AI 芯片竞争：
过去最容易理解的方法是：
拿两颗 Chip：
比。
谁：
算得快？
谁：
耗电低？
谁：
Memory Bandwidth：
更大？
今天：
华为给出了一个：
很不一样的答案。
如果：
单颗芯片：
不是最强。
那就：
不要只比单颗芯片。
把：
更多 Chip。
Memory。
Network。
Optical Interconnect。
全部：
接成：
一台更大的机器。
华为今天先承认一个非常现实的问题：AI 算力不够卖
9 月 17 日：
Huawei Connect：
在上海举行。
华为轮值董事长：
徐直军：
接受媒体访问时表示：
现在：
华为自己的：
AI Computing Product：
连中国市场：
都还：
供不应求。
所以：
公司目前：
没有办法：
全面扩大：
International Market。
不是：
海外没有人要。
而是：
国内订单都做不完。
华为目前只在部分海外市场有限供应
徐直军说：
某些 Demand：
特别强的国家：
还是会：
供货。
但：
数量有限。
这件事情：
其实很重要。
因为：
过去几年：
大家谈：
中国国产 AI Chip：
最大的问题之一：
通常是：
「有没有人真的用？」
现在华为面对的：
反而开始变成：
「有人要，但产能跟不跟得上？」
华为甚至认为 Ascend 在中国的市占可能已经超过 Nvidia
徐直军：
今天说：
中国 AI Chip Market：
缺少可靠：
Market Share Data。
但：
他个人认为：
Ascend：
目前：
在中国：
可能已经：
高于 Nvidia。
这句话：
要非常小心看。
因为：
华为：
没有提出：
公开数据：
证明。
所以：
今天不能写成：
「华为已正式超越 Nvidia。」
比较准确的说法是：
这是华为管理层自己的判断。
但有一件事比较确定：中国 AI 算力正在快速转向国产系统
原因：
不只：
产品本身。
还包括：
美国出口限制。
中国企业：
无法像过去一样：
自由取得：
Nvidia：
最先进的：
AI Accelerator。
部分：
先进半导体设备：
也受到限制。
所以：
中国现在：
不只是：
想做：
自己的 AI Chip。
而是：
必须把：
Model。
Chip。
Memory。
Interconnect。
Software。
Data Center。
整条：
重新创建。
这也是华为今天为什么一直讲「自主」
徐直军：
直接把：
AI Chip：
和：
Supply Independence：
放在一起。
他的意思很清楚：
中国不希望：
未来：
能不能取得：
AI 算力。
取决于：
外国公司：
愿不愿意：
卖芯片。
这不是：
一颗芯片的问题。
而是：
整个 AI Infrastructure：
的控制权。
第一个真正的产品焦点，是 Ascend 950DT
华为表示：
950DT：
测试结果：
目前：
表现良好。
公司：
已经和：
中国多家：
AI Model Developer：
进行：
广泛讨论。
华为预期：
到了：
2027 年。
会有：
更多开发者：
开始：
直接使用：
950DT System：
做：
Model Training。
这件事值得注意的原因：Training 比 Inference 更难
Inference：
是：
模型：
已经训练好。
接着：
让它：
回答问题。
产生图片。
写 Code。
Training：
则是：
真的把：
大型模型：
训练出来。
对：
Compute。
Memory。
Interconnect。
Software。
Reliability。
要求：
全部：
更高。
所以：
如果：
大量中国模型：
真的开始：
直接在 Ascend 上：
Training。
那才代表：
这套生态：
从：
「能跑模型」
进入：
「能生模型」。
但华为今天最大的动作，是把下一代芯片时程提前
原本：
华为：
2025 年公布的 Roadmap：
Ascend 960：
预定：
2027 年第四季：
推出。
今天：
新的规划：
拆成：
两个版本。
Ascend 960DT。
以及：
Ascend 960PR。
960DT 提前最多
华为现在计划：
Ascend 960DT：
在：
2027 年第一季
准备好。
也就是：
比原本 Roadmap：
提早：
三个季度。
大约：
9 个月。
960PR：
则预计：
2027 年第三季。
比原本：
提前：
一季。
接下来还有 Ascend 970、980
华为规划：
之后：
每一年：
推出：
一代新的：
Ascend Processor。
970：
2028。
980：
2029。
也就是：
它想创建：
类似：
固定年度节奏：
持续：
升级。
这种 Roadmap：
很重要。
因为：
大型 Data Center：
不是：
今天买一批卡：
明年：
全部丢掉。
企业真正想知道的是：
明年：
后年：
下一代：
还会不会来？
能不能：
继续：
Upgrade？
Software：
要不要：
全部重写？
但华为现在面对一个问题：单颗芯片不能只靠制程追 Nvidia
最先进：
Semiconductor Process。
HBM。
Packaging。
EDA。
Manufacturing Equipment。
很多地方：
都存在：
供应限制。
所以：
如果：
只想：
用：
「做出一颗比 Nvidia 最新 GPU 更强的 Chip」
这条路：
非常难。
华为现在：
正在：
换一个打法。
不是先让每一颗都最强，而是让很多颗一起工作
这就是：
今天最重要的：
System-level Strategy。
想像：
一个工地。
你没有：
全世界最强壮的：
一位工人。
但：
如果：
你可以：
让：
4,000 人。
10 万人。
甚至：
100 万个：
运算单元：
非常有效率：
一起工作。
总体能力：
一样：
可以变得：
非常可观。
问题是：芯片不是接越多越快
这就是：
AI Infrastructure：
真正困难的地方。
如果：
一万颗 Chip：
每一颗：
都要：
一直等待：
其他芯片：
传数据。
那么：
芯片越多：
反而：
浪费越多。
华为表示：
目前：
某些传统大型 Training Cluster：
Machine-to-machine Communication：
甚至可能：
吃掉：
超过：
40%：
Training Time。
也就是：
很多昂贵的：
AI Chip：
不是：
正在计算。
而是在：
等数据。
所以真正的瓶颈开始变成 Interconnect
也就是：
芯片和芯片：
怎么讲话？
Processor：
怎么拿：
另一台 Machine：
的 Memory？
Storage：
怎么：
快速喂数据？
Network：
怎么：
不要塞车？
这些：
以前：
一般人：
很少关心。
现在：
反而变成：
AI Server：
最重要的：
战场之一。
华为今天正式发布 Ascend 960 SuperNode
华为官方的说法：
新的：
Ascend 960 SuperNode：
最多：
可以：
把：
4,096 颗 AI Processor
连成：
一个：
大型计算单元。
不是：
4,096 台：
各做各的。
目标是：
尽量：
让它们：
像一台：
超大的机器：
一起工作。
它使用 UnifiedBus，也就是华为所称的「灵衢」
这套设计：
不只连：
Processor。
还要：
连：
Memory。
Storage。
Network。
内核概念之一：
就是：
让不同 Physical Server：
之间：
能更有效率：
共享。
访问：
Memory。
也就是：
逐渐模糊：
「这颗 Chip 的 Memory」
和：
「另一台 Server 的 Memory」
之间的：
界线。
今天还多了一个新东西：Hi-ONE NPO 光引擎
华为表示：
Ascend 960 SuperNode：
使用：
NPO：
Near-Packaged Optics。
简单讲：
就是：
把：
高速 Optical Communication：
搬得：
更靠近：
Compute。
AI Cluster：
越大。
Electrical Signal：
距离越长。
Power。
Signal Loss。
Complexity：
问题：
都会变大。
所以：
光：
开始：
越来越靠近：
芯片。
和：
Switch。
华为宣称，Ascend 960 SuperNode 会使用 5,500 个 Hi-ONE
官方说：
这些：
Hi-ONE：
可以：
取代：
原本需要：
大约：
48,000 颗：
800G Optical Module。
并且：
让整套系统：
降低：
超过：
550 kW：
Power Consumption。
这些：
都是：
华为自己的：
产品数据。
目前：
应该理解成：
Vendor Claim。
不是：
第三方独立实测。
但方向非常值得看
因为：
AI Data Center：
今天最痛的：
已经不是：
只差：
GPU。
还差：
电。
Cooling。
Network。
Optics。
Memory。
土地。
如果：
你要：
把：
几千颗：
高耗电 Processor：
塞进：
一个：
SuperNode。
每一瓦：
最后：
都会：
变成：
Heat。
所以：
Interconnect：
省多少电。
直接：
影响：
Data Center：
可以：
塞多少算力。
一台 Ascend 960 SuperNode 还不是终点
4,096 颗：
已经：
非常多。
但华为：
还想：
再把：
很多：
SuperNode：
接起来。
官方表示：
透过：
灵衢 Network。
或：
RoCE。
多个：
Ascend 960 SuperNode：
可以：
形成：
更大型：
Cluster。
第一层最大规模是 51.2 万卡
再配合：
Multi-rail：
Topology。
华为规划的：
最大系统：
最后：
可以：
支持：
100 万卡。
一百万颗：
AI Processor：
一起：
工作。
这不是：
我们今天：
已经看到：
一座正式运作的：
百万卡 Data Center。
而是：
华为公布：
Architecture：
和：
规划上限。
这个区分：
一定要讲清楚。
Reuters 也把这套架构称为 Peerium
内核目的：
一样。
就是：
用：
大量 Processor。
高带宽互连。
Unified Memory Access。
组成：
一台：
逻辑上：
更大的：
AI Computer。
所以：
华为现在：
和 Nvidia：
竞争的：
已经不只是：
Ascend：
对：
GPU。
而是：
整座：
AI Factory：
对：
AI Factory。
Nvidia 为什么长期这么难打？
因为：
Nvidia：
早就不是：
只卖：
GPU。
它同时：
有：
CUDA。
Networking。
NVLink。
Switch。
Server Architecture。
Software Library。
Developer Tool。
整个：
生态。
这也是：
为什么：
就算：
另一家公司的：
某个 Chip：
Benchmark：
接近。
企业：
也不一定：
马上换。
最难搬的往往不是硬件，而是 Software
开发者：
已经：
用 CUDA：
十几年。
AI Framework。
Library。
Kernel。
Optimization。
Debugging Tool。
大量：
都已经：
绕着：
Nvidia：
创建。
这就是：
Nvidia：
非常深的：
Moat。
Reuters 也特别指出：CUDA 仍然是 Nvidia 的重要优势
华为自己：
也知道：
只做：
Hardware：
不够。
所以：
CANN：
就是：
它想创建的：
Software Stack。
华为今天表示：
CANN：
正在：
持续：
Open Source。
Open。
希望：
让：
开发者：
更容易：
在 Ascend：
开发。
华为目前公布的数字是：每月活跃开发者超过 5,200 人
同时：
超过：
40 个：
AI Model：
已经：
直接在：
Ascend Computing Platform：
完成：
Training。
华为也表示：
早期：
Ascend 910C：
系统：
已部署：
超过：
1,000 套。
Ascend 950：
也已经：
开始：
Commercial Use。
同样：
这些：
都是：
华为提供的：
公司数据。
不是：
第三方：
市场占有率统计。
这就带回今天真正的第一个问题：供不应求
如果：
Demand：
真的：
大于：
Supply。
那么：
Huawei：
下一阶段：
最大的问题：
可能不是：
「客户愿不愿意买？」
而是：
能不能把芯片做出来？
尤其：
AI Chip：
不是：
普通 Processor。
需要：
先进制程。
Memory。
Packaging。
Substrate。
Optics。
Cooling。
Server。
整条：
Supply Chain：
任何一个地方：
卡住。
整套：
都交不了。
这和昨天 SK Hynix 的新闻其实刚好接在一起
昨天：
我们看到：
SK Hynix：
正在和 Intel：
讨论：
是否：
第一次：
把部分：
Memory Chip Manufacturing：
带进：
美国。
原因之一：
就是：
AI：
需要：
大量：
HBM。
今天：
轮到：
Huawei：
直接说：
AI Computing Product：
供应不够。
一边缺 AI Memory
一边缺：
AI Compute。
AI 热潮：
现在最大的问题：
已经不只是：
Model：
做不做得出来。
而是：
世界到底能不能生产足够多的实体硬件。
GPU。
NPU。
HBM。
Optical Module。
Switch。
Transformer。
Cooling。
Electricity。
每一个：
都可能：
变成：
下一个：
Bottleneck。
华为今天的策略，本质上是在接受一件事情：不能只等单颗芯片变完美
如果：
一颗：
能力有限。
就：
增加：
数量。
如果：
数量增加：
Communication：
变慢。
就：
改：
Interconnect。
如果：
Interconnect：
耗电太高。
就：
把：
Optics：
搬近。
如果：
很多 Server：
Memory：
彼此隔离。
就：
做：
Unified Addressing。
这就是：
System Engineering。
AI 芯片战因此变成一个「乘法题」
以前：
比较像：
单颗 Chip Performance。
现在：
更接近：
单颗能力
×
芯片数量
×
Memory Bandwidth
×
Interconnect Efficiency
×
Software Efficiency
×
System Reliability
×
Power Availability。
其中：
任何一项：
太差。
整套：
都跑不起来。
这也解释了为什么 Apple 昨天才被报导想研究 NVLink Fusion
昨天早报：
我们看到：
Apple：
据报：
可能：
用自己的：
M8 Ultra：
做：
AI Inference Server。
却考虑：
用：
Nvidia：
NVLink Fusion：
来处理：
Chip-to-chip Networking。
原因：
其实：
和今天 Huawei：
完全一样。
AI Server：
已经不是：
只把：
很多 Chip：
塞进 Rack：
就结束。
怎么连。
变得：
和：
用什么 Chip。
一样重要。
未来真正的 AI 巨头，也不一定只是一家模型公司
可能是：
同时控制：
Chip。
Memory。
Networking。
Software。
Cloud。
Model。
Data Center：
其中：
很多层：
的公司。
Nvidia：
正在：
往整个 Stack：
扩。
Huawei：
也在：
往：
Full-stack AI Infrastructure：
走。
Cloud Company：
则开始：
自己设计：
Custom Chip。
最后真正竞争的，是每一度电能产生多少有效 Token
这可能：
才是：
AI Infrastructure：
最终的：
经济问题。
不是：
一颗 Chip：
理论上：
能跑：
多少：
FLOPS。
而是：
一整座 Data Center：
一天：
真正：
能：
Training。
Inference：
多少工作？
花：
多少电？
多少 Money？
多少 Rack？
多少 Cooling？
多少 Engineer：
维护？
所以「100 万卡」本身不是答案
如果：
一百万颗：
彼此：
一直等。
Network：
一直塞。
Failure：
一直发生。
那只是：
一百万颗：
很贵的：
等待机器。
真正困难的是：
让：
大量 Processor：
真的：
像：
一台电脑：
有效率：
工作。
这就是：
SuperNode：
真正想解决：
的问题。
华为的方案最后能不能追上 Nvidia，现在没有答案
现在能确定的是：
华为：
正在：
把：
Roadmap：
加速。
把：
Scale：
放大。
把：
Interconnect：
往：
System Level：
推。
同时：
补：
Software Ecosystem。
但：
Nvidia：
仍然：
有：
成熟 CUDA。
Developer Ecosystem。
以及：
全球 AI Infrastructure：
长期部署：
的优势。
所以今天不是「华为打败 Nvidia」的新闻
也不是：
「中国已经完全不需要外国芯片。」
这两个：
都讲太早。
今天真正发生的：
是：
中国最大的：
AI Infrastructure Player：
公开承认：
需求：
已经：
超过：
目前供应。
同时：
选择：
不只用：
下一颗更快的芯片：
解决问题。
而是：
把：
4,096 颗。
51.2 万颗。
最后：
最高：
100 万颗：
放进：
同一套：
System Architecture：
思考。
AI 芯片竞争正在从「Chip」变成「Computer」
一颗：
Processor：
只是：
最小单位。
真正企业：
最后买的是：
一套：
可以：
把模型：
Training。
把模型：
Serving。
而且：
每天：
稳定跑：
大量 Workload：
的：
AI Machine。
这才是：
Huawei。
Nvidia。
以及：
未来更多：
Custom AI Chip：
真正要竞争的：
地方。
对一般人来说，这跟 ChatGPT 有什么关系？
我们看到：
AI：
好像：
只是一个：
网页。
App。
聊天框。
但：
你每送出：
一个 Prompt。
背后：
都有：
Chip。
Memory。
Network。
Storage。
Cooling。
Power。
在：
真的工作。
模型：
越强。
Agent：
工作：
越久。
Video。
Voice。
Computer Use：
越普及。
背后：
需要的：
Infrastructure：
就越大。
所以未来 AI 能不能继续变便宜，可能不只看模型
还看：
芯片：
做不做得出来。
Memory：
够不够。
Network：
传得够不够快。
电：
够不够。
以及：
一座 Data Center：
能不能：
把：
这些硬件：
真正：
有效率：
用起来。
今天华为：
公布的：
不是：
另一颗：
大家看完规格：
明天就忘掉的 Chip。
真正值得看的：
是：
AI 硬件战：
正式进入：
「谁能把最多芯片，最有效率地变成一台电脑？」
的阶段。
今天，和 AI 一起进步一点。
每天学会一个 AI 技巧。
每天节省一点时间。
每天提升一点能力。
SasaDaily，陪你一起成长。
推荐阅读
AI 晚报｜2026/09/16：SK Hynix 据报洽 Intel 首次在美制造内存，Ohio 厂可能接手，AI 内存供应链再往美国搬
