华为昇腾全线产品形态梳理：国产AI算力卡的产品形态与趋势

本文来源： 小鱼儿（公众号：小鱼儿）
原文链接： https://mp.weixin.qq.com/s/xJwbPefgrBIpaHVb1KczAw
发布时间： 2026-09-04 08:02

作者： 小鱼儿　　发布时间： 2026-09-04 08:02

2025年，中国市场卖出约 400 万张 AI 加速卡。其中本土厂商出货约 165 万张，占 41%，国产份额第一次突破四成。到 2026 年 8 月，TrendForce 把预测直接改到接近 90%——国产方案要吃掉中国高端 AI 芯片市场的九成，英伟达份额从约 40% 掉到 8% 左右。

这组数字最近被转了很多遍。但过去半年我在客户现场感受到的变化，跟份额关系不大。

真正的变化在形态。三年前客户问我，买 A100 还是买 910B。现在不问这个了，现在的问题长这样：我要建一个能跑万亿参数的推理池，你给我报什么形态？八卡服务器、一体机，还是直接上超节点？

问题变了，因为产品变了。国产 AI 算力卡正在从一颗芯片，长成一台机器。

一、五层形态，把算力卡放回它该在的位置

我们习惯说算力卡，这个词现在已经不太够用。卡只是中间的一层，往上往下各有两层，每一层的选型逻辑完全不同。

图 1　国产 AI 算力的五层产品形态

芯片层决定天花板。制程、架构、HBM 容量和带宽、支持哪些低精度格式，这些是物理约束，买哪家就锁定哪家。

板卡层决定怎么插。同样是 910B，做成 PCIe 标卡还是 OAM 模组，后面的散热方案、机柜密度、能不能组超节点，全都不一样。

服务器和一体机层是政企客户真正接触的界面。客户不会去摸一颗芯片，他摸的是那台 4U 机器的把手，看的是开机到跑通服务要几个小时。

超节点层是 2026 年最大的变量，后面单说。

集群层是结果。国家数据局披露，截至 2025 年底全国智能算力规模达 159 万 PFLOPS，到 2026 年 3 月底进一步增至 188 万 PFLOPS。这个数字是前面四层一层层堆出来的。

还漏了一层，软件栈。它不占物理位置，但贯穿五层。

华为的 CANN 异构计算架构 2025 年全面开源开放，向上对接框架，向下管理算子、内存、调度和通信，配套 MindSpore、PyTorch 昇腾适配版、torch-npu、vLLM-Ascend、sglang-npu、MindIE 等工具链。寒武纪有 BANG 异构计算平台，沐曦有 MXMACA 软件栈。昇腾生态合作伙伴已超过 3000 家，截至 2025 年开发者数量超过 400 万。

软件栈的形态决定了前面五层能不能真正跑起来，也决定了迁移成本。同样规格的卡，软件栈成熟度差一年，落到项目上就是几个月的工期差。

二、板卡层的分岔，PCIe 标卡还是 OAM 模组

这是最容易被忽略、但代价最大的一个选择。很多客户第一次采购时只盯着 FP16 算力，等第二批扩容才发现形态不对，前面的机柜全用不上。

说明：OAM 指 OCP Accelerator Module，开放计算项目定义的加速模组规范，目前已成为国产超节点的主流承载形态。

我在一个省级政务云项目上见过典型踩坑。一期买了 8 台 PCIe 标卡服务器做推理，跑得很顺。二期要加训练能力，发现标卡形态撑不起来，卡间互联带宽不够，只能另起炉灶买 OAM 形态的训练服务器。一期那批机器最后退化成开发测试环境用。

一句话判断
如果你的算力需求三年内不会超过单节点 8 卡，选 PCIe 标卡，灵活、便宜、好维护。如果你要跑大模型训练或者建高密度推理池，一开始就该按 OAM 形态规划，别指望后面平滑升级。

三、华为昇腾全线产品形态梳理

国内厂商里，昇腾是唯一把五层形态全打通的。从几瓦的边缘模组到万卡级超节点，客户可以一路买上去。也正因为形态太多，选型时最容易看花眼。

梳理这条产品线，从芯片层开始最清楚。

3.1 芯片谱系，两条线并行

昇腾芯片分两个序列。310 系列面向边缘和推理，910 系列面向训练和云端。两条线的制程、功耗、算力目标完全不同，拿在一起比没有意义。

310 系的关键词是低功耗。8W 起步，可以直接塞进摄像头和工控机，这是国产芯片在边缘场景渗透最深的一块。很多城市的视频结构化项目底层跑的就是它。

910 系里有个关键转折。910C 用双 910B 合封的 Chiplet 方案把算力堆到 640–800 TFLOPS，代价是功耗也涨到约 600W。这是在可获得的制造工艺下提升单卡算力的现实办法，属于工程上的巧劲，不是架构突破。

950 系列才是真正的跨代。从这一代起全部切换自研 HBM，同时把 PR 和 DT 拆成两颗不同侧重的芯片，一颗主攻推理的 Prefill 阶段，一颗主攻训练和 Decode 阶段。这个拆法跟当前大模型推理的 PD 分离趋势是直接对应的，不是随便起的型号名。

3.2 产品形态矩阵，看懂 Atlas 命名规则

昇腾的硬件产品统一叫 Atlas，后面跟数字和后缀。数字本身就是一张选型地图。

Atlas 数字规则
200 系列 = 模组与开发者套件
300 系列 = PCIe 加速卡
500 系列 = 边缘小站与边缘服务器
800 系列 = 数据中心 AI 服务器
900 系列 = 超节点与集群

后缀也有讲究。T 是 Training 训练，I 是 Inference 推理，V 是 Video 视频解析，A2 和 A3 是代际标识，分别对应 910B 和 910C。看懂这几个字母，看型号就知道这机器是干什么用的。

200 系列 加速模块与开发者套件

300 系列 AI 加速卡与视频解析卡

300 系列里有个值得记住的教训。Atlas 300I Duo 上市约 292 天就停产了。做政企项目时如果选了生命周期短的产品，二期扩容会非常被动，这条在选型时一定要问清楚厂商的产品生命周期承诺。

500 系列 智能边缘

800 系列 AI 服务器与一体机

800 系列是政企客户接触最多的一层。判断依据很简单，看后缀 T 还是 I。要训练买 T，要推理买 I。数字后面跟 A2 说明是 910B 平台，A3 说明是 910C 平台。

900 系列 超节点与大规模集群

3.3 主力型号 910B，规格与分档

910B 是目前出货量最大、使用最广的型号，也是多数政企客户真正会买到的那一款。它的完整规格如下。

说明：以上规格综合自行业公开资料与生态伙伴信息，不同供货批次存在差异，采购选型时须以厂商实际规格书为准。

两个容易被忽略的指标值得单说。一个是卡间互联 HCCS，单节点 8 卡全互联带宽约 448 GB/s，这个数字直接决定 8 卡能不能跑出接近线性的加速比。另一个是能效比 0.8 TFLOPS/W，310W 的功耗对上 A100 的 400W，在机房电力紧张的场景是实打实的优势。

910B 在供货上分了四个档位，这是很多人第一次采购时最困惑的地方。

B1 至 B4 选型原则
训练 50B 以上大模型，选 B1，注意需要液冷
训练 10B 至 50B，或科研金融场景，选 B2
训练加推理混合、国产化替代、政务云，选 B3，性价比最稳
只做推理或 API 服务、跑小模型，选 B4

注意 B1 的算力最高但用的是 HBM2，带宽反而不是最强。B3 虽然 FP16 算力只有 313 TFLOPS，但配的是 HBM3e，带宽 1.2TB/s，做推理反而更合适。算力数字不是唯一标准，得看你的负载是计算密集还是访存密集。

3.4 与英伟达的选型对照

把 910B 和同期英伟达的几款主流卡放在一起，差距在哪一目了然。

三条结论。FP16 算力已经超过 A100，这是实打实的进步。FP8 缺失是最大硬伤，训练场景绕不开。显存带宽仍是短板，HBM2e 版本差距明显，HBM3e 版本（B3）补上了一部分。

按场景对照着选，比背参数快。

一句话判断
看重生态成熟度和 FP8 训练，优先英伟达。看重国产化、合规、性价比和推理部署，昇腾 910B3 和 910C 是当前最务实的选择。

3.5 迭代路线图

华为官网公布的节奏是一年一代、算力翻倍。从 950 起全部切换华为自研 HBM，同时引入 SIMD 与 SIMT 双编程模型。前者解决供应安全，后者解决编程易用性，两条都是冲着长期生态去的。

四、其他厂商的形态版图

昇腾之外，把其他主要厂商的产品形态摊开看，路线差异也很清晰。

数据来源：各厂商官网及公开产品资料整理，截至 2026 年 9 月。部分厂商未公开完整规格，此处仅列形态信息。

寒武纪 2026 年上半年营收 

59.96 亿元

、净利润 

23.11 亿元

，新一代旗舰思元 690 已量产，采用双 die 封装，FP16 算力超过 700 TFLOPS，配 196GB HBM3 显存。这个规格已经不是替代 A100 的量级了。

海光走的是另一条路，CPU 加 DCU 双芯，配合中科曙光做系统。2026 年 7 月，双方宣布中国首个全国产十万卡 AI 超集群曙光 8000（登峰）落成。这是芯片厂商和系统集成商深度绑定的典型。

互联网大厂的自研 ASIC 不对外卖卡，这是很多人会忽略的一块。它们以云服务形式输出，但同样吃掉了大量国产芯片产能，也间接推高了国产份额。

五、2026 年最大变量，超节点成为主导形态

2026 年 7 月的 WAIC，国产算力展区几乎变成了超节点展会。这个信号比任何一份研报都直接。

数据来源：2026 世界人工智能大会公开报道及厂商发布信息整理，规格以厂商官方口径为准。

为什么超节点突然成了必选项？

答案有点无奈。受制于可获得的制造工艺，国产单颗芯片的算力跟英伟达旗舰仍有代差。华为轮值董事长徐直军在 2025 年全联接大会上讲得很直白，受制于先进芯片制造工艺的不可获得，华为单颗芯片算力与英伟达仍有差距，但可以用超节点方案做到算力能力不弱于世界先进水平。

单卡不够，就用规模补。这是国产算力最现实的一条路，也解释了为什么国内厂商在系统工程上投入这么猛。

但规模补的前提是互联。把 384 张卡物理上连起来不难，难的是让它们通信时不要互相拖后腿。传统集群用以太网或 InfiniBand 组网，卡间通信要绕经网卡和交换机，延迟和带宽都上不去。超节点的做法是专用高速互联把卡直连，华为的灵衢 UnifiedBus 走的就是这个思路，从 2.0 版本起开放技术规范。昇腾 950 系列互联带宽做到 2TB/s，970 系列目标 4TB/s。

互联带宽这个指标在采购清单上经常被忽略，但它对训练效率的影响是非线性的。带宽不够，卡越多越浪费，加到一定规模后加卡几乎不再提升性能。这也是为什么有些万卡集群的实际训练效率远低于纸面算力。

超节点到底解决了什么
传统集群里，多台服务器通过网络连接，通信开销大，编程模型复杂。超节点通过高速互联把几十到几千张卡连成一个逻辑整体，让它们像一台机器一样工作。物理上是多台机器，逻辑上是一台。这对大模型训练的并行效率影响巨大。

六、六条趋势判断

01形态上移，从卖卡到卖系统

客户买的单位正在从卡变成柜。对厂商来说，这意味着竞争维度从芯片性能扩展到互联、散热、调度软件的整体能力。对客户来说，选型的颗粒度变粗了，但试错成本也高了。以前买几张卡试试水，现在一上来就是一柜。

02液冷从选配变成标配

超聚变的单柜 PUE 做到 1.06，奕行智能的 Epoch 超节点宣称整体 PUE 控制在 1.15 以内。这些数字在三年前还是实验室指标。当单机柜功率密度突破几十千瓦，风冷已经物理上做不到，液冷没有讨论余地。政企客户做机房规划时，这一条必须提前考虑，改造成本远高于新建。

03自研 HBM 成为新的分水岭

华为从昇腾 950 系列起全面切换自研 HBM，950PR 用 HiBL 1.0，950DT 用 HiZQ 2.0。这不是营销话术，HBM 是当前国产算力卡最卡脖子的环节之一，能否自主直接决定出货能力和成本结构。接下来两年，能不能拿到稳定的 HBM 供应，会把国产厂商分成两拨。

04低精度格式成为新战场

昇腾 910B 最大的短板是不支持 FP8，这在训练场景是硬伤。华为的路线图已经把补上这块作为重点，950 系列支持 FP32 / HF32 / FP16 / BF16 / FP8 / MXFP8 / HiF8 / MXFP4 / HiF4，960 还会支持自研 HiF4。FP8 算力从 950 系列的 1 PFLOPS 提到 960 的 2 PFLOPS、970 的 4 PFLOPS。低精度不只是算力数字，它直接影响推理成本和显存占用。

05生态从迁移适配走向 Day-0 原生

2026 年 4 月 DeepSeek V4 发布，技术报告把华为昇腾 950PR 写进硬件验证清单，实现了从 CUDA 到国产算力的全栈迁移。V4 发布后至少 8 家国产芯片厂商公布适配方案，V4 Flash 版本发布时超过 100 家企业做到 Day-0 接入。这个速度在 18 个月前不可想象。美团公开披露 LongCat-2.0 完全在国产算力上训练部署，训练峰值使用超过 5 万张国产加速卡，这是头部互联网公司给出的实证。

06光互连是下一个卡点

曦智科技与中兴、壁仞、沐曦、燧原、天数智芯合作的 Matrix 超节点拿了 2026 WAIC 的 SAIL 之星，方案是柜内 OEX 正交无背板互联加柜间分布式 dOCS 光交换。曦智的光跃 LightSphereX 方案已实现 2000 卡商业化落地，建成国产第一个光互连光交换超节点集群。当超节点规模往万卡走，电互联的功耗和距离都撑不住，光进铜退是迟早的事。

七、政企落地，一体机是最现实的一公里

前面讲的大多是头部玩家的故事。回到我日常接触的政企客户，真实情况要朴素得多。

绝大多数政企客户的诉求是：给我一台机器，通电、联网、开机，三天内我的业务能跑起来。他们不关心卡间互联带宽是 400GB/s 还是 896GB/s，也不关心 PUE 是 1.06 还是 1.15。

这个诉求把一体机推到了台前。一体机是面向 AI 场景设计的集成化计算设备，把 AI 芯片、服务器硬件、算法框架、行业应用软件深度集成，形成开箱即用的方案。单台一般配 8 颗或 12 颗 AI 芯片，分推理一体机和训推一体机两类。

一体机的三个实际价值
交付快。浪潮 NF5468H7 推理一体机通过 inAIP 智能引擎，3 小时完成从开机到推理服务上线。传统路径要经过硬件调试、框架适配、算子优化，周期以周计。
利用率高。通过算力智能切割与动态调度，把 8 卡集群虚拟化为多份算力单元按需分配，硬件利用率可提升至 92%。
运维简单。全栈可视化管理加健康自检，实时监控加速卡温度、显存占用，预测性维护可显著降低宕机风险。

华为的 FusionCube A3000 训推超融合一体机提供 Ultra、Pro、Lite 三种型号，搭载 Atlas 800I A2 推理服务器。中科曙光推出采用国产 x86 CPU 和国产 GPGPU 加速卡的全国产超融合一体机。三大运营商也都出了各自的 DeepSeek 版智算一体机。

还有一个值得关注的动向。山东移动的芯合一体机依托自研异构超融合软件栈，已实现 6 家国产芯片混合训练、适配 9 家国产芯片的跨架构部署能力，昇腾 910B 环境系统吞吐提升 36.6%，DeepSeek 满血版部署时间从 30 小时压缩到 4 小时。这种跨架构调度能力，对那些已经买了不止一家国产卡的客户价值很大。

场景与形态对照

选型前必问的四个问题

• 三年后规模多大。

如果超过单节点 8 卡，现在就别买 PCIe 标卡形态，形态切换的成本远高于差价。

• 机房能不能上液冷。

不能的话，高密度形态直接排除，别买回来发现跑不满。

• 要不要混插多家国产卡。

要的话，重点考察跨架构调度软件栈，这不是硬件厂商的强项。

• 模型侧适配谁负责。

很多项目卡在这里，硬件厂商说模型方负责，模型方说硬件方适配，最后拖的是客户。

写在最后

2024 年国产 AI 芯片占比约 30%，2025 年跃到 41%，2026 年可能被推到接近 90%。这组曲线很漂亮，但它描述的是结果。

真正发生的事情在形态上。国产算力从一颗芯片起步，现在长成了模组、服务器、一体机、超节点、集群这样一个完整的形态谱系。单卡性能的差距还在，但系统工程的差距已经填回来不少，甚至在液冷、光互连这些新方向上跑到了前面。

对做交付的人来说，这意味着选型这件事变难了。以前比一张表就够了，现在得问清楚客户三年后要什么，再倒推今天该买什么形态。买错形态的代价，比买错品牌大得多。

要看懂国产算力，光盯着 FP16 那个数字已经不够了。得往上看一层，看它最终以什么形态交到你手上。

小鱼儿
写于 2026 年 9 月

本文数据来自 IDC、TrendForce、国家数据局、华为官网及各厂商公开资料，规格以厂商官方口径为准

本文转载自微信公众号「小鱼儿」，仅供学习交流使用。