/W（稀疏能效）
昇腾 910C	600W	1.33 TFLOPS/W
思元 690	500W	1.40 TFLOPS/W
天垓 150	350W	0.55 TFLOPS/W
H100	700W	2.83 TFLOPS/W
B200	1000W	5.0 TFLOPS/W
MI300X	750W	1.74 TFLOPS/W
TPU v6e	200W	4.59 TFLOPS/W

读图：能效是国产最明显的短板。H100 的 2.83 TFLOPS/W 约为昇腾 910C 的 2.1 倍，B200 更是 3.8 倍。低功耗端 TPU v6e（200W / 4.59）与昆仑芯 R200（150W）代表「每瓦算力」的另一条路线。

4.4 制程对比​

厂商	代表芯片	制程	晶体管
华为	910C	中芯 7nm N+2	未公布
寒武纪	思元 690	中芯 N+2（5nm 级）	未公布
NVIDIA	H100 / B200	TSMC 4N / 4NP	800 亿 / 2080 亿
AMD	MI300X	TSMC 5+6nm 混合	1530 亿
AMD	MI455X	TSMC 2nm（计算芯粒）+ 3nm	未公布

读图：制程代差是结构性差距的根源。国产主力仍停留在 7nm 级，而国际旗舰已进入 2nm 计算芯粒时代。这是单卡算力差距的物理下限。

4.5 价格对比（市场报价，2026-10）​

芯片	价格	币种	口径
H100	$28,000	USD	市场均价
H200	$38,000	USD	市场均价
B200	$42,000	USD	市场均价
GB200	$62,000	USD	市场均价
MI300X	$13,500	USD	市场均价
MI325X	$16,500	USD	市场均价
Gaudi 3	$16,500	USD	市场均价
TPU v6e	$22,000	USD	Cloud 仅按小时
昇腾 910C	¥110,000	CNY	2026-09 渠道（年初约 ¥9 万，+22%）
昇腾 950PR	¥80,000	CNY	2026-09 渠道（年初约 ¥6 万，+30%）
昇腾 950DT	¥250,000	CNY	2026-09 渠道（较 7 月 +20~50%）
思元 690	¥175,000	CNY	2026-09 渠道（官方指导价 ¥19 万）
MTT S5000	¥75,000	CNY	渠道估算

读图：按汇率约 7.2 折算，昇腾 910C（约 $15.3k）与 H100（$28k）价差显著但算力仅其 40%，单位算力成本仍偏高；思元 690（约 $24.3k）价格接近 H100 但显存翻倍。HBM 短缺推高国产报价，是 2026 下半年的一致趋势。

五、生态对比​

厂商	软件栈	框架支持	迁移难度	特点
NVIDIA	CUDA + cuDNN	全支持	—	算子覆盖约 100%，生态壁垒
AMD	ROCm	主流支持	中	覆盖约 90%，持续补齐
华为	CANN	主流支持	中	覆盖约 80%，昇思 MindSpore
寒武纪	NeuWare	主流支持	中	覆盖约 75%~85%
天数智芯	IXUCA	主流支持	低（兼容 CUDA）	CUDA 兼容路线
燧原	DTU Toolkit	部分支持	高	覆盖约 60%
百度昆仑	XREA / 飞桨	主流支持	低（飞桨原生）	与 Paddle 深度绑定

关键判断：生态差距比硬件差距更难追。CUDA 的长期积累使 NVIDIA 在算子覆盖、工具链、开发者社区上仍具压倒性优势；国产路线分两派——华为/寒武纪自建栈，天数智芯/摩尔线程走 CUDA 兼容以降低迁移成本。

六、市场表现​

6.1 出货量（2026 预估）​

厂商	2026 出货（万颗）	同比	主要客户
NVIDIA（全球）	150–200	+30%	全球科技巨头
华为（昇腾）	20–30	+100%	政府、国企、科技公司
寒武纪（MLU）	10–15	+150%	字节、阿里、百度
AMD（全球）	30–40	+80%	Meta、微软等
其他国产	10–20	+200%	各类 AI 公司

6.2 中国市场份额​

类型	2024	2026（预估）	趋势
国际（NVIDIA/AMD）	约 80%	约 40%	大幅下降
国产（华为/寒武纪等）	约 20%	约 60%	快速提升

6.3 客户与部署​

• 字节跳动 / 阿里 / 百度：寒武纪思元、昇腾 910C 双线采购；
• 腾讯：昇腾 910C 为主，探索其他国产；
• 智算中心：多家国产芯片混合部署，国产化率成硬指标；
• 超大规模云：NVIDIA 仍主导海外训练，但国内云厂商国产占比快速抬升。

七、未来展望（2027）​

阵营	产品	时间	状态
华为	昇腾 960DT / 960PR	2027 Q1 / Q3	已官宣
华为	昇腾 970	2028	已官宣
NVIDIA	Rubin Ultra	2027	已公布
AMD	MI450 / MI500	2027 Q2 起	已公布
Intel	Jaguar Shores	2027+	已公布
AWS	Trainium4	2027	已公布（FP4 为 Trainium3 的 6 倍以上）
寒武纪	思元 790	2027	未公布

差距判断（2027 预期）：

• 算力：从落后 40%~50% 收窄至 30%~40%；
• 显存：从落后 20%~30% 收窄至 10%~20%，部分型号已反超；
• 制程：从落后 1~2 代收窄至约 1 代；
• 生态：从落后 35 年收窄至 23 年。

八、结论与选型建议​

核心观点：

1. 2026 年国产与国际旗舰的差距从「代际」缩小到「一代」，显存容量局部反超；
2. 单卡稠密算力、能效、制程仍是结构性短板，集群扩展与软件生态是最大变量；
3. 国产化率快速攀升（2025 约 41%），采购从「尝鲜」变「刚需」；
4. 出口管制常态化下，国产替代已从政策驱动转为市场驱动。

给不同角色的建议：

• 企业采购：训练为主且合规无碍，选 NVIDIA B200/GB300/Rubin；国产化硬指标，选昇腾 910C/950DT 混合部署；推理高密度，关注昆仑芯 R200 与 TPU v6e。
• 开发者：优先 CUDA 保泛用性；若锁定国产，选 CUDA 兼容栈（天数智芯/摩尔线程）降低迁移成本。
• 投资者：关注 HBM 供给、国产先进制程良率，以及昇腾/寒武纪的客单与份额变化。
• 政策制定者：延续对先进制程、HBM、EDA 的投入，缩短生态差距比单点算力更关键。

---

数据来源与方法：本文全部性能与价格取自 MirrorFrog 已校验芯片数据库（chips.json，252 款）与价格库（pricing.json，报价截至 2026-10），数据核对日期 2026-10-13。FP16 统一稀疏口径；官方未公开字段以「未公布」标注，不作占位填充。文中 Rubin R200 带宽（19.2 TB/s）与 TDP（1800W）、Gaudi 3 算力（BF16 矩阵 1,835 TFLOPS）、昇腾 950 系列制程与报价等，均为 2026-10 核对后的修正值。

延伸阅读：完整芯片对比表、交互式对比工具、NVIDIA H100 规格卡、华为昇腾 910C 规格卡、寒武纪思元 690 规格卡。

截至 2026 年 10 月，国产 AI 芯片的资本化进程已经进入第二阶段：不再是「谁能上市」，而是「上市后多久就要再融资」。壁仞科技 10 月 8 日宣布的配售，是这一轮融资节奏中最新的一个样本。

壁仞科技：上市十个月，三次融资​

壁仞科技于 2026 年 1 月 2 日在港交所上市，发行价 19.60 港元，募资净额约 62.04 亿港元，成为港股「国产 GPU 第一股」，当时计划将 85% 募集资金投向 GPGPU 芯片及相关软硬件平台研发，仅 5% 投向产品商业化。

此后节奏明显加快。7 月按每股 46.20 港元配售 1.53 亿股新 H 股，募资净额约 70.4 亿港元。10 月 8 日公司再公告，按每股 31.08 港元向不少于 6 名承配人配售 1.3 亿股新 H 股，所得款项总额约 40.4 亿港元，净额约 40.2 亿港元，占已发行 H 股约 9.54%、扩大后总股本约 4.76%，中金香港证券与 UBS 香港担任配售代理。

轮次	时间	每股配售价	募资净额	主要用途
港股 IPO	2026 年 1 月	19.60 港元（发行价）	约 62.0 亿港元	研发为主，商业化占 5%
第一次配售	2026 年 7 月	46.20 港元	约 70.4 亿港元	研发、下一代产品商业化及生产
第二次配售	2026 年 10 月	31.08 港元	约 40.2 亿港元	七成用于供应链采购与产能预留

本次配售价较 10 月 7 日收市价 34.44 港元折让约 9.76%，较前五个交易日平均收市价 36.03 港元折让约 13.73%。公告当日公司股价大跌 11.85%，收于 30.36 港元，总市值约 789.38 亿港元。上市以来累计募资约 172.61 亿港元，居国产 GPU 上市公司首位。

配售用途的重新分配最能说明行业重心迁移：本次净额中约 70% 用于新一代产品的战略供应链采购、生产准备及商业化，20% 用于提升研发能力与软件生态，10% 用于营运资金。上市之初以研发为主导，如今供应链与量产准备成为第一优先级。

「爆单」与盈利拐点​

资本动作背后是基本面拐点。2026 年上半年，七家国产算力相关公司收入接近翻倍，多家半年收入已超过去年全年——海光信息以 90.99 亿元营收居首，同比增长 66.52%；摩尔线程上半年收入 17.36 亿元；壁仞、燧原的半年收入同样超过去年全年。

利润表分化明显：海光信息与寒武纪已进入规模化主营盈利阶段，上半年归母净利润分别为 17.98 亿元和 23.11 亿元；摩尔线程归母净亏损收窄至 1156 万元；沐曦、天数智芯报表扭亏；壁仞、燧原收入快速起量但仍处投入期。壁仞科技上半年毛利 5.27 亿元，同比增长 2708.5%，毛利率提升至 42.7%，较上年同期增加约 10.8 个百分点，期内亏损 3.77 亿元，同比收窄 76.4%，研发开支 8.04 亿元，同比增长 40.7%。

值得注意的是，国产芯片放量并未陷入低价换市场：寒武纪、海光、摩尔线程、沐曦毛利率均维持在 55% 以上，说明供需偏紧格局下国产芯片仍保有议价能力。

推理成为第二入口​

需求结构的变化在收入明细里看得最清楚。天数智芯上半年推理系列收入 6.54 亿元，同比增长 651.8%，已超过训练系列的 2.62 亿元，并接近 2025 年全年推理收入的两倍。随着搜索、推荐、智能客服、智能体等应用放量，推理正成为更稳定、更高频的算力消耗。

商业化形态也在升级，从「卖一张卡」走向「交付一套系统」。寒武纪云端产品线收入占比 99.98%；海光 DCU 完成 400 余款主流大模型适配；摩尔线程夸娥智算集群已在北京、无锡、杭州等地部署，并获京东云万卡级订单；沐曦提出「1+6+X」生态战略；壁仞科技联合产业链伙伴实现数千卡规模的光互连超节点部署。

新产品与政策窗口​

壁仞科技在 10 月公告中同步披露，新一代产品 BR20X 已成功点亮，完成启动测试并进入流片后验证阶段，进度快于此前配售时的预期，正与客户就新一代产品部署进行接洽并制定大规模生产计划。按产业节奏，新产品有望于 2026 年第四季度进入回片验证及送测，2027 年实现规模化部署。这也是公司称需要提前采购并预留产能的直接原因。

政策层面，工信部「十五五」规划明确，到 2030 年我国智能算力规模较 2025 年增长超 5 倍，有序部署万卡、十万卡及以上智算集群，并加大力度适配国产算力芯片。

研判​

国产 AI 芯片的竞争已经从「能不能做出来」转入「能不能按期量产交付」。上市后立即再融资的普遍节奏，本质上是因为流片、验证、送样、产能预留是一条无法压缩的资金链条——壁仞把七成募资投向供应链采购，说明行业已经默认量产节奏比技术指标更能决定胜负。

三点值得关注。第一，配售折价幅度正在扩大（本次较前五日均价折让约 13.73%，且股价单日跌近 12%），说明二级市场对「再融资摊薄」的容忍度在降低，估值定价逻辑正从稀缺性转向交付能力。第二，推理收入占比快速上升会重塑产品结构，低功耗高吞吐的推理卡与训练卡的资源错配可能比算力绝对不足更早出现。第三，从 2026 年第四季度的送测节点看，接下来两个季度的关键验证点不是财报，而是各家新产品能否真正进入客户产线——这才是国产替代叙事能否兑现的硬指标。

2026 年四季度，国产卡与进口卡的对比已经不能只看「单卡算力差多少」。三条硬约束同时收紧：政策红线（7 月 15 日七部委行动方案要求新增财政与央企自建算力国产硬件采购占比不低于 75%，9 月 1 日生效无过渡期）、价格双向上涨（国产卡在涨，进口卡配额在涨）、生态差距量化（WAIC 2026 演示中国产昇腾与同配置英伟达差距约 15% 至 25%）。这是一篇给决策者用的决策树，不是参数对比表。

---

一、先看两个真实报价趋势​

国产侧在涨价。 路透社与彭博社在 2026 年 10 月报道，华为将昇腾 950DT 加速卡指示性报价上调至 25 万元以上，较约两个月前的报价高出 20% 至 50%；彭博称三个月内涨约 60% 至同一水平，有消息人士称该报价是对标英伟达 B200 的多卡交易。老款也不豁免：昇腾 950PR 从年初约 6 万元涨至 8 万元以上，昇腾 910C 从约 9 万元涨至 11 万元以上。寒武纪下一代（暂称 690）报价上调 20% 至 30%，沐曦与燧原也有类似动作。根因是 HBM 供应集中，国产厂商不得不更多依赖成本更高的灰色渠道。

进口侧配额放松但落地存疑。 据报道北京已原则批准 DeepSeek、字节、阿里、腾讯采购 H200，累计超 40 万颗，但条件严格到「实际一单都没下」——英伟达 CEO 黄仁勋已亲口确认没有正式订单。

这两条趋势合起来的判断：四季度是国产卡的窗口期，但不是捡漏窗口期。 国产卡在涨是因为需求真实，不是因为供给变宽裕。

二、决策树：四个问题，四个出口​

问题一：你的负载有合规红线吗？​

若有（政务、央企、金融、医疗数据）——国产卡是必选项，不是选项。 政策要求新增财政与央企自建算力国产硬件采购占比不低于 75%，且无过渡期。此时决策树直接终止在国产分支，后续三个问题只在国产卡内部做型号选择。

若没有——继续。

问题二：你的模型栈是纯国产开源，还是重度依赖海外闭源？​

若你的模型栈以 Qwen、DeepSeek、GLM 等国产开源模型为主，国产卡的适配红利非常明确。昇腾走「全栈共定义」路线，DeepSeek V4 的训练即在昇腾上完成；寒武纪走「生态白手套」路线，把 vLLM 适配做深且 Flash 与 Pro 双开源。这类栈在国产卡上的迁移成本最低。

若你的核心负载重度依赖海外闭源模型或特定算子实现——继续评估，不要勉强。 需要提醒的是，公开分析提到 V4 上国芯曾需要重写约 200 个算子、投入约 30 人年才把性能从 1/35 追回来。这不是小工程。

问题三：你的负载是 decode 受限还是 prefill 受限？​

这是国产卡四季度最有价值的一个判据。昇腾 950 系列的双 die 分工正是围绕这一点设计：950PR（128GB HBM、约 1.6 TB/s）主打推理与 prefill，950DT（144GB 自研 HBM、4 TB/s 带宽、2 TB/s 互连）主打训练与 decode。

如果你的负载是 49B 激活量级的大模型 decode 路径（内存带宽受限），950DT 的 4 TB/s 是国产阵营里最合适的物理答案。 反之，如果是 prefill 密集或小模型高并发，950PR 或寒武纪 MLU690（192GB HBM3E，国产卡中最大显存配置）更匹配。

问题四：你能接受多长的交期和多少的性能折损？​

公开口径的性能差距是：昇腾与同配置英伟达在主流中国模型上差距约 15% 至 25%（WAIC 2026 演示）；第三方评测的推理吞吐对比中，2 卡昇腾 910C 约为 2 卡 H100 的 82%；训练吞吐口径下昇腾 910C 约为 H100 的 79%。同时要注意功耗代价：SMIC 7nm 级工艺的能效劣势使 Atlas 950 SuperPoD 的整机功耗约为可比英伟达配置的两倍以上。

如果你的业务 SLA 允许这 15% 至 25% 的折损，且机房有足够功率余量——选国产。 如果 SLA 卡死在毫秒级，先算功耗余量再决定。

三、四季度选型对照表​

维度	国产卡	进口卡
采购价走势	普涨，950DT 意向价超 25 万元	H200 配额放开但落地未验证
现货可获得性	950DT 商用时间窗口为 2026 年 Q4，量产出货有不确定性	H100 整机稳定在 325 至 330 万元区间
合规适配	满足 75% 国产采购红线	不计入国产比例
生态成熟度	国产模型栈适配最稳，海外闭源有坑	CUDA 生态完整
性能折损	主流国产模型 15% 至 25%	基线
单位成本	主力训练档单卡 11 万元左右，950PR 约 8 万元	H100 单卡 19.5 万至 29 万元，H200 18.1 万至 32 万元
整机功耗	偏高，同配置约为英伟达两倍以上	更优

四、四条执行建议​

• 不要为「国产化」三个字单独付费。 如果你的合规压力真实存在（问题一为是），国产卡的溢价是可以接受的；如果不存在，压着 15% 至 25% 的性能折损选国产，是纯粹的成本损失。
• 押注生态路线而非单卡参数。 昇腾的全栈共定义与寒武纪的 vLLM 深适配，是两条不同的赌注。多卡集群的决策应该押在生态路线上，因为单卡差距会被系统级优化覆盖。
• Q4 是窗口但不是折扣。 国产卡的涨价幅度（950DT 三个月约 60%）说明需求侧在抢。如果确实要用 950DT，Q4 下单比 Q1 下单便宜。
• 保留一条 CUDA 回退路径。 至少让推理栈能编译回 CUDA，避免在 H200 实际落地那天才发现切换成本已经超过预算。

一句话总结：2026 年四季度的国产卡 vs 进口卡，本质上不是性能选择题，而是「合规压力 + 模型栈归属 + decode 还是 prefill」三问的组合题。前一问决定要不要买国产，后两问决定买哪一款国产。

当算力供给的矛盾从"有没有"转向"够不够"，芯片设计的刀法也开始向场景细分。华为昇腾950系列首次拆分为950PR与950DT双版本——前者专攻推理Prefill，后者押注Decode与训练超节点。这既是Prefill/Decode负载特性差异的工程回应，也是自研HBM产能约束下的现实选择。

一、为什么推理要拆成两颗芯片​

大模型推理的两条流水线，瓶颈完全不同：

• Prefill（首 Token 生成）：一次性吞下整段 Prompt 做并行计算，算力（FLOPS）是瓶颈，带宽需求适中；
• Decode（逐 Token 生成）：每生成一个 Token 都要把权重和 KV Cache 从显存搬一遍，带宽是瓶颈。

把两类负载塞进同一颗芯片，必然出现"一半硅片在空转"的错配。华为的解法是同一 Da Vinci v5 计算核心、两套内存子系统——950PR 用成本优先的 HiBL 1.0，950DT 用带宽优先的 HiZQ 2.0。这与 Google 的思路殊途同归：谷歌同样在 TPU 家族中把训练型 8t 与推理型 8i 拆分为两条产品线，让"算力密集"和"带宽密集"各自归位。

维度	昇腾 950PR	昇腾 950DT
目标场景	推理 Prefill（首 Token 生成）、视频推荐、实时交互	推理 Decode + 模型训练
HBM	自研 HiBL 1.0，128 GB	自研 HiZQ 2.0，144 GB
HBM 带宽	1.6 TB/s	4 TB/s
FP8 算力	1 PFLOPS（HiF8 格式）	1 PFLOPS（HiF8 格式）
FP4 算力	2 PFLOPS	2 PFLOPS
TDP	~400 W	~500 W
定价逻辑	成本优先	带宽优先、性能优先

按《昇腾 950 NPU 架构白皮书》的精确口径，FP8 算力随配置在 919–1034 TFLOPS 之间（宣传口径取整 1 PFLOPS），FP4 为 1561–2007 TFLOPS。两者共享同一计算核心，差异全部体现在内存子系统上——950DT 的 4 TB/s 带宽正是 Decode 与训练场景的命门。

二、Da Vinci v5：双编程模型与 HiF8 的精度革命​

昇腾950 是 Da Vinci 架构第五代，两项变化值得单独展开：

SIMD + SIMT 双编程模型。SIMD 延续 Da Vinci 在向量计算上的传统优势；新增的 SIMT 模型则面向 Decode 阶段大量不规则内存访问，让开发者可以用更接近 GPGPU 的方式写算子。配合内存访问粒度从 512 字节压缩到 128 字节，离散内存访问效率提升 4 倍——这对小 batch、多并发的推理业务是实打实的收益。华为同时提供 ASIC（昇腾 Core）与 GPGPU 双生子型号，兼容两种开发范式。

HiF8 自研 FP8 格式。低精度化的最大阻力是精度损失，HiF8 的设计目标是"精度接近 FP16、算力比 FP16 提升 2 倍"，配合 FP4 格式整体算力利用率提升 30% 以上。结合 2 TB/s 灵衢互联，384 颗 950 组成的 CloudMatrix 384 超节点总算力约 384 PFLOPS FP8，以系统级规模对冲单卡代差。

三、自研 HBM：供应链意义大于纸面参数​

950 系列首次搭载华为自研 HBM——950PR 用 HiBL 1.0（成本优先），950DT 用 HiZQ 2.0（带宽优先，4 TB/s 对标 NVIDIA HBM3e）。这组数字的意义不在跑分，而在供应链：过去国产 AI 芯片的产量天花板被 SK 海力士、三星的 HBM 配额捏在手里，自研 HBM 让昇腾第一次把"产能多少"的决定权拿回自己这边。

但产能爬坡需要时间。渠道数据显示，国产 HBM 产能目前仅能支撑约 25–30 万颗成品加速器，缺口约六成——这正是下文涨价潮的底层原因。

四、徐直军 HC2026 访谈：节奏、份额与产能​

2026 年 10 月 8 日，华为副董事长徐直军在 HC2026 期间接受访谈，披露了几个关键信息：

• 950PR 已于 2026 年第一季度发布上市，定位推理场景，"上市量不算大"；
• 950DT 超节点正在测试中，规模供货预计今年年底或明年初落地；
• 关于训练业务，徐直军表示："950DT 训练表现非常不错，明年开始大量模型训练会构筑在 950DT 超节点上；关键在供货能力，能产多少供多少。"
• 从华为统计口径看，昇腾在中国市场的份额已超过英伟达；
• 华为暂无全面海外拓展计划，重心仍在国内市场。

"能产多少供多少"这六个字，基本概括了当前国产 AI 芯片的真实处境：需求端远未见顶，第一约束已经从市场转移到了产能。

五、生态与价格：开源换时间，稀缺换定价​

生态侧，昇腾950 正在以"开源 + 头部共建"提速：DeepSeek 与华为联合开源面向昇腾950 的编程工具链（含计算与通信库），头部模型厂商直接参与共建是"去 NVIDIA 化"的标志性事件；CANN 已全面开源，外部开发者占比达 61%（首次超过内部团队），月活开发者突破 5200 人，PyTorch 官网将昇腾列为首个中国算力平台；昇腾950 智算集群云服务已于 9 月 30 日在国内商用。

价格侧则是另一番景象。受 HBM 成本攀升与供不应求驱动：

型号	年初报价	2026-10 市场报价	涨幅
昇腾 950PR	~¥6 万	突破 ¥8 万	+30%
昇腾 950DT	~¥12–15 万	指示性报价超 ¥25 万	两个月内最高 +50%

950DT 的渠道指示价已经对齐 NVIDIA B200 的量级——国产旗舰的定价逻辑，正从"替代品折价"转向"供给稀缺溢价"。

小结​

昇腾950 的双轨战略回答了两个问题：产品层面，Prefill/Decode 分芯片让每一份硅片和带宽都花在刀刃上，与 Google TPU 的产品线拆分形成跨洋呼应；供应链层面，自研 HBM 把产能主动权握回手中，但爬坡期的缺口也直接推高了价格。徐直军"能产多少供多少"的表述说明，2027 年国产算力的故事主线不再是需求，而是产能——950DT 超节点能否如期规模供货，将决定明年大量模型训练是否真正构筑在国产超节点之上。

如果统计 2025 年以来国产 AI 推理卡的实际装机量，华为 Atlas 300I Duo 大概率排在最前列。它不在算力峰值上炫技，而是把"够用的算力、超大的显存、极低的功耗"组合进一张单槽位标卡，恰好命中了大模型推理时代最真实的采购需求。

双芯设计：两颗 310P 的乘法​

Atlas 300I Duo 的架构思路非常直接：把两颗昇腾 310P 处理器封装在一张 PCIe 卡上，算力和显存同时翻倍。单卡最大提供 280 TOPS INT8 算力与 140 TFLOPS FP16 算力，能效比达 1.86 TOPS/W，官方称业界领先。卡的规格要点如下：

参数	规格
AI 算力	280 TOPS INT8，140 TFLOPS FP16
处理器构成	2 颗昇腾 310P，另含 16 核 1.9GHz 通用 CPU
内存	LPDDR4X 48GB 或 96GB，总带宽 408 GB/s
视频解码	256 路 1080P 30FPS（H.264/H.265 硬解）
编解码上限	32 路 3840 乘 2160 60FPS 解码
PCIe 接口	Gen4.0 x16，兼容 x8、x4、x2
功耗	150W，单槽位全高全长
工作温度	0 至 55 摄氏度

为什么是推理市场的"最大公约数"​

大模型推理的瓶颈往往不在算力而在显存。Atlas 300I Duo 提供最高 96GB LPDDR4X 显存，虽然带宽 408 GB/s 远不及 HBM 方案，但胜在容量大、成本低、功耗低，对于 7B 至 70B 级别模型的 INT8/W8A8 量化推理来说，性价比非常突出。2025 年 DeepSeek 系列开源模型走红后，大量企业以两卡、四卡、八卡 300I Duo 服务器搭建私有化推理底座，京东等渠道单卡价格长期在 1.1 万至 1.2 万元区间，远低于同代 HBM 推理卡。

另一个被低估的能力是视频分析：256 路 1080P 硬解码叠加推理，让它可以同时服务"大模型对话"和"传统视频结构化"两类负载，这在智慧城市、交通枢纽等项目中意味着一张卡顶过去两张卡。

生态与部署体验​

Atlas 300I Duo 依托 CANN 工具链与 MindIE 推理引擎，已适配 DeepSeek、Qwen 等主流开源大模型，vLLM 类服务框架也有对应支持。对运维团队而言，它的 150W 单槽设计无需改造供电与散热，普通 2U 服务器即可插满 8 卡，从采购到上线的周期很短。

当然短板同样明确：LPDDR4X 带宽限制了长上下文和高并发场景的解码速度，FP16 峰值算力也不足以承担千亿参数训练。它的定位从来不是全能选手，而是推理规模化部署的经济解。

小结：把一张卡做对，比做强更难​

在国产 AI 芯片普遍追求峰值算力的语境下，Atlas 300I Duo 证明了"均衡"的商业价值：以两颗成熟芯片组成双芯标卡，用大显存和高能效比承接了最广泛的推理需求。对于以推理为主、预算敏感、追求快速落地的团队，它至今仍是国产推理卡里最难跳过的默认选项。