23 篇博文 含有标签「国产AI芯片」

2026年的国产AI芯片市场出现了一个教科书级的卖方市场特征：客户不问价格、不挑型号，只问一件事——什么时候能到货。据央视财经援引的行业调研，全年需求约400万颗，实际交付约300万颗，百万级缺口把订单周期一路推到三年开外。

满产满销：订单不是问题，产能才是​

多位产业链人士在公开交流中给出的判断高度一致：2026年国产算力芯片全行业满产满销，订单完全不愁，核心变量只剩上游产能与良率。头部互联网大厂与头部芯片公司签订保供框架协议、锁定绝大部分产能的做法，已成为行业标配——先签长约者得产能，后来者排队。

业绩数据佐证了供不应求的成色：2026年上半年，寒武纪营收59.96亿元，同比增长108.1%；摩尔线程营收17.36亿元，同比增长147.4%；壁仞科技营收12.36亿元，同比暴增约20倍。下游智算中心同样如此，有大型智算园区负责人公开表示在手订单已排到三年后，中游集成商的客户数量一年增长10倍，甚至催生了"集装箱式算力中心"——把传统近一年的建设周期压缩到24小时上线。

产业链环节	2026年现状
上游芯片	需求约400万颗，交付约300万颗，缺口百万级
下游智算中心	头部园区订单排至三年后
中游集成	部分厂商客户数量一年增长10倍
备货（寒武纪）	存货82.48亿元，较上年末增长66.8%
备货（摩尔线程）	存货从13.3亿元增至35.5亿元

积压的结构：从晶圆到 HBM 的逐层紧张​

订单积压并非单点瓶颈，而是一条传导链。最前端是先进制程晶圆：国产AI芯片高度依赖国内代工产能与有限的海外先进制程通道，产能分配向头部客户倾斜，行业普遍采用"第一顺位"机制。第二层是HBM与存储：国产HBM供给能力有限，叠加大环境存储涨价周期，先进存储成了最紧的物料之一。第三层是先进封装：CoWoS类2.5D封装产能全球性紧张，国产封装厂扩产需要时间。逐层卡脖子叠加，最终表现为交付周期从数周拉长到数月乃至更长。

厂商的应对是"以存货换交付"：2026年上半年，国产AI芯片公司集体大规模备货，寒武纪存货达82.48亿元，海光信息75.18亿元，天数智芯从7.1亿元猛增至19.68亿元。提前锁料锁产能，本质是用资产负债表为交付承诺背书——在涨价预期下，早买还等于省钱，这笔账算得过来。

价格信号：供给短缺的隐性定价​

短缺正在改写价格体系。据公开调研信息，市场主流国产AI芯片的单卡价格受HBM涨价与产品组合变化影响持续上移，多家厂商上调了收入指引；同时晶圆代工端，台积电确认2027年起上调代工价格3%至6%，三星先进制程涨幅最高达15%，内地代工厂也纷纷提价。成本端的全面上移，最终会传导到算力服务价格——这也是国产算力租赁市场持续走强的底层原因之一。

研判：观察产能爬坡，而非订单数字​

对国产AI芯片行业，2026年的正确观察指标不是订单总额，而是三个爬坡速率：晶圆投片量的季度环比、HBM国产供给的实际到位节奏、以及先进封装的良率学习曲线。只要这三个指标持续向上，百万级缺口就会逐步收敛，收入兑现只是时间问题；反之若某环节卡壳，订单积压将转化为客户流失与替代方案回流。当下的国产芯片产业正处在从"能用到好用"再到"够用管饱"的中场——订单积压是这份成绩单上最耀眼也最脆弱的一栏。

每当 DeepSeek 发布新模型，国产芯片厂商的适配速度就成了软件栈成熟度的公开考试。从 0day 支持到性能调优，各家交出的答卷差异不小。

适配路径：两条技术路线​

国产芯片跑 DeepSeek 目前有两条主流路径。第一条是接入开源推理框架：通过 vLLM、SGLang 的硬件插件机制适配，昇腾的 vllm-ascend、寒武纪的 vLLM-MLU 都走这条路，好处是模型覆盖随上游社区自动扩展。第二条是自研推理栈深度调优：在自己引擎内做算子融合与并行策略定制，性能上限更高但适配周期更长。头部厂商普遍双线并行。

各家进展盘点​

厂商	硬件	适配方式	公开亮点
华为昇腾	Atlas 800I A2 等	vLLM/SGLang 插件	DeepSeek-V3.2-Exp 0day 支持并开源推理代码与算子
寒武纪	MLU 系列	vLLM-MLU 开源引擎	同步适配 V3.2-Exp，主打长序列稀疏 Attention 降本
海光	DCU	DTK 软件栈	宣布无缝适配与深度调优，强调 GPGPU 生态兼容
摩尔线程	MTT S5000	联合硅基流动	DeepSeek-V3 671B 满血版单卡 Prefill 吞吐超 4000 tokens/s，Decode 超 1000 tokens/s

以 2025 年 9 月底 DeepSeek-V3.2-Exp 发布为例：昇腾实现 0day 支持并开源全部推理代码，寒武纪同步完成适配并开源 vLLM-MLU 源码，海光宣布无缝适配加深度调优。三天内的响应速度说明头部厂商的模型结构级适配能力已经工程化、流水线化，不再是运动式攻关。

性能口碑怎么看​

公开数据要分清口径。摩尔线程联合硅基流动公布的 DeepSeek-V3 671B 单卡 Prefill 超 4000 tokens/s、Decode 超 1000 tokens/s，是集群级部署下分摊到单卡的分片吞吐，不能与单卡跑全量模型的场景混比。昇腾路线的优势在于生产案例密度：据社区年度回顾，互联网、银行、运营商等用户已基于 vLLM 加昇腾插件上线 DeepSeek V3.2、Qwen 系列、GLM 系列等十余个模型，覆盖智算平台与 MaaS 形态。寒武纪的叙事重点是把 V3.2 的稀疏 Attention 机制与自家算子结合，压低长序列场景的训推成本。

实操建议​

1. 选型前明确目标模型清单，让厂商在真实负载下跑 POC，重点看连续 72 小时压测的吞吐衰减与故障恢复。
2. 优先选有开源插件、活跃社区与公开性能报告的路线，闭源黑盒调优承诺要打折扣看。
3. 关注稀疏 Attention、FP8 等新模型特性的跟进速度，这比跑老模型快慢更能预示未来半年的体验。
4. 部署形态上多卡分片跑 MoE 大模型是当前主流，网络互联与调度软件的成熟度往往比单卡算力更影响实际效果。

国产化替代最常见的失败模式不是"卡买不到"，而是"代码跑不动、精度对不齐、性能差五倍"。迁移本质是一个软件工程问题，用清单化的方式管理，成功率会高得多。

一、三条生态路线先分清​

昇腾（CANN 加 torch_npu）：生态最完整的国产路线。PyTorch 官方支持度较好，主流模型（LLaMA、Qwen、DeepSeek 系列）的适配案例最多，社区踩坑记录丰富。硬件侧 Atlas 800T A2（8 卡 910B）训练机约 75 万至 200 万元区间，910C 8 卡服务器渠道价约 110 万至 120 万元，推理侧 Atlas 300I Duo 单卡约 2 万至 4 万元。

寒武纪（Neuware）：训练卡 MLU 系列、推理卡加边缘盒子的组合，推理场景渗透率提升明显，国产推理卡渠道价已进入 3 万至 5 万元区间。

海光（DTK，ROCm 系）：DTK 从 ROCm 分支演化，对 CUDA 代码的兼容性是三条路线中相对友好的，GPGPU 架构使通用算子迁移成本较低，适合已有大量自定义 CUDA 算子的团队。

二、六阶段迁移清单​

阶段	工作内容	典型工作量	常见坑
1. 资产盘点	扫描代码中的自定义 CUDA 算子、专有库依赖（NCCL、TensorRT、FlashAttention）	1 至 2 周	低估第三方闭源库依赖
2. 环境搭建	驱动、固件、CANN 或对应 SDK、框架版本对齐	1 至 2 周	版本矩阵组合错误，驱动与 SDK 不匹配
3. 框架适配	安装 torch_npu 或对应插件，跑通开源模型 baseline	2 至 4 周	依赖库里隐藏的 CUDA 专属调用
4. 自定义算子迁移	用等价 API 重写或请求原厂支持	2 至 8 周，取决于算子数量	算子性能回退数倍，需原厂深度调优
5. 精度对齐	FP16 或 BF16 下逐层对比 loss 与输出	1 至 3 周	舍入差异累积导致 loss 曲线发散
6. 性能调优与压测	通信库替换、算子融合、混合精度策略	2 至 6 周	集群线性加速比不达标，多因网络配置

整体而言，一个"标准开源模型加常规训练脚本"的项目迁移到昇腾，顺利情况下约 6 至 10 周；有大量自定义算子和闭源依赖的项目，周期可能拉长到半年，且强依赖原厂驻场支持——签约时务必把驻场支持写进合同。

三、最容易翻车的五个环节​

1. NCCL 依赖。 分布式训练脚本里的 NCCL 调用要替换为昇腾 HCCL 或对应通信库，超参与拓扑配置需要重新调试，多机通信效率是国产集群性能差距的最大来源。

2. 量化推理工具链。 从 TensorRT 到昇腾 MindIE 或各家的量化工具，量化校准数据集和精度评估都要重做，生产环境的精度回归测试不可省略。

3. 生态外围工具。 DeepSpeed、vLLM、Transformer Engine 等常用库在国产平台上的版本支持滞后，很多团队卡在"模型能跑，加速库不兼容"这一步。

4. 运维体系。 现有监控（DCGM 类工具）、故障诊断、驱动升级流程全部要重建，这部分工作量经常被漏算。

5. 人才储备。 国产平台的调优经验集中在原厂和头部客户，招聘有昇腾或寒武纪实战经验的工程师成本高，提前安排团队参加原厂认证培训更实际。

四、结尾建议​

给准备迁移的团队三条建议：第一，先迁推理、后迁训练——推理负载对生态的依赖更浅，Atlas 300I Duo 这类推理卡性价比高，能用最小代价验证国产路线的可行性；第二，选硬件前先选生态，优先挑你的核心模型已有官方适配案例的平台，能省一半工作量；第三，保留双栈能力，迁移期让 CUDA 与国产平台并行运行至少一个季度，用同一份测试集做持续对比，确认精度与性能达标后再下线旧集群。国产化替代是一场马拉松，清单化管理、分阶段验收，才能避免"买回来跑不起来"的困境。

2025 年 11 月 13 日的百度世界大会上，昆仑芯 M100 与 M300 正式亮相，同时发布的还有天池 256 与天池 512 超节点。这不是百度第一次发布自研芯片，却是第一次以完整路线图的形式，宣告芯片、超节点、集群三层算力体系的未来五年规划。大厂自研芯片由此进入深水区。

十四年积累：从昆仑 1 到 P800​

昆仑芯的历史可追溯到 2011 年百度内部的数据中心加速器研发。2018 年第一代昆仑 1（818-300）发布，基于三星 14nm 工艺与自研 XPU 架构，INT8 算力 260 TOPS；2021 年第二代昆仑 2 采用 7nm 工艺，R300 加速卡提供 128 TFLOPS FP16 与 256 TOPS INT8，150W 功耗，并完成独立融资。2024 年 3 月发布的 P800 是当前部署主力：96GB HBM 显存、2.4 TB/s 带宽、FP16 算力 345 TFLOPS、400W 功耗。据 IDC 数据，2024 年昆仑芯出货 6.9 万片，位居国产 AI 芯片厂商第二，仅次于华为昇腾。

型号	发布时间	关键规格	定位
昆仑 1（818-300）	2018 年 7 月	260 TOPS INT8，14nm	首代云端推理
昆仑 2（R300）	2021 年 8 月	128 TFLOPS FP16，32GB GDDR6	训练推理通用
P800	2024 年 3 月	345 TFLOPS FP16，96GB HBM，2.4 TB/s	万卡集群主力
M100	2026 年上市	面向 MoE 推理优化	大规模推理
M300	2027 年初上市	峰值算力 1000 TOPS 量级（据公开报道）	超大规模多模态训推

M100：为 Token 时代设计的推理芯​

M100 是昆仑芯科技第四代产品，延续自研 XPU 架构理念，针对大规模推理场景做了专项设计：通过革新资源架构大幅提升 MoE（混合专家）模型的推理性能，主打极致性价比。它于 2026 年初进入商业放量期，已交付大客户测试并小规模出货，2026 年 7 月芯片实物在央视报道中首次公开亮相。高盛预计昆仑芯 2025 年销售额约 35 亿元，2026 年有望跃升至 65 亿元。

与 M100 配套的天池超节点同样关键：天池 256 最高支持 256 卡极速互联，卡间互联带宽较上代提升 4 倍、整体性能提升 50%；天池 512 单个超节点即可支撑万亿参数模型训练。百度已点亮昆仑芯三万卡集群，计划将单一集群规模扩展至百万卡级别。

M300 与路线图：每年一代的承诺​

M300 面向超大规模多模态模型的训练与推理，针对视频生成、3D 建模等任务专项优化，据公开报道其峰值算力可达 1000 TOPS 量级，训练效率较通用方案有望提升 3 倍以上，计划 2027 年初上市。后续路线图同样清晰：2028 年天池千卡级超节点、2029 年昆仑芯 N 系列、2030 年百万卡单集群点亮。未来五年，昆仑芯承诺每年推出新产品。

资本层面，昆仑芯已于 2026 年 1 月向港交所提交上市申请，并开启科创板上市辅导，有券商对其估值给出约 440 亿美元的高预期。分拆上市后，昆仑芯将更多以"中立供应商"身份服务外部客户——事实上其外部业务比重已超过向百度内部供货。

小结：大厂自研的正确姿势​

昆仑芯的价值在于样本意义：它证明了大厂自研芯片可以从内部工具成长为独立商业体。M100 承接推理放量的当下，M300 冲刺训练上限的未来，天池超节点补上系统级短板，三层协同构成完整拼图。对于既需要稳定算力供给、又希望绑定长期演进路线的用户，这套"芯片加超节点加云平台"的全栈方案，是国产算力市场里确定性最高的选项之一。

当英伟达的高端芯片被出口管制挡在门外，中国的互联网巨头们被迫回答同一个问题：算力从哪来？百度和阿里给出的答案最彻底——自己造。一家走自研 XPU 架构的渐进路线，一家以 RISC-V 基因押注全栈闭环。2026 年秋，两家的代表作品分别是昆仑芯 R200 和平头哥真武 V900。

一、巨头自研的三种路线​

把国内互联网巨头的芯片战略摊开，大致可分为三种类型：

路线	代表	特征
XPU 架构派	百度昆仑芯	自研指令集架构，从推理切入逐步上探训练
RISC-V + 全栈派	阿里平头哥	自研 CPU（倚天）+ AI 芯片（真武）+ 互联总线（ICN）全栈闭环
租赁过渡派	腾讯	自研（紫霄）同时大规模租用海外算力过渡

海外巨头的对照同样值得一看：Meta 与博通合作自研 MTIA 推理芯片，AWS Annapurna 团队与 NVIDIA 合作开发 NVHBM 定制芯片——"自研 + 深度定制"是大厂绕开通用 GPU 溢价的共同选择。而腾讯则提供了一个反例参照：通过租用 Oracle 旗下 10 万颗芯片获得算力，以租赁模式绕开采购限制。三条路线没有绝对优劣，但百度与阿里的坚持，正在长出最完整的技术资产。

二、百度昆仑芯：从 R200 到 P800 的 XPU 演进​

昆仑芯的底层竞争力在于自研 XPU 架构——从 2018 年的昆仑芯 1 代（14nm）到 2021 年的 2 代（7nm Kunlun Core II），再到今天的 XPU-R 与 XPU-P，指令集始终自主。本站收录的两代代表产品：

昆仑芯 R200（2025 年，XPU-R 架构，推理主力）：

项目	参数
制程	7nm
FP32	32 TFLOPS
FP16	128 TFLOPS
INT8	256 TOPS
显存	16GB / 32GB GDDR6，512 GB/s
TDP	150 W（被动散热）
视频	108 路 1080P 解码 / 27 路编码
接口	PCIe Gen4 x16

150W 的低功耗加多精度配置，让 R200 主打数据中心大规模推理与视频分析场景——这是百度搜索与信息流业务的算力基本盘。

昆仑芯 P800（2024 年，XPU-P 架构，训推一体）：FP16 345 TFLOPS（超越 H20 的 148 TFLOPS）、INT8 820 TOPS、96GB HBM3、2.4 TB/s 带宽、400W、OAM 形态，支持 DeepSeek-V3/R1 671B 满血版单机 8 卡运行，配套天池 256/512 超节点，已交付万卡级集群并实现全自研三万卡集群。昆仑芯科技已于 2026 年 5 月启动科创板 IPO 辅导——从百度内部部门到独立上市，XPU 路线完成了商业验证。

三、阿里平头哥真武 V900：216GB 显存与 50 万卡集群​

2026 年 9 月 22 日云栖大会，平头哥发布新一代训推一体 AI 芯片真武 V900，官方称之为"目前算力性能最强的中国自研 AI 芯片"，量产上云时间较原路线图提前至 2027 年第一季度。

项目	参数
显存	216 GB（超过 B200 的 192GB 与 H200 的 141GB）
片间互联	1200 GB/s（自研 ICN 链路，较 M890 提升 50%）
精度	原生 FP8 / FP4
性能口径	真武 M890 的 3 倍
集群	磐久 AL128 超节点，ICN Switch 扩展至 50 万卡
量产	2027 年 Q1 上云
软件	T-Head SAIL 全栈

与 M890 一致，平头哥未公布绝对 FLOPS、制程与 TDP——业界推测由中芯国际制造，官方未证实。但结构性的信息已经足够：216GB 显存直指大模型时代的"内存墙"，1200 GB/s 片间互联对标 NVLink 量级拆解"通信墙"。真武系列的代际节奏同样清晰：810E（96GB/700 GB/s）→ M890（144GB/800 GB/s，GP9A 超节点实例已于 8 月上线，国内首个跑通超 2 万亿参数大模型的超节点形态算力）→ V900 → J900（2027 年 Q3，架构突破性创新）。截至 2026 年 9 月，真武系列已服务超 650 家企业客户。

四、ICN 总线与倚天 CPU：全栈闭环的最后一块拼图​

真武 V900 最大的想象空间不在单芯片，而在 ICN 互联总线构建的全栈闭环：ICN Switch 让 Scale-Up 域内带宽完全对称、原生内存语义与统一编址；磐久 AL128 超节点把真武 V900、ICN Switch、磐脉智能网卡、镇岳 SSD 主控全部收进一套算-存-网协同体系，单一集群可扩展至 50 万卡——这个目标直指 NVIDIA Rubin Ultra NVL576 的规模层级。

同期公布的倚天 CPU 路线图补上了 CPU 侧的拼图：2027 年推出倚天 720/730，其中倚天 730 首次采用全自研微架构，SPECint2017 单核性能（每 GHz）达到倚天 710 的 1.4 倍；倚天 750 支持自研 ICN 总线，实现 CPU 与真武 AI 芯片直连。至此，"倚天 CPU + 真武 AI 芯片 + ICN 网络"的全栈闭环成型——阿里成为国内唯一在 CPU、AI 芯片、互联协议三层都实现自研并互操作的云厂商。

五、对照与启示：自研是巨头的长期主义​

把百度与阿里放回全球坐标系：Meta×博通 MTIA、AWS×NVIDIA NVHBM 说明自研 + 定制是全球巨头的共同选择；腾讯租用 Oracle 10 万颗芯片则展示了"买不到就租"的过渡形态。但中国的特殊性在于出口管制的硬约束——通用 GPU 的获取不确定性，让自研从"降本选项"变成了"生存选项"。百度用 XPU 架构证明渐进路线的可持续，阿里用 RISC-V 基因 + ICN 总线证明全栈闭环的可能性。

小结​

昆仑芯 R200 与真武 V900 分别代表了互联网巨头自研芯片的两个时态：R200 是"现在时"——150W 低功耗推理卡稳定承载着百度的核心业务；V900 是"将来时"——216GB 显存、50 万卡集群与 2027 年 Q1 量产的承诺，瞄准的是数万亿至十万亿参数模型的算力底座。一种路线靠架构自主渐进上探，一种路线靠全栈闭环规模突围，两者共同指向同一个结论：中国互联网巨头的算力命门，正在从采购谈判桌转移回自己的设计图纸。2027 年，当 V900 与倚天 730 如期上云、昆仑芯 R300 落地，这场自研竞赛的下半场才真正开始。

华为昇腾与寒武纪之外，一批二线国产 AI 芯片厂商正在 2026 年集体进入收获期：上市潮、大厂订单与超节点产品同时落地，国产算力的第二梯队正在成形。

资本市场：从独角兽到上市公司的批量切换​

2026 年是国产 AI 芯片的上市大年。燧原科技的科创板 IPO 已过会并获注册批复，拟募资 60 亿元，公司自研迭代了四代架构、五款云端 AI 芯片；壁仞科技于 2026 年 1 月 2 日在港交所挂牌，开盘大涨 82%，市值一度突破千亿港元，成为港股 GPU 第一股；天数智芯也在 2026 年 1 月登陆港交所。据业界统计，摩尔线程、沐曦等厂商同样在冲刺科创板，"国产 GPU 四小龙"有望在资本市场聚齐。

厂商	资本进展	2026 年代表动作
燧原科技	科创板过会并获注册，拟募资 60 亿元	联合中兴发布云燧 ESL64-O 无线缆超节点
壁仞科技	港交所上市，市值一度破千亿港元	BR2xx 芯粒光互连千卡超节点，20 余款大模型当日适配
天数智芯	2026 年 1 月港交所上市	据媒体报道与字节跳动洽谈至少 5 万颗推理 GPU 采购
登临科技	据公开报道持续推进融资与商用	聚焦推理加速场景的规模化落地

产品与订单：超节点成为竞争主线​

2026 世界人工智能大会清晰地展示了行业竞争重心的迁移：从单芯片算力比拼转向芯片、高速互联与整机集群的系统级较量。壁仞科技推出基于芯粒架构 BR2xx 芯片的光互连千卡超节点，最多 1024 张 GPU 可共享同一内存空间；燧原科技联合中兴通讯发布的云燧 ESL64-O 超节点采用正交无背板设计，实现零线缆以大幅降低互联成本，其与腾讯云合作的"燎原"智算集群 3.0 已完成数千卡至万卡级部署。

订单侧的突破更具标志性意义。据多家媒体援引消息报道，字节跳动正与天数智芯洽谈采购至少 5 万颗智铠系列云端推理 GPU，若落地将成为继华为、寒武纪之后字节跳动的第三大国产 GPU 供应商；业界普遍认为，国产推理芯片定价约为英伟达同级产品的六到七成，成本优势叠加安全可靠测评的政策导向，正在推动互联网大厂从试点采购转向规模导入。登临科技等专注推理加速的厂商，也在互联网与行业客户中持续推进规模化商用。

生态与隐忧：窗口期不会永远敞开​

软件生态的比拼同样白热化。壁仞科技已对智谱 GLM、DeepSeek、通义千问等 20 余款头部大模型完成当日同步适配，其中 DeepSeek 全系列适配据称仅用数小时；2026 年 5 月，首批 9 款国产芯片获评国家最高安全可靠等级，壁仞、天数智芯等均榜上有名，信创需求的井喷进一步打开了市场空间。

但隐忧同样明确：先进制程产能受限于代工排期，交付能力决定谁能兑现政策红利；英伟达下一代架构随时可能随出口政策变化重返中国市场，国产芯片的时间差优势存在收窄风险。二线厂商能否从"能跑"走向"好用、稳定、规模供货"，仍是决定最终座次的关键。

小结​

2026 年的国产 AI 芯片第二梯队，第一次同时拥有了资本弹药、大厂订单与系统级产品能力。燧原、壁仞、天数智芯的上市潮解决了资金可持续性，超节点与大模型适配解决了生态可用性，剩下的问题——产能与长期竞争力——将在未来两年给出答案。

华为全联接大会（HC2026）期间，华为轮值董事长徐直军在接受采访时给出了昇腾950系列的最新进度：950PR 已上市但量不大，950DT 超节点年底规模供货，并首次松口"昇腾中国份额已超英伟达"。

访谈要点：950PR 已上市，950DT 年底规模供货​

华为全联接大会（HC2026）在上海举行，展会现场展出了昇腾950和 Atlas 950 超节点。徐直军在采访中把昇腾950系列的节奏讲得非常具体：

• 昇腾950系列分为 PR 和 DT 两个版本；
• 950PR 已于 2026 年第一季度正式发布上市，主要面向推理场景，但"上市量不算大"；
• 基于 950DT 的超节点主要用于训练，目前还在测试中，规模供货预计今年年底或明年初。

两代产品的分工清晰：950PR 先行落地承接推理需求，950DT 则押注训练场景，承担更重的算力任务。

"能产多少就供多少"：产能成了第一约束​

关于 950DT 的训练表现和供货节奏，徐直军的原话值得完整引用：

"我们和各家模型厂商做了很多沟通交流，从目前测试结果来看，950DT的训练表现非常不错，我相信从明年开始，大量模型的训练会构筑在950DT超节点上。未来关键可能不在于我们推动的力度有多大，而在于我们的供货能力有多大。现在能产多少就供多少，我们希望产业链加快扩产，快一点、多产一点。"

这段话透露出一个重要信号：对国产 AI 芯片而言，需求侧已经不是瓶颈，产能才是。徐直军把"供货能力"而非"推动力度"定义为未来的关键变量，等于公开向产业链喊话扩产——"快一点、多产一点"的表述，把扩产的紧迫性摆到了台面上。

份额表态："昇腾应该已经超过了英伟达"​

在市场地位问题上，徐直军的表述同样直接：

"在中国市场要统计英伟达的市场占有率很难，但如果从华为能够统计到的数据看，昇腾应该已经超过了英伟达。"

这句话需要仔细解读。徐直军本人也承认统计口径的困难——英伟达在中国市场以何种形式、多大数量出货，外界很难完整统计。华为的判断基于"华为能够统计到的数据"，这是一个有限口径的推断，而非权威市场份额数字。但这是华为高层首次公开作出这一表述，其信号意义大于数字本身。

海外策略：暂不全面拓展​

关于国际化，徐直军给出了明确的优先级："目前昇腾满足国内市场需求还远远不足，所以没有全面拓展海外市场的计划。但确有少数国家做了测试和供给，但量非常少。"

换句话说，海外市场目前只是零星试点，华为的全部产能仍将优先投向国内。这与其"供货能力是第一约束"的判断是自洽的：产能有限的前提下，先满足国内是唯一合理的选择。

时间线与定价背景​

把 HC2026 前后的公开信息放在一起看，昇腾950的落地节奏如下：

事项	状态
昇腾950PR（推理）	2026年第一季度正式发布上市，上市量不算大
昇腾950DT 超节点（训练）	测试中，规模供货预计今年年底或明年初
950DT 指示性价格	超 25 万元（路透报道，HBM 成本驱动涨价）
Atlas 950 超节点	HC2026 现场展出
昇腾950智算集群云服务	9月30日国内商用

值得注意的是定价：路透此前报道 950DT 指示性价格超过 25 万元，主要驱动因素是 HBM 成本上涨。这与全球存储供应紧张的大背景互为印证——HBM 涨价正在推高所有 AI 芯片的成本曲线，国产芯片也无法置身事外。

分析：三个观察点​

**第一，"份额超英伟达"的口径与可信度。**虽然华为的统计口径有限，但结合出口管制后英伟达对华供应受限、国产芯片放量的大背景，昇腾在国内新增 AI 算力采购中的占比持续上升是行业普遍观察到的趋势，争议主要在幅度而非方向。华为选择在 HC2026 这个场合公开表态，本身也说明其对产能与产品力有了相当的底气。

第二，产能取代需求成为第一约束。"能产多少就供多少"说明国产芯片的瓶颈已经从"有没有人用"变成"产得出多少"。下一步的关键变量是先进制程与 HBM 供应链的扩产速度——这也是 950DT 价格超过 25 万元的根本原因。

**第三，950DT 对国产模型厂商的意义。**如果明年大量模型训练真的构筑在 950DT 超节点上，国产训练算力将第一次形成规模化的供应能力。配合 9 月 30 日已商用的昇腾950智算集群云服务，国产模型厂商在训练底座上将有更完整的选择，这对它们的成本结构和供应链安全都有直接影响。

小结​

徐直军在 HC2026 的访谈给出了两条硬信息：昇腾950PR 已上市、950DT 训练超节点年底规模供货；以及一句分量不轻的判断——"昇腾应该已经超过了英伟达"。产能而非需求，正在成为国产 AI 算力扩张的第一约束；而 950DT 能否如期放量，将决定明年国产大模型训练底座的成色。

2026年进入第四季度，AI芯片竞争的关键词从"发布"转向"交付"。Rubin能否持续放量、Helios能否如期爬坡、昇腾950DT如何定价上市，将共同决定2027年竞争格局的起点。

NVIDIA：Rubin放量与生态开放双线推进​

Q4期间NVIDIA的计划主线：

• Vera Rubin NVL72：2026下半年持续放量，MLPerf Inference v6.1首秀已登顶（Qwen3-VL较GB300最高3.7倍），HBM4平台优势开始兑现；
• N1X：基于RTX Spark的PC处理器按计划2026年秋季上市，打开消费级战场；
• Blackwell Ultra（B300）：租用价格参考Nebius口径约9.50美元/GPU小时，仍是当前租赁市场的重要基准；
• 后续代际：Rubin Ultra等后续路线待发；
• 生态动作：NVLink Fusion持续开放生态，NVHBM定制内存方案推进。

产品/计划	Q4状态
Vera Rubin NVL72	2026下半年持续放量
N1X	秋季上市
B300租用	9.50美元/GPU小时（Nebius口径）
Rubin Ultra	待发布
NVLink Fusion / NVHBM	生态开放与定制内存推进

AMD：Helios从首发出货到Q4爬坡​

AMD在Q4的核心任务是交付：

• Helios机架：MI455X首批出货目标Q3末，Q4进入量产爬坡阶段；
• 客户部署：OpenAI 6GW、Meta 6GW部署合作推进中，微软作为首批客户计划2026年下半年交付；
• MI430X：驱动欧洲LUMI-AI超算，拓展科学计算场景；
• ROCm：软件生态继续补齐；
• 下一代：Helios II / MI500级产品路线待公布。

华为：昇腾950DT上市与云服务全球商用​

华为Q4的关键节点最为明确：

• 昇腾950DT：Q4上市，报价超25万元；
• 昇腾950智算集群云服务：9月30日已国内商用，11月30日全球商用；
• 960系列：计划2027年接棒，970/980排在2028-2029年。

阿里平头哥：真武V900量产倒计时​

平头哥的时间表指向2027年：真武V900计划2027年Q1量产上云，配套磐久AL128与50万卡集群规划；J900排期2027年Q3。Q4将进入量产前最后的验证阶段。

OpenAI/博通 Jalapeño：多吉瓦部署推进​

OpenAI与博通合作的Jalapeño定制芯片规格已明确：13.4 PFLOPS（4-bit精度）、232GB内存，多吉瓦部署规划正在推进。这枚自研芯片的量产进度，将直接影响OpenAI未来的算力自给率。

关键变量：三大约束​

Q4的交付兑现程度，将取决于三个外部约束：

1. HBM供给：戴尔CEO警告2027年可能比2026年更紧缺，HBM产能是所有GPU路线图的共同瓶颈；
2. 国产涨价传导：昇腾950DT涨价20%-50%、寒武纪690涨价20%-30%（路透，HBM成本驱动），涨价将传导至国产算力服务价格；
3. 电力约束：Emerald AI/Google/NVIDIA成立的AEMA电网响应模式，预示电力正在成为算力扩张的第一性约束。

三条观察建议​

基于上述事实，给三类角色的观察点（非投资建议）：

• 采购方：昇腾950DT与寒武纪690的涨价幅度表明国产算力已进入卖方市场，锁量谈判宜早不宜迟；同时关注Helios Q4实际爬坡数据，作为第二供应源评估依据；
• 开发者：ROCm生态补齐与NVLink Fusion开放，意味着2027年异构算力混布的软件门槛正在降低，可提前在推理侧做多框架适配；
• 投资者：可跟踪的公开观察点包括——Helios首批交付兑现情况、昇腾950云服务11月30日全球商用落地、HBM价格走势对各家毛利率的影响信号。

小结​

2026年Q4是"交付验证季"：NVIDIA Rubin放量、AMD Helios爬坡、昇腾950DT上市与云服务全球商用、平头哥V900量产倒计时——各家计划均已排定，剩下的变量集中在HBM供给、涨价传导与电力约束三点。所有时间节点以"计划/预计/排期"口径为准，Q4末回看兑现率，就是对2027年格局的最好预判。

华为全联接大会2026给出明确时间表：昇腾950智算集群云服务9月30日国内商用、11月30日全球商用，全球首个NPO超节点昇腾960同步亮相。

HUAWEI CONNECT 2026：商用时间表落定​

2026年9月17日，华为全联接大会在上海举行。大会上，华为披露了昇腾950智算集群云服务的商用节奏：9月30日国内商用，11月30日全球商用。从大会披露到国内上线仅半个月，节奏之紧，说明昇腾950超节点的规模化交付已经就绪。

关键节点	时间/地点
华为全联接大会2026	2026年9月17日（上海）
昇腾950智算集群云服务国内商用	2026年9月30日
昇腾950智算集群云服务全球商用	2026年11月30日

"国内先行、两月后推向全球"的节奏也传递出另一个信号：昇腾不再只盯着国内市场，智算集群云服务将作为中国AI算力方案走出去的载体，参与全球算力供给的竞争。

昇腾960超节点：全球首个NPO超节点​

同期发布的昇腾960超节点，是全球首个NPO超节点（近封装光学超节点），关键规格如下：

指标	数值
卡规模	4096卡
算力	8 EFLOPS FP8 / 16 EFLOPS FP4
显存	1PB HBM
光互联方案	5500个Hi-ONE光引擎，替代4.8万颗800G光模块
降功耗	550kW
可用度	99.8%
Hi-ONE单引擎传输容量	7.2T

这组数字的核心看点在于光互联的代际切换：用5500个Hi-ONE光引擎替代4.8万颗800G光模块，降低550kW功耗，同时做到99.8%的可用度。NPO（近封装光学）路线在超节点规模下的价值被直观呈现——光模块数量下降一个数量级，意味着故障点、功耗与运维复杂度同步大幅收敛。在4096卡这种规模的系统里，互联可靠性直接决定训练任务的连续性。

昇腾950超节点：规模商用与SOTA背书​

昇腾950超节点已规模商用1000多套，落地行业覆盖互联网、运营商、金融、教育、医疗、交通、制造等。规模数字之外，更关键的背书是：昇腾950超节点是国内唯一训练出SOTA模型的超节点。

"能训练出SOTA模型"是对训练集群最硬核的检验——它证明的不仅是硬件规格，而是"集群规模+互联效率+软件栈"的组合在大规模训练中真实可用。对于正在选型的行业客户而言，这比任何纸面参数都更有说服力。

芯片路线图：960提前就绪，970/980排期明确​

华为还更新了昇腾芯片的推进节奏：

• 昇腾960DT较原计划提前三个季度就绪；
• 昇腾960PR提前一个季度就绪；
• 2028年推出昇腾970，2029年推出昇腾980。

"提前就绪"在当前的供应链环境下格外难得——在全球先进制造资源紧张、HBM紧缺的背景下，按时甚至提前交付，本身就是工程与供应链能力的体现。而970/980排期明确到年份，则给生态伙伴与客户提供了可规划的长期预期。

CANN全面开源：生态数据盘点​

软件生态方面，昇腾的进展可以用一组数据概括——CANN已全面开源：

• 外部开发者占比61%，月活跃开发者超5200名；
• 40+模型实现原生训练；
• 支持PyTorch、Triton、vLLM、veRL等90+开源项目；
• 成为PyTorch官网首个中国算力平台。

其中"PyTorch官网首个中国算力平台"具有标志性意义：主流框架的原生适配，意味着开发者迁移成本大幅降低，而61%的外部开发者占比说明社区已经超出华为体系自身，形成外部贡献的正循环。

全栈协同：TaiShan 950与OceanStor M900​

硬件侧的配套升级同样值得关注。TaiShan 950超节点完成升级：支持4096节点、256TB统一内存池——统一内存池让CPU侧内存资源可以按需调度，与超节点的算力规模相匹配。存储侧，OceanStor M900上下文内存存储提供PB级KV Cache能力，直击大模型推理场景的上下文缓存需求：推理热门场景下，KV Cache的存取效率直接决定吞吐与首字延迟。

芯片（昇腾950/960）、CPU（TaiShan 950）、存储（OceanStor M900）、软件栈（CANN）四层同步演进，华为走的是典型的全栈协同路线。

小结​

从昇腾950智算集群云服务"9月30日国内、11月30日全球"的商用时间表，到昇腾960超节点"4096卡、8 EFLOPS FP8、16 EFLOPS FP4、1PB HBM、5500个Hi-ONE光引擎"的规格突破，再到昇腾950超节点规模商用1000多套、成为国内唯一训练出SOTA模型的超节点，以及CANN全面开源、外部开发者占比61%的生态进展，华为正以"芯片-超节点-云服务-开源生态"的全栈节奏推进昇腾路线图。昇腾970（2028）、昇腾980（2029）的排期已经明确——昇腾的追赶不再只是单点突破，而是体系化的持续推进。

本文基于工信部《信息通信行业发展「十五五」规划》（2026 年 9 月印发）及《人民邮电》报、澎湃新闻、华夏时报等官方解读整理。

9 月上旬，工信部印发《信息通信行业发展「十五五」规划》，用 13 个主要指标、26 项重点任务给未来五年的信息通信业画了路线图。对 AI 算力行业来说，这是含金量最高的一份政策文件——我们挑出五个硬指标，逐个拆解产业含义。

指标一：智能算力 1590 → 9800 EFLOPS，五年增长超 5 倍​

这是整份规划最亮眼的数字。作为参照系：

• 截至 2026 年 6 月底，全国智能算力规模已达 2185 EFLOPS，同比增长 177%——上半年就超额完成了对 2025 年底（1590 EFLOPS）的跨越
• 全国已建成 42 个万卡级智算集群；2026 年 7 月，首个全国产十万卡级 AI 算力集群曙光 8000 在郑州落成
• 华为轮值董事长汪涛的判断：10 万卡以上超节点集群到 2027 年将成为基础配置

从 2185 到 9800，意味着未来四年还要再造 3.5 倍于当前存量的智算设施。规划同步要求「有序部署万卡、十万卡及以上智算集群」「加大力度适配国产算力芯片」——这是国产 AI 芯片未来五年最确定的需求底座。

指标二：信息基础设施累计投资 3.8 万亿元​

有观点拿「十四五」3.7 万亿对比，得出「投资见顶」的结论。官方解读明确反对这一说法：增量资金正从「规模铺量」转向「质效跃升」，精准投向智能算力基础设施、万兆光网、6G 等新赛道。产业链拉动效应也随之变化——AI 服务器、高速光互联、国产算力芯片、新型智能终端被点名为全链条受益方向。

指标三：新建大型算力设施 PUE 降至 1.2 以下​

「十四五」末这一数字是 1.25，五年内再降 0.05——听着不多，但在 AI 服务器常年高负荷、单机柜功率密度普遍超过 20kW 的今天，PUE 每降一点都是硬仗。规划给出的技术路径非常明确：液冷。

• 《信息通信行业发展「十五五」规划》：引导算力设施采用高效节能设备以及液冷等先进技术
• 《电子信息制造业发展「十五五」规划》（9 月 15 日由工信部、国家发改委联合印发）：把液冷散热与高带宽内存池、全光交换并列为要突破的关键技术

产业侧的数据也在验证：据 Omdia 统计，液冷在全球数据中心冷却市场的占比从 2024 年约 20% 攀升至 2025 年约 37%，预计 2029 年渗透率超过 45%。算力扩张的上限正在从芯片供给转向电力供给，「算力向上、能耗向下」的能效约束会是未来五年的常态。

指标四：先进存力 1700 EB，增长超 2 倍​

智能算力翻 5 倍的同时，先进存力翻 2 倍——存算协同被放在同等重要的位置。逻辑在于：大模型训练的检查点、智能体推理的中间状态和上下文记忆，都分层存放在高性能存储中。截至 6 月底，全国存力总规模约 2021 EB，其中先进存力占比约 32%；到 2030 年 1700 EB 的先进存力目标，意味着结构升级比总量增长更重要。

对芯片选型的直接提示：KV cache 与长上下文正在吃掉内存预算，评估 AI 服务器时显存容量与内存带宽的权重应该高于峰值算力。

指标五：智能体互联网络首次写入规划​

这是本份规划最具前瞻性的部分：「智能体互联网络」占据独立专栏，部署四方面内容——构建智能体网络标识体系、加快智能体网络设施建设应用、推动全球互联互通、建设空间管控体系。同时明确「适时启动 6G 商用」。

AI 从「人的应用」变成「智能体基础设施」，通信网的角色从连接人升级为连接智能体——这为推理算力的分布式部署（边缘推理、算力调度）提供了国家级叙事。

对算力从业者的三点判断​

判断	依据
国产算力需求确定性强	规划明文「加大力度适配国产算力芯片」+ 十万卡集群建设周期启动
能效指标成为选址硬约束	PUE 1.2 以下 + 液冷关键技术点名，高密度液冷方案优先
推理算力按需下沉	「面向场景按需部署推理算力设施」，边缘与区域算力中心有政策窗口

算力规模翻 5 倍的目标之下，真正稀缺的从来不是规划，而是芯片、电力和交付能力。 对采购方来说，供给窗口期依然紧张；对方案选型而言，建议直接用 TCO 计算器 把 PUE 差异折算成电费成本——1.25 与 1.2 的差距，在万卡集群的电费账单上是千万级的。

小结​

「十五五」规划把智能算力写成了国家级工程：5 倍算力、2 倍存力、3.8 万亿投资、PUE 1.2、智能体互联网。五年后回看，2026 年下半年的国产十万卡集群潮，很可能就是这条曲线的起点。

（规划数据引自工信部文件及官方媒体解读；市场数据引自信通院、Omdia 等机构统计。）