昆侖芯超節點產品。　南都記者　楊柳　攝

如果你想通過官網查看國產AI芯片公司的最新產品信息，恐怕要失望而歸了:最新的芯片型號時常并不會出現在產品菜單上，更不用說芯片的具體參數信息。這是國產AI芯片公司過去幾年力求低調的縮影。“這幾年做芯片比較敏感，我們出來講的也比較少。”一位與大廠關聯密切的芯片公司負責人坦言。

但近期，隨著華為、百度等大廠接連公開宣布AI芯片的迭代路線圖，阿里的平頭哥芯片亮相央視《新聞聯播》，悶聲做事的狀態突然間被打破。未來三年，華為將發布四款昇騰AI芯片；按照百度的規劃，接下來兩年有兩款昆侖芯AI芯片即將上市。與百度僅披露芯片型號與用途相比，華為給出的信息更為翔實，將互聯帶寬、算力、內存等外界關注的芯片參數悉數公開。“我們從2020年直到去年啥都不敢講，今年就‘秀了點肌肉’。”華為輪值董事長徐直軍在9月中旬接受媒體群訪時感慨。

“里程碑式的轉折。”國際投資研究機構盛博(Bernstein)中國半導體高級分析師林清源向南都記者表示，從市場端看，國產芯片公司需要向客戶呈現清晰的產品路線圖，以搶占英偉達留下的市場蛋糕。此外，外界原本擔心英偉達H20供應中斷，資本市場會對國內互聯網大廠產生負面反饋。但國產AI算力方案的推出，反而讓投資者看到，大廠未來可以依賴國產算力的供給獲得發展，也促使這些有自研芯片的公司更高調地開始對外溝通其芯片進展。

在林清源看來，國產半導體供應鏈的突圍，推動芯片順利流片，也讓國產AI芯片未來幾年的產品迭代具備較高可預見性。據其觀察，對于國內的7納米先進邏輯芯片產線，在被美國完全禁止進口、占比約三成的半導體設備上，國產方案如今已基本填補了美國制裁帶來的空白。過去國產設備仍停留在測試階段，但自今年以來，已陸續導入量產線。“先進制程的整個供應鏈已經度過了最艱難的階段。”林清源說，這提升了先進制程芯片制造后續產能擴產的確定性。

不可否認，國產AI芯片的性能與海外巨頭依然差距明顯。徐直軍在9月18日的華為全聯接大會上重申了過去的論斷:中國半導體制造工藝將在相當長時間處于落后狀態，可持續的算力只能基于實際可獲得的芯片制造工藝。因此，“超節點+集群”成為華為、百度、阿里等大廠應對AI算力需求的解決方案。這一方案是華為CEO任正非口中的“用數學補物理”策略，不過非常考驗芯片廠商在通信、散熱等方面的系統性能力。

“全球AI芯片是雙雄爭霸下的非對稱競爭。”國產EDA(電子設計自動化)企業上海合見工業軟件集團有限公司總經理徐昀提到，所謂“非對稱”，指的是中國智算芯片在工藝制程、單卡算力、單卡內存容量和帶寬等維度，均落后于以英偉達為代表的北美智算芯片，但可以借助超節點的組網，完成對后者的性能超越。“中國芯更需要互聯能力。”

華為打響第一槍 百度最新接棒

從芯片、超節點再到集群，華為對技術參數披露的“顆粒度”之細，可謂近年來罕見

在國產AI芯片陣營中，華為昇騰的頭號地位毋庸置疑。以至于英偉達創始人黃仁勛也不得不將華為視作“強大的競爭對手”，直言“低估華為這樣的競爭對手是愚蠢的”。

華為在2018年發布首款昇騰AI芯片310，2019年迭代至昇騰910，其性能超過英偉達同時代的V100　GPU。但隨著2020年美國制裁、臺積電斷供，華為自研AI芯片步入艱難時刻。從2020年開始的約五年時間內，華為僅在昇騰910系列內升級，先后推出910B和910C。這一狀況正在轉變。

今年9月中旬，華為開始對外表露自己的AI算力雄心。徐直軍在2025全聯接大會上宣布，2026至2028年三年間，華為將相繼推出昇騰950、960和970三大系列。其中，950系列包括950PR、950DT兩種型號，分別于2026年一季度和四季度推出，均支持FP8等低精度數據格式。昇騰950PR采用了華為自研的低成本HBM——HiBL　1.0，相比高性能、高價格的HBM，能夠大大降低推理預填充階段的成本。

無獨有偶，華為推出P/D分離兩款芯片前，英偉達在9月9日也發布了一款基于最新Rubin架構打造的GPU芯片Rubin　CPX，充當面向計算密集型預填充階段優化的專用芯片，預計于2026年年底上市。這是海外首個在芯片層面實現P/D分離的實踐。

華為預計在2026年四季度推出Atlas　950超節點產品，緊接著在2027年四季度迭代至Atlas　960超節點，最大可支持15488張昇騰960芯片。基于這兩款超節點，華為同時發布Atlas　950　SuperCluster和Atlas　960　SuperCluster兩款超節點集群，算力規模分別超過50萬卡和達到百萬卡。

從芯片、超節點再到集群，華為對技術參數披露的“顆粒度”之細，可謂近年來罕見。林清源認為，這說明華為“是真的有料”。

華為甚至不憚于直接叫板英偉達。英偉達預計2026年下半年發布NVL144系統，徐直軍拿Atlas　950超節點與之對比稱:卡的規模是英偉達NVL144的56.8倍，總算力是其6.7倍，內存容量是其15倍，達到1152　TB，互聯帶寬是其62倍。

一位業內人士向記者分析，按理說，華為本來是最不應該對外來講芯片技術細節的。如今華為站出來“打響第一槍”，這代表了一個關鍵的轉折。

11月13日，百度接棒公布旗下昆侖芯的業務路線圖:2026年年初上市M100芯片，針對大規模推理場景優化設計，主打性價比；2027年年初上市M300芯片，面向超大規模多模態模型的訓練和推理需求。另外，2026年上半年和下半年，百度預計將推出“天池256超節點”和“天池512超節點”。從2027年下半年開始，昆侖芯將陸續推出千卡和四千卡的超節點。按照規劃，昆侖芯預計于2029年上市新一代的N系列芯片，2030年點亮百萬卡昆侖芯單集群。

相較于華為，百度對于芯片和超節點的參數介紹有限。據南都記者了解，百度的超節點產品在GPU、CPU、內存等核心部件上實現了國產化。一臺基于昆侖芯P800的64卡超節點，換算成單卡算力，大致為英偉達A100　SXM版本算力的一半。

昆侖芯前身為百度智能芯片及架構部，于2021年4月完成獨立融資，并由百度芯片首席架構師歐陽劍出任昆侖芯公司的CEO。天眼查顯示，截至目前，昆侖芯完成了6筆融資，最新一起發生在今年7月。百度為昆侖芯的控股股東。

另有不具名業內人士向記者分析，百度此時選擇披露AI芯片路線圖，除了有華為在前面打樣，或許也與昆侖芯尋求IPO的壓力有關。

根據公開信息，市場上已多次傳出昆侖芯籌備IPO的傳聞。南都記者于11月中旬看到，昆侖芯在Boss直聘、脈脈等招聘平臺釋出投融資律師崗位，其工作職責便包括:IPO全流程管理、協助招股書與監管文件、上市后公司治理與監管對接等。然而，在記者向公司方面求證IPO事宜后，該招聘崗位隨即被關閉。　　

超節點補足 單顆芯片性能短板

只有依靠超節點和集群，才能規避中國芯片制造工藝受限，為中國提供AI算力支持和供給

與非網10月下旬發布的一份問卷調查報告顯示，43%的受訪者認為，云端國產AI芯片的核心競爭力在于萬卡以上互聯的集群擴展性。

由于國產芯片先進制程被卡在7納米節點，華為與百度的AI算力路線圖，紛紛把超節點和集群作為突圍關鍵。9月24日的2025云棲大會上，阿里也發布磐久AI　Infra　2.0超節點，兼容多種AI芯片，單柜擁有128顆AI芯片。

徐直軍在接受媒體群訪時表示，“超節點+集群”是華為在極限制裁下被逼出來的范式。只有依靠超節點和集群，才能規避中國的芯片制造工藝受限，為中國提供源源不斷的AI算力支持和供給。

作為2025年被華為帶火的概念，超節點為何如此重要?林清源介紹，計算集群依靠橫向擴展(scale-out)架構下，集群的互聯效率很低，模型訓練時需要先將任務拆成許多份在不同的節點之間運行，顯著增加了并行計算的協調難度，這會“讓大模型訓練非常痛苦”。

于是，縱向擴展(scale-up)的超節點方案走向臺前，以突破通信性能瓶頸。華為當前已面市的超節點方案為CloudMatrix　384，搭載了384顆昇騰910C芯片。芯片研究機構SemiAnalysis在一份報告中指出，CloudMatrix　384直接與基于英偉達GB200芯片的NVL72系統展開競爭，在某些指標上甚至超越了英偉達的機架級解決方案。CloudMatrix　384的昇騰芯片數量是NVL72系統的五倍，足以彌補每顆芯片性能僅為英偉達GB200三分之一的不足。

華為副總裁、公共事業軍團CEO李俊風在10月下旬一場峰會上說，CloudMatrix　384超節點在兩三年前就已經開始規劃，今年順利推出，表現非常不錯。華為接下來將推出更大規模的超節點，以解決美國對華單芯片制裁的問題。

“現在全世界能夠提供人工智能算力的只有中國和美國，而且我們現在不需要美國。最近英偉達CEO說(在中國的AI芯片)市場份額從95%降到0，(這是)因為包括華為和其他AI芯片公司可以自己提供。”李俊風表示。

林清源認為，在先進制程被卡在7納米節點的背景下，不同國產AI芯片的單顆性能差距將日漸縮小，后續考驗的是芯片廠商的集群組網能力。華為的組網能力從其已發布的技術文檔來看有許多創新點，后續則等待芯片制造產能的釋放，向市場推出真正的產品完成商業化驗證。

大規模AI算力集群建設依靠芯片廠商的系統化能力積累，除了高門檻的通信優化，還包括散熱、故障修復等方面的實力。

“為什么看起來不錯的一款芯片，在訓練上用就是一件很困難的事?”百度智能云AI計算首席科學家王雁鵬在11月中旬一場昆侖芯的論壇上指出，硬件的穩定性是其中一大挑戰。推理場景下，一臺機器就能運行一個推理實例。即使發生故障，影響范圍也僅限于當時所服務的少量用戶。訓練任務則截然不同。當前主流大模型的訓練規模往往達到萬卡級別，訓練過程高度同步，意味著任何一塊芯片出現故障，整個集群都必須暫停并重新啟動。

王雁鵬表示，硬件穩定性問題不可避免，因為晶體管的集成度高、功耗高，隨之帶來故障率的攀升。即便是英偉達的GPU，也存在故障的可能。由于國產芯片的質量控制能力尚無法與英偉達匹敵，故障率在國產AI芯片上被放大。因此，在集群上線運行之前，需要進行完善的故障檢測。

集群還有可能在運行過程中出現“靜默故障”，也就是沒有任何一塊芯片報錯，但是訓練結果出錯。如果無法精準定位到具體出故障的卡上，“整個集群可能就完蛋了。”王雁鵬說，集群必須做到在出現故障時能夠快速自愈和恢復，如此才能獲得一個相對穩定的算力平臺。

　　在訓練與推理市場“搶蛋糕”

上半年中國GenAI IaaS服務市場中，推理場景占比升至42%，訓練場景占比則降至58%

盡管市面上出現形形色色的訓推一體AI芯片，但真正能用于大模型訓練的非常稀少。林清源說，當廠商貼出“訓推一體”的標簽，很多時候可以直接將其等同為推理芯片。

此前有云廠商人士告訴記者，國產AI芯片用于大模型訓練任務難度很高，華為昇騰幾乎是唯一可用于大模型訓練的芯片。但Bernstein今年7月的一份報告提到，即便是華為昇騰當前的主打型號910C，大部分應用仍然是推理。

基于國產算力開展大模型訓練，需付出額外的算力成本與時間代價。今年3月，科大訊飛董事長劉慶峰在接受南都等媒體采訪時透露，2024年10月，科大訊飛便完成了深度推理模型的技術路線驗證。然而，為了在國產算力平臺上進行訓練，公司不得不花費額外兩個月時間來進行適配工作。所以，使用全國產算力訓練模型的代價，不僅體現在國產AI芯片的使用成本更高，也體現在訓練消耗的時間更長，拖慢了模型發布的進度。百度是繼華為之后，近期公開宣稱已將自研芯片集群用于大模型訓練的廠商。

即便有了可供模型訓練的國產芯片，AI模型公司是否有意愿采用依然有待觀察。徐直軍在接受媒體群訪時類比稱:“就像談戀愛，不談的話，你怎么知道對方的優缺點。合適不合適，你要談一下、要用一下，在用的過程中有問題就解決問題。”

面對大模型訓練這塊難啃的市場，許多國產AI芯片廠商涌入模型推理領域。一方面，推理芯片的設計難度和數據處理規模相對較低；另一方面，AI應用的日益普及，帶動推理算力需求高漲。根據市場調研機構IDC10月21日發布的數據，2025年上半年的中國GenAI　IaaS服務市場中，推理場景占比上升至42%，訓練場景占比則降低至58%。

百度智能云混合云部總經理杜海判斷，國產芯片已可以滿足當前最先進模型的推理使用。如果將單機擴至更大的集群，國產推理芯片有能力承載萬億參數級別模型的使用。

當前，推理芯片市場的競爭呈現碎片化特征，不僅有所謂訓推一體的芯片廠商，也有專門面向推理場景的企業，如商湯芯片業務拆分出來的曦望公司。在技術路線上，推理芯片市場不僅存在海光信息、沐曦、壁仞這些GPGPU(通用GPU)玩家，ASIC(專用集成電路)的廠商也表現搶眼，如寒武紀、華為、阿里平頭哥等。

互聯網廠商如何直面推理芯片市場的激烈競爭?昆侖芯高級產品總監蕭放表示，昆侖芯可以聚焦特定場景做針對性的差異化設計，在架構層面引入適配的特殊工藝，形成性能優勢與性價比優勢。還可以和百度算法團隊密切合作，在芯片設計的長周期過程中提前預判算法演進趨勢。

背靠中國頭號云廠商阿里云的平頭哥，也因此被一些市場人士看好。“大的云廠商，自己做的芯片一定是有市場的，谷歌就是一個很好的案例。”林清源認為，大廠自研AI芯片的下游需求非常明確。即使不對外出售自研的芯片，將其并入云服務的生意中讓外部客戶來使用，也等效于在賣芯片。相較于外購第三方芯片，使用自研芯片避免了為外部供應商的高毛利買單，從而節省很大一筆成本。

昆侖芯等大廠旗下芯片公司，實際上并不滿足于內部使用。例如，今年8月21日，昆侖芯對外宣布中標中國移動集采項目十億級訂單，該項目面向推理型的AI通用計算設備。林清源表示，如果大廠的自研芯片進入外部市場去“卷”，要么得擁有特別突出的性能，要么剛好它們為某個場景做的深度優化適合外部市場需求，此外就只能單純地去比拼性價比了。

采寫:南都記者 楊柳

制圖:黃亞嵐(豆包AI生成)