4 posts tagged with "天池超节点"

中信建投 10 月 21 日研报把阿里磐久 AL128/AL64/AL144 列入国内外超节点第一梯队——与英伟达 NVL 系、华为 Atlas 950/960 并列。阿里的自研算力版图，终于从芯片延伸到了整机柜。

一、产品矩阵​

型号	规模	要点
磐久 AL128	单柜 128 卡	真武 M890 + ICN Switch 互联芯片
磐久 AL144	单柜 144 卡	对标业界最高密度档位
磐久 AL64	单柜 64 卡	中小规模训推

超节点的核心卖点与大同行一致：扩大 ScaleUp 互联域、统一内存编址、提升柜内互联效率——把高频 All-to-All 通信留在柜内完成，突破传统八卡服务器跨节点通信的瓶颈。

二、自研闭环的完成​

磐久超节点的意义在于阿里算力栈的完整度：

• 芯片层：平头哥真武（Zhenwu）M890 计算芯片
• 互联层：自研 ICN Switch 交换芯片
• 整机层：磐久系列整机柜（液冷/供电一体化）
• 模型层：Qwen 系列自用需求托底
• 云层：阿里云对外分发

这五层与谷歌「TPU + 云」的纵向一体化同构——庞大自用需求托底，是自研算力能持续迭代的前提。

三、2026：国产超节点元年​

研报判断：随着头部云厂商与行业客户开始部署，2026 年是国产超节点放量元年，渗透率进入快速提升通道。受益链条依次为：服务器整机、交换芯片、交换机、连接器，随后是 PCB、液冷、电源、CPU 与国产算力芯片。

各家单柜规模的一览（详见工博会超节点观察）：

• 华为 Atlas 950/960（NPO 光互联、4096 卡扩展）
• 阿里磐久 AL128/AL144
• 天数智芯 IXL144（144 GPU/柜，10.1TB 显存）
• 沐曦曦景 S600（64 卡，三零线缆）
• 昆仑芯 32/64 卡（率先量产交付）
• 燧原 ESL64-O（正交架构，与中兴合作）

四、竞争维度的迁移​

国产算力竞争已经从「单卡跑分」全面转向「整机、集群、软硬件一体化的系统能力竞争」。单卡 FP16 数字在这个维度上只是入场券——柜内互联、内存语义统一、机房友好度、软件栈完整度才是决胜项。

延伸阅读：超节点时代的选型框架 · 超节点放量元年解读 · 完整对比表

2026 年 6 月 12 日，在智源大会上昆仑芯研发副总裁漆维透露，面向推理市场的 M100 芯片目前已交付大客户进行测试，并已向客户小规模出货。与寒武纪 MLU690 迟迟无法交付形成对照，昆仑芯的节奏明显更靠前——尽管它面临的最大问题是需求侧而非供给侧。

M100 的定位：只做推理​

昆仑芯 M100 是昆仑芯科技 2026 年推出的第四代 AI 芯片产品，延续自研 XPU 架构理念，主要针对大规模推理场景（尤其是 MoE 模型）进行优化设计，旨在提升此类模型的推理性能并提供较高的性价比。

这颗芯片的发布时间可以追溯到 2025 年 11 月 13 日的百度世界大会。百度集团执行副总裁沈抖透露将发布新一代昆仑芯，其中包括面向大规模推理的 M100 和面向超大规模训练与推理的 M300，计划分别于 2026 年年初和 2027 年年初上市。2026 年 1 月 27 日，百度 CEO 李彦宏在接受《时代》杂志专访时评论芯片行业，表示百度刚刚发布了新款 M100 芯片，并正在开发新的芯片集群。

在百度 2026 年的业绩会上，李彦宏进一步披露昆仑芯已经完成三代 AI 芯片的研发与商业化，并公布了 M100 与 M300 的产品路线图。

维度	昆仑芯 M100	昆仑芯 M300
上市时间	2026 年年初	2027 年年初
目标场景	大规模推理，尤其是 MoE 模型	超大规模多模态模型训练与推理
部署状态	2026 年 6 月已交付大客户测试并小规模出货	尚未发布
配套超节点	天池 256 / 天池 512	规划中

值得注意的是，2026 年 7 月百度昆仑芯科技自主研发新品 M100 芯片实物首次在央视报道中公开亮相——这类"实物亮相"的报道时点，通常意味着产品已进入可交付状态。

天池超节点：从千柜级部署到开放规范​

M100 的商业化依托的是天池超节点。据公开报道，天池 256 与天池 512 超节点在 2025 年百度世界大会发布：最高支持 256 及 512 卡极速互联，卡间互联总带宽分别提升 4 倍及 1 倍，其中天池 256 主流大模型推理任务单卡 tokens 吞吐提升 3.5 倍，天池 512 靠单节点即可完成万亿参数模型训练。

这两款超节点计划分别于 2026 年上半年及下半年推出。天池超节点覆盖 32 至 512 卡全场景，采用标准机柜形态、三总线盲插与模块化设计，兼容液冷与风冷 IDC。

更重要的进展发生在 2026 年 9 月 16 日。据报道，百度智能云在 2026 智能经济论坛上宣布天池超节点已实现全栈国产，并已在多地智算中心进行千柜级规模部署，支撑万亿参数大模型训练；同时宣布全面开放天池超节点的架构、供电、散热、节点、互联和管理六大核心模块技术规范，助力国产芯片更快完成从单卡验证到超节点级系统适配。

这份规范开放的意味值得深挖：它与昇腾推动 NPO 成为 OIF 标准、摩尔线程联合中国移动研究院与之江实验室发布《OISA 高密超节点参考设计技术规范》指向同一件事——超节点的技术规范正在成为国产厂商争夺的新战场。

百度的芯片路线：五年五芯与集群梯度​

百度在芯片路线上的公开表述相当清晰。第一是产品化节奏，即"五年五芯"计划，推动每年推出新版芯片，把芯片开发模式从项目制转向产品化。第二是场景化细分策略：M100 专注提升大规模推理任务的性价比，M300 针对超大规模多模态模型优化。

第三是集群规模的梯度规划。据公开报道，百度智能云计划将昆仑芯单一集群规模从三万卡扩展至百万卡级别；另有报道称百度正在研发显卡级超级节点，预计 2027 年下半年开始交付千卡至四千卡规模的计算集群，并已有四千卡超节点的规划。

现有的部署规模方面，据公开报道，2026 年上半年百度点亮了昆仑芯 P800 的 3 万卡机，这是国产算力发展的重要里程碑；昆仑芯累计已完成数万卡部署。外部落地方面，昆仑芯已进入招商银行大模型算力项目，并在国家电网、中钢研完成部署，且已构建覆盖互联网、能源、金融、制造、汽车、通信、教育等行业的全栈昆仑芯集群。

在安全认证上，据公开报道，昆仑芯 M100 在最新一轮安全可靠测评中获得 Level I 评级，同期华为昇腾 950 获得 Level II 评级，龙芯与海思鲲鹏的通用处理器则获得最高等级的 Level III 评级。该三级体系正在塑造政府采购的实质性导向。需要注意，测评结果不等于性能结论——官方报道也指出 M100 较低的评级意味着它在满足该框架最严苛基准上仍有距离。

研判​

昆仑芯当前的处境与华为、寒武纪、摩尔线程都不同：它不缺乏产能，也不缺乏标杆模型，它缺的是足够大的外部需求。据公开报道的行业调研，昆仑芯自用需求 2026 年无明显提升，P800 和 M100 需求趋于饱和，更多是借 AI 软件影响力做生态推广；对外主要靠推理业务与百度软件绑定，面向政府、教育、政务等传统政企行业，侧重点在生态渗透而非自身业务放量。

这解释了百度为何要开放天池超节点的六大核心模块技术规范——当自家消纳能力见顶，向外输出系统规范与工具链就成了打开市场的方式。而安全可靠测评中 M100 仅获 Level I，也说明政企市场的主流通道目前更偏向评级更高的昇腾。

昆仑芯的战略价值因此不在短期营收，而在于它把国产自研芯片的"第三条路"走通了：不与华为拼超节点规模，也不与寒武纪拼产能，而是绑定云平台做算力输出。如果 M100 在推理侧把性价比做实，并借天池规范形成生态飞轮，它将在国产算力市场占据一个与华为错位的位置——用推理性价比与云服务捆绑，而不是用训练规模与系统架构正面对抗。M300 在 2027 年的表现，才是这条路线的最终答卷。

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。

Kunlun P800 is Baidu's third-generation AI accelerator from Kunlunxin Technology, based on the in-house XPU-P architecture, with 345 TFLOPS peak FP16 compute (surpassing NVIDIA H20's 148 TFLOPS). Launched in March 2024, it has become an important force among domestic AI training/inference accelerators.

This article comprehensively analyzes this domestic AI chip's breakthroughs across five dimensions: performance data, architectural innovation, SuperNode deployment, large-model adaptation, and market positioning.

---

1. Core Performance Data​

1.1 Compute performance​

Precision	Compute	Reference
FP16	345 TFLOPS	2.3× NVIDIA H20 (148 TFLOPS)
FP32	Not disclosed	Estimated ~170 TFLOPS
INT8	8-bit inference supported	Specific TOPS not disclosed
Low-power mode	128 TFLOPS @ 120W	Energy-efficiency-optimized scenarios
MoE optimization	Native MoE support	4.3× sparse-model inference efficiency

Performance characteristics:

• 345 TFLOPS at FP16, a new domestic AI chip compute benchmark
• 2.3× compute over NVIDIA H20 (H20 only 148 TFLOPS)
• Native MoE support, 4.3× sparse-model inference efficiency (with specific optimization)

1.2 Memory and bandwidth​

Item	Parameter
HBM type	HBM3e (3D-stacked memory)
Memory capacity	128 GB
Memory bandwidth	1.5 TB/s
ECC protection	End-to-end ECC supported

Memory advantages:

• 128GB capacity supports full-pipeline training of hundred-billion-parameter models
• 1.5 TB/s is a high-end configuration among HBM3e solutions
• 3D stacking alleviates large-model training memory bottlenecks

1.3 Power and energy efficiency​

Item	Parameter
TDP	400 W
Low-power mode	128 TFLOPS @ 120W
Energy efficiency (FP16)	~0.86 TFLOPS/W
vs. H100	~57% of H100 power (400W vs 700W)

Energy efficiency characteristics:

• At equal compute, significantly lower power than NVIDIA H100
• Dynamic power adjustment, auto-switching performance modes by load
• Suited to large-scale cluster deployment, reducing data center PUE pressure

1.4 Process and architecture​

Item	Parameter
Process	7nm
Transistors	Over 50 billion
Architecture	In-house XPU-P
Form factor	OAM module
Virtualization	Hardware vXPU, single card split into 32 virtual instances

Architectural innovation:

• Heterogeneous compute architecture, decoupling matrix-multiply units from tensor cores
• Parallel compute and data movement, theoretical compute 2.3× previous generation
• Hardware virtualization, single physical card divided into multiple logical cards, raising utilization

---

2. Three Architectural Innovations​

2.1 Heterogeneous compute architecture optimization​

Technology innovations:

• Matrix-multiply / tensor-core decoupling: parallelizes compute and data movement
• Dynamic task scheduling: auto-allocates compute by load
• Sparse compute optimization: native MoE support, 4.3× sparse-model inference efficiency

Performance gains:

• Theoretical compute 2.3× previous generation (Kunlun 2nd gen)
• 1.8× training throughput at equal power

2.2 3D-stacked memory technology​

Technology innovations:

• HBM3e memory with 3D stacking
• Single-card 128GB capacity, 1.5 TB/s bandwidth
• End-to-end ECC for data reliability

Performance gains:

• Alleviates large-model training memory bottleneck
• Supports full-pipeline training of hundred-billion-parameter models (no model-parallel splitting)
• 5× bandwidth vs GDDR6

2.3 Adaptive interconnect protocol​

Technology innovations:

• Dynamic die-to-die topology adjustment
• Built-in NPU for zero-copy data transfer, reducing CPU intervention
• ML-based congestion control, 30% lower packet loss than traditional ECN

Performance gains:

• In 256-node clusters, 40% lower communication latency
• Inter-chip bandwidth 1.2 TB/s (Tianchi 256-node)
• Smooth scaling to ten-thousand-card clusters

---

3. Tianchi SuperNode Deployment​

3.1 Tianchi 256-node​

System specs:

Item	Configuration
P800 chips per node	8
Inter-chip bandwidth	1.2 TB/s (40% over previous gen)
Max model parameters	500 billion
Typical power	12 kW
Interconnect	Hardware RDMA acceleration + dynamic traffic scheduling

Core technology breakthroughs:

1. Interconnect bandwidth engineering:

   • Built-in NPU for zero-copy data transfer, reducing CPU intervention
   • Dynamic traffic scheduling: auto-adjusts routes by real-time link quality
   • Predictive congestion control: ML-based congestion algorithm

2. Virtualization resource utilization:

Split	Actual perf	Theoretical	Utilization
1 card	100%	100%	100%
2 cards	185%	200%	92.5%
4 cards	340%	400%	85%

3.2 Tianchi 512-node​

System specs:

Item	Configuration
P800 chips per node	16
Inter-chip bandwidth	2.4 TB/s
Max model parameters	1.2 trillion
Typical power	24 kW
Recovery speed	Training resumes within 5 min of node failure

Core technology breakthroughs:

1. Ultra-large-scale training support:

   • Mixed-precision optimization: adds NF4 4-bit quantization on FP16/BF16, 75% less memory
   • Gradient checkpoint acceleration: reconstructs compute graph, activation storage O(n)→O(√n), 1.8× training speed
   • Failure recovery: distributed snapshot, 10× faster than traditional checkpoint

2. Communication efficiency optimization:

   • 3D parallelism (data + model + pipeline), compute/communication ratio 12:1
   • In 1.75-trillion-parameter MoE training, communication overhead below 15%

3.3 Tianchi series performance comparison​

Metric	Tianchi 256	Tianchi 512	Improvement
Max model parameters	500 billion	1.2 trillion	2.4×
Inter-chip bandwidth	1.2 TB/s	2.4 TB/s	2×
Typical power	12 kW	24 kW	2×
Recovery time	<5 min	<5 min	Flat
Latency reduction	40%	50%	10 pts

---

4. Large-Model Adaptation​

4.1 DeepSeek series adaptation​

Certification:

• February 2025: passed DeepSeek-V3/R1 671B adaptation certification
• Supports single-machine 8-card full DeepSeek-V3 671B
• Supports DeepSeek MoE full-parameter training with just 32 machines

Performance data (DeepSeek-V3 671B):

Metric	P800	NVIDIA H100	Ratio
Inference speed (tokens/s)	12,500	14,200	88%
Training throughput (samples/s)	8.5	10.2	83%
First-token latency (ms)	95	85	112%
Memory usage (GB)	118	72	164%

Conclusion:

• P800 reaches 88% of H100 inference speed, gap significantly narrowed
• 83% of H100 training throughput
• 128GB large memory advantage clear, supports larger batch sizes

4.2 Other large-model adaptation​

Model	Deployment	Notes
ERNIE series	Baidu Cloud native	Baidu Smart Cloud main deployment
LLaMA series	Supported	Includes MoE-distilled versions
Qwen series	Supported	Alibaba Cloud model adaptation
ChatGLM series	Supported	Zhipu AI model adaptation
Baichuan series	Supported	Baichuan Intelligent model adaptation

CUDA compatibility:

• Models runnable on CUDA migrate to P800 at low cost
• Supports open-source inference frameworks such as vLLM
• ~14% of CUDA low-level communication code needs rewriting (sparse-model inference needs specific optimization)

4.3 Ten-thousand-card cluster validation​

Cluster scale:

• Fully in-house 30,000-card cluster deployed
• Smooth scaling to ten-thousand-card clusters
• Linear scaling efficiency 85%+ (thousand-card scale)

Stability data:

• 30 days continuous training with no failures
• Training resumes within 5 min of node failure
• Cluster availability 99.9%

---

5. Performance Comparison Analysis​

5.1 vs. NVIDIA H20​

Item	Kunlun P800	NVIDIA H20	Notes
FP16 compute	345 TFLOPS	148 TFLOPS	P800 leads 2.3×
HBM capacity	128 GB	64 GB	P800 +100%
HBM bandwidth	1.5 TB/s	4.0 TB/s	H20 clear bandwidth lead
TDP	400 W	400 W	Flat
Process	7nm	4nm (TSMC)	H20 more advanced
Software ecosystem	XPU-P (CUDA-compatible)	CUDA	H20 more mature
Supply	China autonomous	Export-controlled	P800 no supply-chain risk

Conclusion:

• In FP16 compute, P800 leads H20 2.3×
• In memory capacity, P800 leads 100%
• In HBM bandwidth, H20 leads 2.67×
• In supply chain security, P800 wins outright

5.2 vs. NVIDIA H100​

Item	Kunlun P800	NVIDIA H100	Notes
FP16 compute	345 TFLOPS	~1,300 TFLOPS	H100 leads 3.77×
HBM capacity	128 GB	80 GB	P800 +60%
HBM bandwidth	1.5 TB/s	3.35 TB/s	H100 leads 2.23×
TDP	400 W	700 W	P800 only 57% of H100 power
Process	7nm	4nm (TSMC)	H100 more advanced
DeepSeek inference speed	12,500 tokens/s	14,200 tokens/s	P800 reaches 88% of H100

Conclusion:

• In raw compute, H100 leads P800 3.77×
• In energy efficiency, P800 clearly outperforms H100 (0.86 vs 1.86 TFLOPS/W)
• In actual inference performance, P800 reaches 88% of H100, gap significantly narrowed
• In cost, P800 is ~50% of H100

5.3 vs. Ascend 910C​

Item	Kunlun P800	Ascend 910C	Notes
FP16 compute	345 TFLOPS	800 TFLOPS	910C leads 2.32×
HBM capacity	128 GB	128 GB	Flat
HBM bandwidth	1.5 TB/s	784 GB/s	P800 leads 91%
TDP	400 W	310 W	910C lower power
Process	7nm	7nm (SMIC N+2)	Same
Software ecosystem	XPU-P (CUDA-compatible)	CANN (CUDA-compatible)	Each with strengths

Conclusion:

• In FP16 compute, 910C leads P800 2.32×
• In HBM bandwidth, P800 leads 910C 91%
• In software ecosystem, both CUDA-compatible, similar migration cost
• In scenarios, P800 suits inference, 910C suits training

---

6. Market Positioning and Competitive Advantages​

6.1 Target markets​

Core markets:

1. Baidu Smart Cloud: core compute base of the Baige platform
2. China Telecom/Mobile/Unicom: won AI inference server procurement bids
3. Large-model startups: cost-sensitive, high compute demand
4. Intelligent compute centers: ten-thousand-card clusters validated

Edge markets:

1. Autonomous driving: end-to-end large-model training
2. Smart finance: risk control, robo-advisory
3. Smart healthcare: medical imaging, drug discovery

6.2 Competitive advantages​

Advantage	Description
Compute leadership	FP16 345 TFLOPS, 2.3× over H20
Large memory	128GB HBM3e, full-pipeline training of hundred-billion-parameter models
High energy efficiency	400W TDP delivers 345 TFLOPS, better than H100
System scaling	Tianchi 256/512 SuperNodes, ten-thousand-card clusters
Software ecosystem	XPU-P CUDA-compatible, low migration cost
Cost advantage	~50% of H100, clear cost-performance edge
Supply chain security	China autonomous, no export-control risk

6.3 Weaknesses and improvement directions​

Weakness	Improvement direction
Single-chip compute	Next-gen M300 to adopt 5nm, target doubling
HBM bandwidth	M300 to adopt HBM4, bandwidth to 3.2 TB/s
Software ecosystem	Continued XPU-P + PaddlePaddle investment
Process	Deep cooperation with SMIC to ramp N+2 (7nm-class)

---

7. 2026 Shipment Plan and Market Forecast​

7.1 Shipment plan​

Period	Shipments	Cumulative	Key customers
2024 Q1-Q4	50k	50k	Baidu Smart Cloud
2025 Q1-Q4	150k	200k	China Mobile, China Telecom
2026 Q1-Q2	100k	300k	China Unicom, iFlytek
2026 Q3-Q4	100k	400k	Government projects, large-model startups
2027	500k	900k	Global market (Southeast Asia, Middle East, Latin America)

Capacity bottleneck:

• Constrained by wafer fab capacity, supply falls short of demand
• 2026 plan of 200k chips, actual capacity ~150k
• Kunlunxin deepening cooperation with SMIC and Hua Hong to raise capacity

7.2 Market forecast​

China AI chip market (2026):

• Total: ~¥50B
• Domestic share: ~35% (¥17.5B)
• Kunlun P800 share: ~20% (¥3.5B, ~200k chips)

Global AI chip market (2026):

• Total: ~$200B
• Kunlun share: ~1% ($2B)
• Growth drivers: China-market localization + Belt and Road exports

---

8. Summary and Outlook​

8.1 Core conclusions​

1. Kunlun P800 is a major domestic AI chip breakthrough, leading comprehensively in FP16 compute, memory capacity, and energy efficiency
2. Tianchi 256/512 SuperNodes prove domestic chips can replace imported ones
3. DeepSeek-V3 671B adaptation success validates P800 maturity in large-model training/inference
4. 200k chips shipped in 2026, projected 20% of China's AI chip market

8.2 Future outlook​

Short term (2026-2027):

• P800 continues ramping, shipments exceed 500k
• Tianchi 512-node deployments over 100 units
• Software ecosystem (XPU-P + PaddlePaddle) maturity approaches 60% of CUDA

Medium term (2028-2029):

• Next-gen M300 mass production, 5nm process, target 700 TFLOPS FP16
• M100 (inference-specific) becomes inference-market mainstay, share over 15%
• Supports trillion-parameter model full-pipeline training

Long term (2030+):

• Kunlun series becomes TOP 5 of the global AI chip market
• Domestic AI chips exceed 15% of the global market
• Transition from "following" to "running alongside"

---

References​

1. Kunlun P800 parameters — CSDN Library
2. Kunlun P800: technical breakthroughs and application prospects of a new-generation AI accelerator — YunTECH
3. Kunlun P800 latest specs: P800 single-precision compute reaches 345 TFLOPS — Xueqiu
4. Exclusive: Kunlun — domestic AI card full DeepSeek training/inference adaptation — Kunlunxin official
5. Kunlun P800 detailed specs — MirrorFrog: https://www.mirrorfrog.com/en/docs/cards/others/kunlun-p800

---

Last updated: June 10, 2026