深圳一名运维打开新机柜，上面拧紧的加速器没有英伟达 logo。取而代之的是 384 颗华为芯片连在一起，专为出口禁令催生的紧迫需求而造。真正的问题早已不是单颗中国芯片能否比肩英伟达旗舰，而是足够多且紧密相连的它们能否做到。
关键要点
- 华为的昇腾 910B 与 910C，是中国在无需受限英伟达 GPU 的情况下运行大模型（大模型）这一努力的脊梁。
- 910C 本质上是把两颗 910B 计算裸片封装在一起，基于中芯国际 7 纳米级的 N+2 工艺。
- DeepSeek 团队的独立测试显示，910C 的推理性能约为英伟达 H100 的 60%——华为用规模而非单芯片速度来回应这道差距。
- 华为的 CloudMatrix 384 集群把 384 颗这样的芯片包成一个超级节点，以更高的功耗换取总吞吐量。
- 软肋在软件栈：华为的 CANN 与 MindSpore 仍远小于英伟达的 CUDA 生态。
从被禁的 GPU 到国产替代
当美国 2022 年禁售英伟达 H100，它抽走了多数中国 AI 实验室原本规划的芯片。华为的答案是昇腾（昇腾）系列，由海思内部设计、在国内制造。
更早的昇腾 910B 在 2023 与 2024 年成为中国部署最广的英伟达 GPU 替身。它基于中芯国际 7 纳米级工艺与达芬奇（达芬奇）架构，标称约 320 TFLOPS 的 FP16 与 640 TOPS 的 INT8，功耗约 310 瓦。在 2024 年的一场行业会议上，一名华为高管称，训练大语言模型时 910B 可达英伟达 A100 约 80% 的效率，并在部分基准跑分中略微领先 A100。这些数字来自经行业媒体转述的华为自身说法，华为从未发布过完整 910B 规格。
让 910B 重要的是产量。百度、字节跳动和科大讯飞（科大讯飞）等公司在供应压力下采用它，锚定了第一波不依赖 A100 或 H100 硅片的中国 AI 集群。
910C：原来一颗的地方放两颗
2025 年 5 月开始批量出货的昇腾 910C，最好被理解为演进而非突破。它在中芯国际第二代 7 纳米级工艺 N+2 上，把两颗 910B 裸片封进单颗。由于美国 2020 年切断了华为与台积电的联系，这块硅片只能用更老的深紫外（DUV）光刻与多重曝光制造——没有极紫外（EUV）设备。
这项约束体现在研究者援引的数字里。DeepSeek 团队报告，910C 的推理性能约为 H100 的 60%。它仍落后于英伟达更新的 Blackwell 级芯片。但 910C 的意义在战略层面：它是华为能真正在国内量产的那颗，行业分析师估计华为 2025 年目标出货数十万颗昇腾 910B 与 910C。
良率是这股雄心背后的故事：来自《金融时报》与 DIGITIMES Asia 的报道称，910C 良率在 2025 年接近 40%，较一年前约 20% 上升——这一水平终于让昇腾产线盈利，却仍远低于台积电同等节点的良率。
一颗不够快，就用 384 颗
华为最有趣的举动在架构：不去追更快的单芯片，而是把许多更慢的连起来。
2025 年 4 月下旬首次交付客户的 CloudMatrix 384，是由 384 颗昇腾 910C NPU、横跨 16 个机柜组成的超级节点。华为称该系统提供约 300 PFLOPS 的稠密 BF16 算力。独立技术分析指出，该集群在部分指标上优于英伟达 72 颗芯片的 GB200 NVL72，却更耗电——每瓦性能约低 2.3 倍。据报道，这套系统每套售价约 6000 万元人民币（约 820 万美元 / 6400 万港元）。
这笔交易很直白：在可比占地内放上五倍于 Blackwell 的昇腾芯片，足以弥补每颗只快约三分之一的差距，对买不到最新英伟达硬件的中国买家而言，这道算式可以接受。
据李锚，脑机网(BrainNet)首席科学家表示，持久的教训是，中国优化的是"可规模化供给"而非"纸面最快"，真正在工程上发力的是集群，而非单颗芯片。
软件之墙
所有这些硅片，其价值只等于跑在它上面的代码。英伟达的护城河不在硬件，而在 CUDA——几乎每个 AI 框架都默认的那层软件。华为以 CANN（神经网络计算架构）与 MindSpore 框架应对，并通过改善 PyTorch 兼容性争取开发者。生态在成长，但仍是 CUDA 的一小部分，把成熟工作负载迁出英伟达仍是实打实的工作。
对全球读者，要点不是"中国追上英伟达"，而是一个主要经济体正搭建平行、自给的 AI 算力栈——在单芯片规格无法取胜时靠部署规模取胜。
诚实的局限
本文混合依赖厂商声明、行业媒体报道与分析师估算；华为不发布完整的昇腾规格表，因此单芯片规格最好当作有依据的大致数字。良率与出货量数字来自二手行业报道，而非审计过的华为披露。CloudMatrix 384 的性能说法是华为自己的，尚未经中立实验室端到端独立基准测试。这里的覆盖聚焦于训练与推理加速器，不涉及华为的边缘或汽车芯片、网络硅片，也不涉及终端用户软件迁移成本的另类问题。
普通人现在能做什么
- 通过中国大型云厂商的云价格与可得性信号，而非只看规格表，来追踪 910C 的真实落地——规模化部署才是真正的考验。
- 如果你构建在 AI 基础设施之上，就在非 CUDA 栈（CANN 或其他加速器）上原型验证一个工作负载，看看供应商锁定究竟在哪里伤害你。
- 把中芯良率与 HBM 供应报道，当作国内集群路线能多快持续扩张的领先指标来关注。