昇腾生态

华为围绕昇腾 AI 处理器构建的"芯片 + 互联 + 软件 + 框架 + 模型 + 应用"全栈生态。中国 AI 算力国产替代的核心载体，对标 NVIDIA CUDA 生态。

定义

AI 处理器：昇腾 310（推理）/ 910 / 910B / 910C（训练）
服务器与超节点：Atlas 800 / Atlas 900 集群 / CloudMatrix384 超节点
互联：自研华为缓存一致互联（HCCS）+ 光互联
算子库与编译：CANN（Compute Architecture for Neural Networks），对标 CUDA + cuDNN
AI 框架：MindSpore，对标 PyTorch / TensorFlow
大模型与应用：盘古大模型、科大讯飞星火、商汤等基于昇腾训练

昇腾生态的核心战略：在 NVIDIA 出口管制断供高端 GPU 的背景下，提供"全栈替代方案"，让中国 AI 公司不依赖 CUDA 生态也能训练大模型。

技术细节

昇腾 910C 芯片：FP16 算力约 ~400 TFLOPS，对标 NVIDIA H100（但单卡仍低 30-40%）
CloudMatrix 384 超节点：384 颗昇腾 NPU + 192 颗鲲鹏 CPU 全对等互联，对标 GB200 NVL72
CANN：低层算子库（卷积、矩阵乘、Transformer 算子）+ 编译器 + 调度
MindSpore：原生支持自动并行、图模式 / 动态图、多设备调度
生态短板：开发者社区规模仅约 200 万（vs CUDA 400 万），第三方算子覆盖率与调优深度仍有差距

主要玩家

核心提供方：华为海思（芯片）+ 华为 2012 实验室（CANN/MindSpore）
下游云客户：华为云（贵安智算中心 11 万+ 昇腾 NPU）、天翼云、移动云部分智算节点
大模型客户：科大讯飞星火、盘古大模型、商汤科技部分训练任务、百川智能、智谱AI 部分推理任务
服务器集成：华为自有 Atlas、超聚变、宝德、湘江鲲鹏等

在 AI 产业链中的角色

昇腾生态是中国 AI 算力第三层国产替代的核心抓手。它直接关系到中国大模型能否在不依赖 NVIDIA 的情况下训练出与 GPT-4 / Claude 4.5 同级别的模型，进而影响中国整个第四层模型层和第五层应用层的发展上限。2025 华为云智算算力目标 150 EFLOPS，是国产 AI 算力的最大单一来源。

但与 CUDA 生态仍有显著差距：(1) 开发者数量、(2) 第三方算子库丰富度、(3) 主流大模型框架原生支持度、(4) 工具链成熟度。短期内昇腾仍主要用于华为云和强政策驱动的政企客户。

演进历史

2018-10：华为全联接大会发布昇腾 910 / 310，公布昇腾生态战略
2019：MindSpore 框架开源
2020-2022：被美国列入实体清单，昇腾迭代受阻
2023：昇腾 910B 量产，科大讯飞万卡昇腾集群训练星火大模型
2024：昇腾 910C 流片成功，对标 H100
2025：CloudMatrix384 超节点 300+ 套部署，目标算力 150 EFLOPS
2025-2030：争取在中国 AI 算力中份额突破 30%

增量补充（2026-07-19）

来源：国内超节点（社媒剪辑／转述 · 2026-07-17 WAIC 期间分析师路演纪要转发）

⚠️ 路演口径、未量产，无公开实测佐证。不覆盖上方"生态短板 / CUDA 差距"的既有叙述——两者为待验证的前后关系，而非订正。

SIMT 是软件生态叙事的最大变量：纪要称从昇腾950 系列起昇腾架构做出重大升级、支持 SIMT（单指令多线程），因而大幅提升对 CUDA 生态的兼容性，解决 910 系列"不好用"的迁移痛点；华为据此增强软件兼容性信心，并已准备在韩国销售。若属实，上文「第三方算子库丰富度 / 工具链成熟度」这一差距的收敛速度会显著快于原判断，但截至 2026-07 无第三方实测可核。
国产 HBM 首次进入昇腾主线：950PR 首次采用国产 HBM 颗粒（128 GB，带宽低于昇腾910C），标志昇腾生态从"制程国产化"向"存储国产化"延伸；同时 HBM 产量也是华为收入增长的核心天花板。
超节点成为昇腾生态的主要交付形态：CM384（384 卡）→ 950 超节点（8,192 卡，UB 2.0）→ 960 超节点（2027-Q4，百万卡级）。纪要预计 3 年后国产算力占国内约 50%，其中 1/3 至 1/2 以超节点形态部署。