24 篇博文 含有标签「Huawei」

长期以来，质疑国产 AI 芯片的理由从来不是算力峰值，而是「软件栈到底能不能打」。SemiAnalysis 这份报告的价值在于：第一次用系统性的第三方测试回答了这个问题——答案是能，而且比想象中好。

报告核心数据​

SemiAnalysis 在《The Huawei-DeepSeek Symbiosis》中对昇腾 950PR 给出独立评估：

• GEMM 利用率 99.7%——在华为自研内核下。作为对照，这个数字意味着矩阵运算单元几乎不再有闲置周期，是内核工程成熟度的直接体现
• 绝对 GEMM 性能「介于 A100 与 MI300X 之间」——考虑 950PR 是一张推理定位卡，这个位置符合预期
• 小消息规格下 HBM 带宽与 H100 具竞争力——大消息规格下仍有差距，但推理负载的关键路径（小 batch、高并发）恰好落在有利区间

DeepSeek 的软件贡献：五个开源组件​

共生关系的另一半是 DeepSeek 的软件开源——已发布昇腾支持的组件清单：

组件	功能	昇腾适配
TileLang	昇腾原生内核 DSL	部分形状上可匹敌/超越 CANN——直接对标 AMD 的 FlyDSL 路线
DeepGEMM	GEMM 内核库	昇腾版已可用
DeepEP	MoE dispatch/combine 通信	经 URMA 移植 EP 通信，对标 ROCm 集合通信工作
FlashMLA	MLA 注意力内核	昇腾支持
DeepSelect	专家路由选择	昇腾支持

这套组合的意义在于软件栈的去 CANN 化：当 TileLang 这样的社区 DSL 能在部分形状上打赢厂商官方栈，说明昇腾的内核开发门槛已经低到社区可以参与——这正是 CUDA 生态当年起飞的路径。

战略判断：1-2 年的窗口​

SemiAnalysis 给出的结论相当大胆：中国本土 AI 软件生态的成熟速度，可能在 1-2 年内把 AMD/NVIDIA 挤出中国云部署。

支撑证据链：

1. 硬件侧：950PR 单卡性能达到可用区间（A100–MI300X 之间），超节点弥补集群规模
2. 软件侧：99.7% GEMM 利用率 + DeepSeek 五组件证明工具链可用
3. 需求侧：出口管制让英伟达中国数据中心收入占比不足 1%，采购转向是被动但确定的
4. 标杆案例：智谱 GLM-5.3-Flash 全部线上流量已由超过 10 万张国产芯片集群承载，其 Infra Agent 两周内把端到端吞吐提升到基线的约 3 倍

需要标注的边界​

• 99.7% 利用率基于华为自研内核——华为自己写的内核跑自己的测试形状，与第三方负载下的表现是两回事；SemiAnalysis 亦仅给出了部分形状的评估
• 「1-2 年替换」是分析机构判断，且主要指推理云部署；训练侧对互联与稳定性的要求更高，替换节奏会慢得多
• 产能约束未解除：950PR 全年产能规划约 75 万颗，DeepSeek 内蒙古 16 万张 950DT 的规划（彭博社 9 月报道，未获双方完整确认）本身就会挤占其他客户的配额

结论​

对采购方，这份报告的实际意义是给「国产替代」提供了第一个有分量的第三方技术背书：选型评估中可以把昇腾推理栈从「观望」上调为「可测」。对行业观察者，TileLang vs CANN 的社区生态演化值得持续跟踪——软件栈的护城河从来不是官方文档写的，是社区代码堆出来的。

数据来源与口径说明​

• 99.7% GEMM 利用率、A100–MI300X 区间、五组件清单、1-2 年判断：SemiAnalysis《The Huawei-DeepSeek Symbiosis》（2026-10），AMD News Daily 摘要转述
• 智谱 10 万张集群与 Infra Agent 3 倍吞吐：唐杰 2026-09-17 披露，官方口径
• DeepSeek 内蒙古 16 万张 950DT：彭博社 2026-09 报道，未获双方完整公开确认
• 950PR 产能规划：产业链口径，非华为官方披露

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。

昇腾 950 系列目前处在"一代已上市、一代待量产"的关键节点。950PR 搭载的 Atlas 350 加速卡已于 2026 年 3 月 20 日正式上市，市场报价约 11 万元；950DT 计划 2026 年第四季度量产，其价格尚未正式公布，但产能与 HBM 成本正在推动整条国产算力价格曲线上移。本文梳理两款芯片的规格差异与价格走向。

950PR 与 950DT：不是同一款芯片的两种包装​

这两款芯片基于统一的 Ascend 950 Die，但内存方案与定位完全不同。据公开报道，昇腾 950PR 采用 950 核心搭配 HiBL 1.0 内存，主要面向推理 Prefill 阶段和推荐业务场景；950DT 采用 HiZQ 2.0 内存，注重推理 Decode 阶段和训练场景。

维度	昇腾 950PR	昇腾 950DT
内存方案	HiBL 1.0	HiZQ 2.0
内存容量	112GB（芯片规格 128GB）	144GB
内存带宽	1.4TB/s（芯片规格 1.6TB/s）	4TB/s
互联带宽	2TB/s	2TB/s
目标场景	推理 Prefill、推荐	推理 Decode、训练
上市时间	2026 年第一季度	2026 年第四季度

这一拆分反映了一条现实的成本逻辑：Prefill 阶段是算力密集，Decode 阶段是带宽密集。DT 把内存容量和带宽拉高以应对长上下文解码，代价是更高的 HBM 成本。华为同时自研了两种 HBM——HiBL 1.0 和 HiZQ 2.0，与 Ascend 950 Die 分别合封构成两颗芯片。

950PR 的价格锚点：约 11 万元​

根据多方公开报道，搭载昇腾 950PR 的 Atlas 350 加速卡单价约 11 万元人民币（约 1.6 万美元）。这个价格被反复引用为昇腾 950PR 的市场锚点。

对应的硬件规格是：FP4 精度算力 1.56 PFLOPS，集成 112GB HBM，带宽 1.4TB/s，功耗 600W，访存颗粒度从上一代的 512 字节减少至 128 字节，芯片间互联带宽从上一代的 784GB/s 提升至 2TB/s。

据公开报道，华为曾称昇腾 950PR 推理性能达英伟达 H20 的 2.87 倍，价格仅约为英伟达的四分之一左右。这一对比被广泛用于海外市场宣传——华为计划 2026 年第四季度将昇腾系列推向韩国市场，已完成分销商协议签署，选定 SK Shieldus 等两家作为销售渠道，主力产品正是 950PR 与 950DT。

不过这个 2.87 倍的对比需要审慎看待：华为的对比使用 Atlas 350 的 FP4 精度对比 H20 支持的最高精度，并非完全对等。Atlas 350 的内存带宽 1.4TB/s 也明显低于 H20 的 4.0TB/s，该差距会在带宽受限的解码任务上体现。

950DT 第四季度量产：价格怎么走​

950DT 尚未正式定价，但有三个因素会推动价格曲线变化。

第一是 HBM 成本。据公开报道，摩根士丹利已将 2030 年中国 AI 加速器 TAM 预测从 910 亿美元上调至 1320 亿美元，明确以 HBM 成本上升推高芯片定价为理由。HBM 供应瓶颈不仅影响昇腾，也直接压制寒武纪 MLU580 的出货。

第二是产能。据公开报道，华为计划 2026 年出货约 75 万颗昇腾 950 系列；同时也有行业报告显示 950PR 存在采用传统 DDR 内存的版本约 5 万元/颗、配备 HBM 的高端版本约 7 万元/颗的区分。后一组数字口径与 11 万元的 Atlas 350 报价存在差异，可能指向不同产品形态或不同渠道，具体定价以华为官方渠道为准。

第三是国产竞品定价。字节跳动、腾讯、阿里已批量采购昇腾 950 系列，但同期阿里平头哥"真武"PPU 已出货数十万片、寒武纪 MLU580 在三季度提价——国产算力市场并不存在单一价格锚点，每个厂商的定价都锚定各自的性能与产能位置。

研判​

昇腾 950 系列正处在"价格最有说服力的窗口期"。950PR 约 11 万元的定价相对 H20 的四分之一，配合 DeepSeek V4 全线适配昇腾生态的进展，确实建立了性价比叙事。但这个窗口不会太长：950DT 第四季度量产将带来更大的 HBM 消耗，OIF 的 NPO 标准推进、昇腾 960 超节点发布带来的供应链挤兑，都可能推高成本。

对采购方而言，实际成本不止是卡价。昇腾超节点的整套系统定价、灵衢互联设备、超节点机柜的电力与液冷改造，都是必须计入 TCO 的项。建议关注三个信号：一是 950DT 正式上市后的官方定价，二是昇腾 950 系列的年度出货目标能否兑现 75 万片，三是 HBM 国产化进展对成本的实质影响。价格曲线的斜率，最终由产能兑现速度决定。

2026 年 9 月 17 日，华为全联接大会 2026 在上海世博中心启幕。华为副董事长、轮值董事长汪涛发布了业界首个采用 NPO（近封装光学）技术的昇腾 960 超节点。这套系统最刺眼的三个数字是：单节点 4096 卡、8 EFLOPS FP8 算力、1PB HBM 容量。发布会把"超节点"从概念推到了工程现实，但发布本身与规模商用之间仍隔着产能、良率与运维三道关口。

为什么 960 一定要走 NPO​

汪涛给出的动机非常直接：在传统计算架构下，集群规模扩大时资源利用率反而下降。10 万卡集群的实际模型算力利用率（MFU）仅约 20%，大量算力在等待通信完成。据华为马尔科夫实验室仿真结果，由 4K 超节点组成的 10 万卡集群，相比 8 卡服务器组成的同规模集群，MFU 可提升 2.75 倍。

另一位华为高管在发布后补充了更尖锐的对比：当前十万卡级集群行业普遍 MFU 不足 30%，七成资源消耗在故障与修复环节；而 10 万亿参数大模型训练，MFU 每提升 1 个百分点，训练周期就能缩短 3 天。

这一组数字解释了超节点为何成为必选项。当 SOTA 模型参数规模进入 10 万亿级，瓶颈已经不在单卡峰值算力，而在通信与可用度。

维度	传统多机集群	昇腾 960 超节点
单节点规模	8 卡服务器为基本单元	最大扩展至 4096 卡
内存模型	各节点独立内存	灵衢协议实现内存统一编址
算力规模	无统一口径	8 EFLOPS FP8、16 EFLOPS FP4
HBM 容量	分散	1PB HBM 容量
互联方式	大量 800G 光模块	5500 个 Hi-ONE NPO 模块
系统可用度	受故障修复拖累	官方称达 99.8%

Hi-ONE：把光引擎搬进封装内​

昇腾 960 最大的技术亮点是首次商用 Hi-ONE NPO 近封装光学方案。据公开报道，Hi-ONE 是业界首个具备量产能力的 NPO 产品，也是目前行业传输容量最大的 NPO 产品，并且是唯一实现内置光源的 NPO 产品，单引擎传输容量达 7.2T。

它的降本账算得清楚：整套昇腾 960 超节点使用 5500 块 NPO，替代原本需要 4.8 万颗 800G 光模块，减少 550 多千瓦功耗，同时将系统无故障运行时间提升一倍。此外华为已在国际标准组织 OIF 提出 NPO 标准立项建议，试图推动产业生态成型。

配套的灵衢互联架构同样激进。据华为常务董事、ICT BG CEO 杨超斌介绍，灵衢将十余种互联协议统一为灵衢协议，互联带宽从百 GB 级提升至 TB 级，RTT 通信时延从 7 微秒压缩至 2 微秒。在设备侧，华为发布了覆盖柜内、跨柜与集群三级互联的灵衢互联设备，柜内互联刀片实现零电缆，一个 4096 超节点可节省 196 公里铜缆。

现实的挑战：发布不等于交付​

发布会热度之外，有几个必须清醒看待的点。

首先是量产与产能。Hi-ONE 号称"业界首个具备量产能力"，但"具备量产能力"与"大规模稳定量产"之间仍有距离。昇腾 950 系列规划 2026 年出货 75 万片，这本身已是极高的供应链压力，960 作为更大规模的系统级产品，供应链复杂度远高于单卡。

其次是规模化验证。截至 2026 年 9 月，昇腾超节点已规模商用 1000 多套，应用于互联网、运营商、金融、教育、医疗、交通、制造等行业；昇腾 384 超节点已商用超 750 套。但 960 超节点目前仍处于发布阶段，尚无公开的规模商用交付数据。

第三是成本门槛。4096 卡单节点意味着超 1000 平方米的占地与极大的电力需求（据公开报道，基于昇腾 950DT 的 Atlas 950 超节点满配 8192 卡，占地约 1000 平方米）。这种配置目前只有头部互联网厂商、运营商与国家级算力中心有能力消化。

研判​

从 910C 超节点到 950 再到 960，华为的战略主线很清晰——"超节点加集群"的系统级架构创新，而非单纯堆单卡算力。多个昇腾 960 超节点采用灵衢或 RoCE 连接可构建更大规模集群，通过二层 CLOS 四平面组网，最大集群规模可达 51.2 万卡，再结合多轨道拓扑技术最大可支持 100 万卡集群。

这条路线的挑战不在技术叙事，而在工程兑现：NPO 光引擎的良率、液冷系统的长期可靠性、以及从千卡到 4096 卡规模下真正的 MFU 数据，都需要时间检验。对采购方而言，960 的意义在于它把"卡级国产替代"推进到了"系统级自主架构"，这一步比任何单卡参数都更重要。等待 960 商用超节点的第一批公开实测与稳定运行数据，才是判断其成色的关键。

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。

2026 年 9 月 17 日，华为全联接大会（HC2026）上海站，华为轮值董事长汪涛官宣昇腾960 超节点——全球首个采用 NPO（近封装光学）技术的超节点。4096 卡、8 EFLOPS FP8、1PB HBM，加上提前三个季度就绪的 960DT，华为把"系统级算力"的赌注又加大了一档。

一、HC2026 发布：单节点 4096 卡意味着什么​

先看官方口径的核心数字：

指标	昇腾 950 超节点	昇腾 960 超节点
单节点卡数	1024 卡（WAIC 2026 展出）	4096 卡
FP8 算力	8 EFLOPS（8192 卡满配）	8 EFLOPS（单节点）
FP4 算力	16 EFLOPS（8192 卡满配）	16 EFLOPS（单节点）
HBM 总容量	1152 TB（8192 卡满配）	1 PB（4096 卡）
互联 RTT	3 μs	2 μs（全域 D2D）
光互联	灵衢 2.0 总线	NPO 光引擎 Hi-ONE

一个直观的对比：950 超节点需要 8192 卡满配才能达到的 8 EFLOPS FP8，960 超节点在单节点 4096 卡内即已实现——这背后是单卡规格翻倍与光互联密度提升的叠加。芯片侧，昇腾960DT 升级至 Da Vinci v6 架构：FP8 2 PFLOPS、FP4 4 PFLOPS、288GB 自研 HBM、9.6 TB/s 带宽，各项指标较 950 系列全部翻倍，华为称这一路径为"韬定律"。双版本节奏同样清晰：960DT 配风冷超节点 Atlas 860，960PR 配液冷超节点 Atlas 960，分别于 2027 年 Q2、Q3 上市。

二、NPO 光互连：一场功耗与密度的革命​

超节点规模越大，互联越是命门。传统可插拔光模块的功耗与密度，正是把超节点从"千卡"推向"万卡"的最大障碍。昇腾960 超节点的答案是 NPO（Near-Package Optics，近封装光学）：

• 5500 个 Hi-ONE 光引擎替代 48000 颗 800G 光模块，单引擎传输容量 7.2T，是业界首个量产、当前传输能力最大、唯一内置光源的 NPO 产品；
• 系统功耗降低超 550 kW——相当于省出一个中型数据机房的总功率；
• 无故障运行时间提升一倍，整体可用度达 99.8%。

华为选择 NPO 而非更激进的 CPO，理由是工程务实：NPO 在保留光引擎独立性的同时实现光电近距离握手，规避了 CPO 在可靠性、可制造性、可维护性上的难题，并延续现有光模块产业生态。

对照海外路线，这条路径的差异非常明显：NVIDIA 的 NVL72 系列在机柜内坚持铜互连（NVLink 铜背板），AMD 亦以铜互连为主、借助 UALink 开放生态扩展机柜间网络。铜互连在 72–144 卡尺度上功耗与成本占优，但要再往上走一个数量级，光进铜退几乎是必然。昇腾960 用 NPO 直接把光互联压进超节点内部，是在用互联架构换规模上限——这也是 4096 卡得以成立的前提。华为马尔科夫实验室的仿真给出了一组佐证：4K 超节点组成的 10 万卡集群，相比 8 卡服务器组网，MFU 提升达 2.75 倍——传统架构下，集群内通信要吃掉超过 40% 的训练时间。

三、4096 卡 vs NVL72：两种规模哲学​

把昇腾960 超节点与 NVIDIA NVL72 放在一起，看到的不是同一张设计图的两个版本，而是两种哲学：

维度	NVIDIA NVL72	昇腾960 超节点
单节点规模	72 卡	4096 卡
互联介质	铜背板（NVLink）	NPO 光引擎（Hi-ONE）
设计逻辑	小域高带宽、机柜间以太网扩展	大域统一内存、集群级扩展

NVL72 的思路是把最紧密的互联限制在 72 卡的小域内，用成熟的铜互连控制功耗，再靠网络横向扩展；昇腾960 则把"超节点"的边界直接推到 4096 卡，用统一内存编址和 2 μs 全域 RTT 让整个节点在逻辑上"像一台机器"。单卡绝对性能仍落后 NVIDIA 旗舰一代的背景下，华为选择用更大的 Scale-Up 域弥补代差——评估国产算力，不能只比单芯片 PFLOPS。

四、提前三个季度：执行信号与一年一代路线图​

比规格更值得注意的是节奏：昇腾960DT 较原计划提前三个季度就绪，960PR 提前一个季度。在先进制程受限的环境里，提前就绪意味着供应链、封装、整机调测的每一个环节都被压缩过——这是执行力的信号，也是对客户交付承诺的背书。

路线图同步浮出水面：2028 年昇腾970、2029 年昇腾980，"一年一代"的迭代节奏与算力规格持续翻倍的韬定律并列官宣。而 960 的部署底盘已经就位——昇腾910C 超节点已部署超 1000 套，950 超节点规模商用，CANN 外部开发者占比升至 61%、月活开发者突破 5200 人。

配套系统同步升级：鲲鹏 TaiShan 950 超节点支持全光组网下 4096 节点、256TB 统一内存池；OceanStor M900 上下文内存存储基于灵衢总线一跳直连 PB 级 KV Cache，把推理时代的上下文瓶颈纳入系统级解法。集群扩展路径上，多个 960 超节点经灵衢网络或 RoCE 互联可达 51.2 万卡，叠加多轨道拓扑后支持 100 万卡集群。

小结​

昇腾960 超节点的故事有三层：工程层面，NPO 光互连用 5500 个光引擎换下 4.8 万颗光模块、省电 550 kW，把光互联提前压进超节点内部，走出了与 NVIDIA 铜互连不同的路线；架构层面，4096 卡对 72 卡，是以更大的 Scale-Up 域对冲单卡代差的规模哲学；执行层面，960DT 提前三个季度就绪，让"一年一代"从路线图变成了可以兑现的承诺。2027 年 Q2 上市在即，真正的考验将是：这 4096 卡的野心，能否按期变成机房里实际运转的算力。

2026 年，美国对华 AI 芯片出口管制完成了从"推定拒绝"到"逐案审查"的历史性转向，同时附加关税、产能与安全三重枷锁。管制形态从"按芯片型号划线"演变为"按买家总部划线"，全球算力供应链随之重新绘制版图。

一年之内：政策的密集摇摆​

时间	事件	影响
2025 年 4 月	H20 出口需申请许可	英伟达计提 45 亿美元相关损失
2025 年 5 月	AI 扩散规则被暂停	全球分级许可框架搁置
2026 年 1 月	H200 转为逐案审查	TPP 低于 21000 且 DRAM 带宽低于 6500GB/s 的芯片可申请许可
2026 年 1 月	同步加征 25% 关税	相关芯片出口附带"收入分成"
2026 年 5 月	D:5 总部指南生效	管制对象从产品延伸到买家总部所在地
2026 年 8 月	英伟达财报指引	不假设任何来自中国的数据中心计算收入

新规则并非简单放松：对华出口总量受"不超过同期对美供应总 TPP 一半"的产能配额约束，每批产品须经美国第三方实验室检测验证，云端用途还需提交远程终端用户清单。英伟达甚至修改付款条款，要求中国客户全款预付，把政策风险完全转嫁给买方。

中国市场的受控交织​

尽管约束重重，需求依然旺盛。据公开报道，中国企业累计订购的 H200 级别芯片超过 200 万颗，字节跳动单年度采购金额据报高达 140 亿美元。作为对价，中国工信部引入"配对"要求：企业每进口一定数量海外芯片，须按比例配套采购以昇腾为主的国产处理器，形成"国产芯片承担推理与通用负载、海外芯片保留高价值训练"的混合算力部署模式。中美监管的双重合规压力，成为跨国采购团队的新常态。

与此同时，管制反向催化了国产替代的加速。据公开报道，华为 AI 芯片年收入正逼近 120 亿美元；BIS 甚至发布指南，提示昇腾 910B、910C 等芯片在全球范围内的交易也可能触发美方许可要求——管制的长臂正从硬件延伸到远程算力访问。2025 年 11 月出台、2026 年 11 月到期的"关联规则"暂停令，则让实体清单的覆盖范围悬而未决，进一步放大了政策的不确定性。

供应链的连锁反应​

合规物流让每颗输华芯片先赴美国检测再出口亚洲，交期延长、成本上升。更深层的挤压在制造端：H200 与 Blackwell 共享台积电 CoWoS 先进封装产能，对华订单直接排挤更高毛利产品的排产。英伟达已锁定台积电 2026 年约六成先进封装产能，其余厂商只能在剩余份额中竞争。2026 年 5 月，黄仁勋向媒体表示英伟达"基本已让出中国 AI 芯片市场"——对芯片巨头而言，中国市场的财务贡献正在从增长项退化为风险项。

结语：版图的三条断层线​

2026 年的供应链版图上，三条断层线已然清晰：美国以"逐案审查加关税"维持受控开放；中国以"配对采购加国产放量"构建双轨算力体系；其余国家则在两种体系之间摇摆观望。管制已经无法阻止算力需求的增长，只能改变算力的地理分布与成本结构。对行业观察者而言，比门槛数字更值得跟踪的，是每一次政策摇摆背后，供应链各方重新谈判的定价权。

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。

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。

据路透社报道，出口管制推高HBM成本，华为、寒武纪等国产AI芯片厂商集体上调价格——正如戴尔CEO所言，"比涨价更糟的是没货"。

路透社爆料：三位知情人士描绘的涨价全景​

据路透社2026年9月10日援引三位知情人士的报道，因出口管制导致HBM成本飙升，华为、寒武纪等中国AI芯片厂商已大幅上调现有及下一代AI处理器的价格。这不是单一产品的调价，而是一轮覆盖多代产品线的系统性涨价。

产品	年初价格	当前价格	涨幅
华为昇腾950DT加速卡	未公开	指示性价格25万元人民币以上（约37255美元）	两个月内报价最多上涨50%
华为昇腾950PR	约6万元/单卡	突破8万元	约30%
华为昇腾910C板卡（老款）	约9万元	11万元以上	—
寒武纪下一代芯片（暂称690）	未公开	未公开	较两个月前上涨20%-30%

其中最引人注目的是昇腾950DT：其指示性价格已调高至25万元人民币以上（约37255美元），两个月内报价最多上涨50%。年初单卡约6万元的昇腾950PR，现已突破8万元；老款昇腾910C板卡也从年初的约9万元涨至11万元以上——连上一代产品都在涨价，说明短缺是全方位的，而非某一型号的局部现象。

寒武纪官方回应与厂商动态​

在涨价消息流传之际，寒武纪董秘办作出回应："不要听信市场消息，一切以官方公告为准。"这一表态既未证实也未否认。据上述报道，寒武纪下一代芯片（暂称690）已重新定价，较两个月前上涨20%-30%。

与此同时，涨价并非华为与寒武纪的"专属"：沐曦、天数智芯亦有类似的涨价动作。也就是说，这轮价格上行已经从头部厂商扩散至更多国产AI芯片公司，成为行业性现象。对采购方而言，"再等等看会不会降"的观望策略，正在面临价格持续上行的反向风险。

涨价根源：HBM短缺与出口管制双重挤压​

这轮涨价的逻辑链条并不复杂，可以拆成三层：

1. 需求侧：AI算力需求持续爆发，国产AI芯片订单饱满，供不应求是常态；
2. 供给侧：全球HBM持续紧缺，高带宽显存作为AI加速卡最关键的物料，产能增量远远跟不上需求增量；
3. 成本侧：出口限制卡住了国产芯片的上游供应，HBM获取成本大幅飙升，直接推高单卡物料成本。

上游成本抬升叠加供不应求，价格上调几乎是必然结果。对厂商而言，涨价既是转嫁成本的被动选择，也是在新的供需格局下重新校准产品定价的主动机会——毕竟在"有货就能卖掉"的市场里，定价权掌握在供给方手中。

戴尔CEO的警告：2027年可能更严重​

需求侧的信号同样值得警惕。戴尔CEO在高盛大会上表态：半导体结构性短缺短期难以缓解，2027年可能更严重；并且留下一句点睛之语——"比涨价更糟的是没货"。

这句话道破了当前AI算力市场的真实状态：价格上行尚可通过预算调整来消化，而拿不到货则直接卡死算力建设进度，延误的是整个AI战略的落地节奏。HBM作为AI加速卡的瓶颈物料，其短缺正在向上传导为加速卡、服务器乃至智算中心建设层面的系统性不确定性。

对采购决策的影响​

对于正在规划AI算力建设的企业来说，这轮涨价潮至少意味着三件事：

• 预算规划要留弹性：单卡成本模型需要动态更新，参考昇腾950PR两个月上涨约30%的斜率，静态预算很容易失真；
• 交期比价格更关键：昇腾910C这类老款产品都在涨价，说明现货稀缺，早锁定意味着早交付、早形成算力；
• 多供应商组合价值凸显：华为、寒武纪、沐曦、天数智芯全线涨价的环境下，国产+海外、多品牌组合的采购策略更有抗风险能力。

小结​

HBM短缺与出口管制双重压力下，国产AI芯片正在经历一轮罕见的全线上调：华为昇腾950DT报价突破25万元（约37255美元）、两个月最多涨50%，昇腾950PR突破8万元，昇腾910C板卡涨至11万元以上，寒武纪下一代芯片690较两个月前上涨20%-30%，沐曦、天数智芯跟进调价。戴尔CEO"2027年可能更严重"的判断提示我们：这场短缺或许不是短期波动，而是未来数年的行业常态。对采购方而言，与其等待价格回落，不如尽早锁定供货。