32 篇博文 含有标签「AI Chip」

训练选型的本质不是"买最强的"，而是在预算、负载规模、软件生态和供货确定性之间找到平衡点。本文数据均取自本站芯片卡与定价库，帮你按预算分档做出决策。

一、先分级：你的训练负载属于哪一档​

训练负载大致分为三档，档位不同，选型逻辑完全不同：

• 微调 / LoRA：单卡或 8 卡即可完成，7B–70B 模型为主。瓶颈在显存容量与单卡带宽，互联要求低，PCIe 机型甚至二手卡都能胜任。
• 继续预训练 / 领域适配：数百卡规模，需要稳定的多卡互联与成熟的软件栈，容错与断点续训能力开始重要。
• 从零预训练：千卡乃至万卡集群，互联带宽、机架方案（NVL72、Helios、CloudMatrix）和集群软件效率决定成败，预算通常以千万美元计。

二、按预算分档推荐​

预算档位	推荐方案	关键规格	参考单价（站内定价库）
入门微调（数十万元级）	H100 SXM / H200	BF16 1,979 TFLOPS（稀疏）、80GB / 141GB HBM3e、NVLink 900 GB/s、700W 风冷	H100 市场价约 $28,000；H200 约 $38,000
中等规模（数百万元级）	B200 / AMD MI355X	B200：192GB HBM3e、FP8 10 PFLOPS（稀疏）、NVLink 1.8 TB/s；MI355X：288GB HBM3E、FP8 dense 5 PFLOPS、UALink 600 GB/s	B200 约 $42,000；MI355X 官方指导价 $22,000
旗舰预训练（千万到亿级）	B300 Ultra / Rubin R200 / MI455X	B300：288GB HBM3e、FP8 dense 7 PFLOPS；Rubin：288GB HBM4、22 TB/s、NVLink 6 3.6 TB/s；MI455X：432GB HBM4、23.3 TB/s、MXFP4 40.3 PFLOPS	B300 约 $52,000；Rubin NVL72 机柜 350–400 万美元；MI455X 定价未公开（Helios 机柜约 500–550 万美元）
国产合规档	昇腾 910C / 昇腾 950DT / 寒武纪思元690	910C：BF16 800 TFLOPS、128GB HBM2e；950DT：FP8 约 1 PFLOPS、144GB 自研 HiZQ 4 TB/s；思元690：FP16 700+ TFLOPS、196GB HBM3	910C 渠道价超 ¥11 万；950DT 超 ¥25 万；思元690 约 ¥17.5 万

几个要点值得展开：

• 入门档首选 H100/H200 并不落伍。H100 的 BF16 稀疏算力 1,979 TFLOPS、700W TDP 风冷友好，生态最成熟；H200 显存加到 141GB、带宽 4.8 TB/s，微调 70B 级模型更从容。
• 中等规模档 B200 与 MI355X 各有侧重。MI355X 用 288GB HBM3E 和 3nm 制程在显存容量上压过 B200，官方口径 FP8 dense 5 PFLOPS 也略胜，价格还便宜约四成；但 B200 的 NVLink 1.8 TB/s 是 UALink 600 GB/s 的三倍，千卡扩展时差距会显现。
• 旗舰档看机架而不是单卡。B300 Ultra 必须液冷（TDP 1,400W），Rubin R200 的 Vera Rubin NVL72 机柜 FP4 算力约 3.6 EFLOPS、总显存 20.7TB；MI455X 的 Helios 机架 72 卡 31TB HBM4、机柜功耗 225–245kW。这一档的采购单位是"机柜"，还要配套液冷与供电改造。

三、关键参数怎么读​

• FP16/BF16 算力：注意 dense 与 sparse 口径差一倍。H100 的 1,979 TFLOPS 是稀疏值，dense 约 989 TFLOPS；比较时务必统一口径。
• 显存容量：从 H100 的 80GB 到 B300 的 288GB 再到 MI455X 的 432GB，容量决定了能训多大模型、能开多大 batch。训练 70B 模型 FP16 权重本身就要约 140GB，加上优化器状态后通常需要多卡切分。
• 互联带宽：NVLink 4.0（900 GB/s）→ NVLink 5（1.8 TB/s）→ NVLink 6（3.6 TB/s）；AMD 走开放路线的 UALink 600 GB/s；昇腾为 HCCS 784 GB/s 与灵衢 2 TB/s。张量并行通信密集，互联带宽直接决定扩展效率。
• 机架方案：GB200/GB300 NVL72、Helios、CloudMatrix 384 是三家给出的系统级答案。单卡强不等于集群强，采购前要确认整机柜方案、网络与液冷的完整交付能力。

四、软件生态权重：CUDA vs ROCm vs CANN​

• CUDA：十八年积累，算子覆盖最全，从 H100 到 Rubin 全线兼容，迁移成本最低。
• ROCm：AMD 官方口径承认成熟度仍落后 CUDA 约 2–3 年，但开放生态对云厂商和主权 AI 项目有吸引力，MI355X/MI455X 的客户名单里已有 Microsoft Azure、Meta、Oracle 等。
• CANN：昇腾 950 系列配套 CANN Next 提供 CUDA 兼容层，约 80% 的标准 PyTorch 代码仅需配置修改即可迁移；2026 年 10 月 DeepSeek 与华为还联合发布了面向昇腾 950 的开源编程工具与库。

经验法则是：微调档闭眼选 CUDA；中等规模档如果显存需求突出、团队有 ROCm 经验，MI355X 值得评估；合规档则要在选型时就把迁移人力写进预算。

五、供货与价格现实​

2026 年的选型绕不开 HBM：

• 涨价传导：HBM 成本攀升直接推高国产卡报价——昇腾 950DT 渠道指示价已超 ¥25 万（较两个月前上涨 20%–50%），昇腾 950PR 突破 ¥8 万，寒武纪等同期上调 20%–30%。
• 云租是一条现实路径：H100 云租约 $2.00/GPU·小时，B200 约 $5.87/GPU·小时，B300 的 AWS 8 卡实例约 $11.70/GPU·小时（Nebius 口径约 $9.50/GPU·小时）。训练周期短的项目，租往往比买划算。
• 旗舰卡要排队：Rubin R200 已于 2026 年 6 月全面量产，但自建机房用户要到 2027 年一季度才能采购；MI455X 也需到 2026 年下半年至 2027 年上半年才规模爬坡。急用算力，H100/H200/B200 的现货市场仍是主力。

想逐项对比更多型号（包括 Google TPU、Intel Gaudi 4、百度昆仑芯等），请查看站内完整对比表；每张卡的详细规格可进入对应芯片卡页面查看。

小结​

2026 年的训练 GPU 市场第一次出现了"四条路线"：CUDA 旗舰（Rubin/B300）、开放生态（MI355X/MI455X）、推理专用硬件和国产合规方案。选型的顺序应该是：先定负载档位，再按预算筛卡，然后核算互联与机架方案，最后把软件迁移和供货周期计入总成本。单卡峰值参数只讲了一半的故事，剩下的另一半在集群和生态里。

每一颗AI加速器都绕不开台积电的晶圆。当AI需求以指数级膨胀，"把所有先进制程放在一座岛上"的地缘脆弱性就成了全球供应链最敏感的神经。台积电的答案是把厂搬出去——但搬出去的产能，和留在岛内的产能，并不是同一种产能。

扩建速度翻倍：18座工厂的全球棋局​

在2026年技术论坛上，台积电运营与先进技术工程副总经理田博仁表示，面对AI与高性能运算的强劲需求，公司正以过去两倍的速度加速扩建，全球范围内将新建与改造共计18座半导体工厂，其中包含5座先进封装厂。2025至2026年间，台积电每年可新建约9座工厂，较2017至2024年每年约4座的节奏翻倍。台积电同时预计，2022年至2026年间AI加速器晶圆需求将增长11倍，2纳米及更先进制程产能在2026至2028年的年复合增长率达70%。

海外基地	制程定位	最新进展
亚利桑那一厂	4纳米	2024年量产，2026年产能提升1.8倍
亚利桑那二厂	3纳米	主体完工，2027年下半年投产
亚利桑那三厂	2纳米级	2026年5月封顶
熊本一厂	22与28纳米	已量产，良率追平台湾厂区
熊本二厂	升级至3纳米	2025年动工建设
德累斯顿ESMC	28与22、16与12纳米	主体完工，目标2027年底投产

亚利桑那：AI 芯片的美国制造心脏​

亚利桑那是这场海外扩张的绝对重心。2026年5月，台积电核准在不超过200亿美元的额度内增资美国子公司，作为去年公布的1650亿美元全球扩建计划的提速动作。英伟达、AMD、苹果等主要客户已预订其产能，台积电还计划在现有基础上继续扩容，考虑使亚利桑那的晶圆厂总数达到8座、封装厂达4座，形成"超级晶圆厂"集群。

关键的战略指标是：未来台积电在美国的产能将占其全球2纳米及更先进制程的约30%。这对AI芯片供给意味着什么？英伟达与AMD最尖端的加速器晶圆将有三分之一产自美国本土，出口管制、关税与地缘风险对这部分产能的扰动模式将完全不同。值得注意的是，亚利桑那厂区已从此前累计约12.5亿美元的爬坡亏损（2021至2024年，据公开报道）转为单季盈利——2026年第一季度盈利约188亿元新台币，超过2025年全年总和。

熊本与德累斯顿：两种完全不同的海外逻辑​

日本熊本与德国德累斯顿的角色定位截然不同。熊本一厂目前量产22与28纳米，台积电披露2026年该厂28与22纳米产出将达2025年的20倍；二厂原本规划6纳米与7纳米，因AI需求强劲已升级为3纳米制程——这是熊本首次触碰先进制程。不过2026年7月底熊本发生的强震一度迫使JASM停工，虽然厂体无损，但也直观展示了"多元化"本身也会遭遇多元化风险。

德累斯顿则压根不是为AI而生。由台积电与博世、英飞凌、恩智浦合资的ESMC聚焦28与22纳米及16与12纳米制程，面向汽车与工业客户，欧洲芯片法案承担了接近一半的资本开支。它解决的是欧洲"汽车芯片完全依赖亚洲"的焦虑，而非AI算力的供给问题。

研判：先进制程的"去中心化"才刚起步​

读懂台积电海外布局的关键，是认清一个事实：目前最尖端的AI芯片制造主力依然留在台湾——2纳米大规模量产由新竹与高雄厂承担，海外产能要到2027年后才逐步接棒先进节点。海外建厂买的是地缘保险与客户信任，付出的则是建厂成本数倍于台湾、工程师与文化磨合的代价。对AI产业而言，未来三到五年会形成一个分层供给结构：美国负责最尖端制程的三成产能，日本承接先进与成熟制程的过渡带，欧洲专注车规与工业。供应链韧性在提升，但供给的定价权，依然牢牢握在新竹的排产会议桌上。

当整个行业都在拥抱芯粒时，Cerebras 却坚持把一整片 12 英寸晶圆做成一颗芯片。2026 年，这条"离经叛道"的路线迎来了 CS-4 量产与纳斯达克上市的双重节点。晶圆级与芯粒，究竟谁代表极限算力的未来？

晶圆级：把晶圆当芯片用​

Cerebras 的 WSE-3 是迄今最大的商用芯片之一：整片 300mm 晶圆不切割，4 万亿晶体管、约 90 万个 AI 核心通过片上网络互联，片上 SRAM 达 44GB，片内带宽据厂商数据高达 21 PB/s——这是"消灭数据搬运"的极致设计，芯片面积达到约 4.6 万平方毫米。

2026 年 8 月，Cerebras 发布了基于三片 WSE-3T 晶圆的 CS-4 系统：AI 算力 750 PFLOPS，晶圆间带宽 129.6 PB/s，宣称在 GPT-OSS-120B 上实现单用户每秒超过 4400 个 tokens 的生成速度。Hot Chips 2026 上，公司进一步公布了 Nexus 背包式供电架构——直接从铜排背面给晶圆供电，省去 PCB 与基板的传输损耗，使同等硅片性能翻倍——以及 2027 年 WSE 新一代硅片与集成堆叠 DRAM 的 CS-6 规划。资本市场也给出认可：据公开报道，Cerebras 以每股 185 美元登陆纳斯达克，募资约 55 亿美元，并与 OpenAI 签订了至 2028 年最高 750 兆瓦的算力协议。

芯粒：良率与成本的最优解​

与晶圆级的"整片浇筑"相对，芯粒路线选择"化整为零"：把计算、缓存、I/O 拆成小芯粒分别流片，再用先进封装拼合。英伟达 Rubin R200 的 2 颗计算 die 加 2 颗 I/O die 加 8 堆栈 HBM4 组合、AMD MI400 系列、以及华为昇腾等国产主力芯片，走的都是这条路。芯粒的优势在于小 die 良率高、可混搭制程、封装组合灵活，是当前商业化的绝对主流。

维度	晶圆级（Cerebras WSE）	芯粒（Rubin、MI400 等）
面积哲学	整片晶圆即芯片，约 4.6 万平方毫米	多颗小 die 拼合封装
片上存储	44GB SRAM，片内带宽 PB/s 级	依赖 HBM，单卡容量 288GB 级
强项场景	超低延迟推理、Agent 实时交互	训练、大显存推理、通用部署
软件生态	独立 SDK，需专门适配	CUDA、ROCm 生态广泛覆盖
商业模式	云服务与超大客户直销	通用硬件大规模出货

两条路线的适用边界​

晶圆级的瓶颈同样明显：44GB SRAM 装不下千亿参数模型，需要外部流式供数或多晶圆互联扩展；单系统功耗高达 25 千瓦级，必须定制工业液冷；客户集中度极高，据招股材料，其阿联酋大客户曾占公司收入的 85% 以上。它注定是一条"特种尖刀"路线，专注低延迟推理、超长上下文与科研超算等小众高价值场景——毕竟 Agent 应用是"没有耐心的"，每秒数千 tokens 的单用户体验正是 GPU 集群最难优雅解决的痛点。

芯粒则是规模化基本盘：性能上限虽受封装互联约束，但良率、成本与生态兼容性全面占优，能覆盖从单卡到超节点的全部市场。这也是国产算力选择以芯粒为主攻方向的根本原因——成熟制程产能加自主先进封装，是当前产业禀赋下性价比最高的突围路径。

结语：碰撞之外，各守一极​

晶圆级与芯粒并非零和竞争，而是从两端同时凿穿"访存墙"的两种尝试：前者把存储距离压到零，后者用先进封装逼近光罩物理极限。2027 年之后，随着延迟敏感型推理负载占比上升，晶圆级路线的商业空间可能继续扩大；而在通用算力市场，芯粒的地位短期内无可撼动。真正的输家，也许是停留在单片巨 die 时代、两头都不沾的中间路线。

在超大规模云厂商与芯片大厂之外，马斯克的两家公司给出了自研芯片的另一种打开方式：一家砍掉自研训练超算、押注推理芯片量产，一家干脆不造芯片、把租来的 GPU 堆成全球最大集群。

Dojo 的终结与 AI5 的转向​

2025 年 8 月，马斯克在社交平台确认解散特斯拉 Dojo 训练超算团队，并给出一句著名判断：Dojo 2 是一条"演化死胡同"。他解释称，当所有路径都汇聚到 AI6 芯片时，特斯拉没有理由同时维持两套差异巨大的芯片设计。这座投入了 5 亿美元的布法罗 Dojo 设施随之失去原有使命。

转向的落点是车载推理芯片。据公开信息，AI5 芯片于 2026 年 4 月完成流片定稿，由台积电亚利桑那厂与三星得州厂双源代工，2027 年年中启动大规模量产，优先服务 Cybercab 与 Optimus 项目；AI6 处于早期开发阶段，目标性能较 AI5 翻倍，定位同时覆盖车载推理、机器人控制与大规模 AI 训练。2026 年 5 月，特斯拉又以 Dojo 2 之名发布了一款面向 Cybercab 的自动驾驶芯片，据业界报道宣称可在 45W 功耗下提供 900 TFLOPS 算力，8 月起批量装车。

阶段	关键动作	时间线
Dojo 一代	D1 芯片加英伟达 GPU 混合集群	2023 年上线
项目关停	团队解散，D2 芯片搁置	2025 年 8 月
AI5	台积电与三星双源代工	2026 年流片，2027 年中量产
Dojo 2 命名	车载推理芯片，45W 下 900 TFLOPS	2026 年 5 月发布
AI6	目标性能翻倍	计划 2028 年量产

"Dojo 3" 的新含义：用通用芯片攒超算​

马斯克为 Dojo 这个名字保留了另一种存续方式：既然 AI5 与 AI6 在推理之外"至少还不错"地能做训练，那么把大量 AI6 芯片集成到单块电路板上，就能构成训练集群，还能把网络布线的复杂度与成本降低几个数量级。他甚至直接表示，"或许可以把它称为 Dojo 3"。这实质上宣告了专用训练芯片路线的终结——用一条高量产的车规芯片产线，摊薄训练集群的芯片成本。

与特斯拉形成有趣对照的是 xAI。这家公司几乎完全放弃了芯片自研，而是以惊人的速度从英伟达采购和租借 GPU，在孟菲斯建成了全球首个吉瓦级训练集群 Colossus 2，并逐步把富余算力对外出租，谷歌、Anthropic 均已成为其大客户。马斯克体系内由此形成分工：xAI 造算力工厂，特斯拉造端侧芯片，训练与推理各取所需。

非典型路线的启示​

特斯拉与 xAI 的组合揭示了自研芯片的另一种经济学：当端侧场景（车辆、机器人）足够确定且出货量足够大时，自研芯片的核心价值在于规模与迭代速度——马斯克甚至希望把未来芯片的设计周期压缩到 9 个月；而当需求爆发快于自研节奏时，直接采购现成 GPU 抢时间，比造芯片更理性。三星与特斯拉之间 165 亿美元的代工协议，也说明车载 AI 芯片已成为先进制程的重要买家。

小结​

Dojo 的落幕并非自研芯片的失败，而是一次清醒的止损：把有限资源从长周期的训练超算转向出货量以百万计的端侧推理芯片。在"要不要自研"这个问题上，马斯克给出了一个与云厂商截然不同却同样自洽的答案——自研与否，取决于你的芯片要装在哪里、装多少颗。

开盘暴涨188.37%、市值1764.44亿元——燧原科技的科创板首秀，为国产AI芯片的资本化浪潮再添一把火。

首日表现：高开高走​

2026年9月11日，上海燧原科技股份有限公司正式在上海证券交易所科创板挂牌上市，股票代码688801.SH。开盘价410元/股，较发行价暴涨188.37%，市值达到1764.44亿元；盘中股价最高触及468元/股，涨幅超过229%。

对于一家AI芯片公司而言，这样的首日表现并不常见。它反映的是二级市场对国产AI算力标的的稀缺性定价：在AI算力需求爆发、国产替代加速的双重叙事下，能够提供训练+推理完整产品线的芯片公司，几乎是科创板最炙手可热的资产类别。

指标	数值
上市日期	2026年9月11日
股票代码	688801.SH
上市板块	上交所科创板
开盘价	410元/股
开盘涨幅	188.37%
盘中最高价	468元/股（涨幅超229%）
上市初期市值	1764.44亿元
重要股东	腾讯（浮盈超300亿元）

腾讯作为燧原科技的重要股东，在这场上市中浮盈超过300亿元。从早期一路陪跑到科创板敲钟，腾讯对燧原的持续投入，是互联网大厂深度绑定国产AI芯片公司的典型案例，也印证了一级市场对国产算力赛道的长期押注。

产品底色：云燧训练/推理卡与集群方案​

资本故事之外，燧原的产品线是其估值的底色。燧原科技的核心产品围绕"邃思"DTU芯片展开，基于该芯片打造云燧系列训练加速卡与推理加速卡，并延伸出数据中心级集群方案，覆盖从单卡到大规模部署的完整需求链条。

以燧原T21为例，该卡搭载64GB HBM2E显存，面向大模型时代的显存密集型负载。在HBM容量与带宽成为AI加速卡竞争焦点的当下，大容量HBM配置是衡量产品竞争力的硬指标之一。而集群方案的完整度——从单卡、整机到组网调度——则决定了芯片公司能否真正承接云厂商与行业客户的数据中心级订单。

国产AI芯片的集体资本化​

燧原上市并非孤立事件，而是国产AI芯片企业批量登陆资本市场的最新一站。在此之前，板块格局已经初步成形：

公司	上市地/代码
寒武纪	科创板
摩尔线程	科创板
沐曦	科创板（688802.SH）
天数智芯	港股（09903.HK）
燧原科技	科创板（688801.SH，2026年9月11日）

从训练芯片到推理芯片，从GPU路线到GPGPU、DTU等多技术路线，国产AI芯片公司正在以"科创板为主阵地、港股为补充"的格局完成集体资本化。燧原开盘188%的涨幅，某种程度上是市场对整个板块稀缺性与成长性的集中定价——每一个新上市标的，都在为后来者校准估值坐标。

"融资-流片-上市-再投入"的飞轮​

AI芯片是典型的重资产、长周期行业：一次先进制程流片动辄数亿美元级投入（行业内公认的成本结构），大规模量产还需要持续的产能保障与人员扩张。没有持续的资本供给，技术追赶很难维持节奏。

此番IPO募资，燧原将投向研发与产能两个方向：前者保证下一代芯片的技术迭代与追平能力，后者保证规模交付能力。由此，国产AI芯片行业正在形成一个清晰的飞轮：

1. 融资：一级市场资金支撑芯片流片与团队建设；
2. 流片与量产：产品落地，进入云厂商与行业客户供应链；
3. 上市：借助资本市场完成价值发现与再融资通道建设；
4. 再投入：募资投向下一代研发与产能，进一步缩小与海外厂商的差距。

寒武纪、摩尔线程、沐曦、天数智芯与燧原的接连上市，让这个飞轮转得越来越快。资本市场的持续输血，正在成为国产AI芯片追赶进程中不可或缺的助推器。

小结​

燧原科技科创板首日开盘暴涨188.37%、市值1764.44亿元、盘中最高涨幅超229%，腾讯浮盈超300亿元——这既是资本市场对国产AI芯片稀缺标的的热烈回应，也是"融资-流片-上市-再投入"产业飞轮加速运转的缩影。在HBM紧缺与AI算力需求爆发的双重背景下，国产AI芯片的资本化窗口仍在敞开。后续燧原能否将高估值转化为持续的营收与利润，将是检验这场资本盛宴成色的关键。

9 月第一周，存储行业传来三组关键信号：SK 海力士面向英伟达 Vera Rubin 平台量产交付全球首款 12 层 HBM4；三星 Q2 HBM 份额飙升至 33%、直逼王座；美光宣布年底 HBM 月产能翻倍至约 10 万片晶圆。 HBM4 的竞争，已经从"谁能造出来"变成"谁能最快量产爬坡、谁绑定的客户最深"。

---

1. 三巨头战报：领跑者、追赶者与搅局者​

维度	SK 海力士	三星电子	美光
HBM4 关键节点	2026 年中向 Vera Rubin 量产交付 12 层 HBM4（全球首款完整质量认证）	2026 年 2 月全球首家大规模量产出货	2026 Q2 量产 12 层 HBM4，批量出货
DRAM 核心裸片	1b（第五代 10nm 级）	1c（第六代）	—
Base Die 代工	台积电 12nm	自家 4nm	拟转台积电（1γ 工艺代）
2026 HBM4 份额预测	~54%	~28%	~18%
Q2 HBM 营收份额	50%（环比 -14pct）	33%（环比 +12pct）	18%
HBM 产能	~15–20 万片/月	~15–20 万片/月	年底冲刺 10 万片/月（现为 4–5 万）

三个关键读数：

• 三星的反扑是真的：从去年 Q2 份额低至 15%（落后美光 6 个百分点）到今年 Q2 的 33%，三星用一年时间把与 SK 海力士的差距缩小到 17 个百分点。三星预计 HBM4 将占其下半年 HBM 收入的 60% 以上，且现有 HBM4 产能已被客户预订售罄，2026 年 HBM 总产能计划提升约 50%；
• 美光的追赶也是真的：CEO 梅赫罗特拉透露 12 层 HBM4 爬坡速度约为 HBM3E 的两倍、累计收入已超 10 亿美元；年底若如期达成 10 万片月产能，与两强的差距将缩小一半；
• SK 海力士的护城河依然深：与英伟达签署多年期 HBM/DRAM 供应协议、率先完成 2027 年 HBM4 价格谈判，在英伟达 HBM4 采购中占比约 60%（乐观情形 70%）。

2. 变局核心：封装比 DRAM 制程更值钱​

HBM4 与 HBM3E 时代最大的不同，是胜负手从存储颗粒转向了封装与 Base Die：

• I/O 通道数从 1024 条翻倍至 2048 条，单颗 12 层封装吞吐超 2TB/s，能效较前代提升逾 40%；
• Base Die 首次引入晶圆代工厂先进逻辑工艺——SK 海力士用台积电 12nm，三星用自家 4nm，美光计划在 1γ（首次导入 EUV）世代转由台积电代工；
• 存储原厂与代工厂的协作深度，第一次成为决定出货速度的关键变量——这正是 Hot Chips 2026 上"三星 HBM Base Die 逻辑工艺化"议题的产业注脚。

SEMI 数据显示，2026 年全球 HBM 市场规模预计增长 58% 至 546 亿美元，约占 DRAM 市场四成。行业预计 HBM4 销售占比将在 2026 年 Q4 正式超越 HBM3E，成为市场主流。

3. 客户端信号：Rubin 加码，Rubin CPX 重生​

需求端同样在 9 月出现重要变化：

• Vera Rubin 全面量产（详见本站专文）：每颗 Rubin GPU 搭载 288GB HBM4、带宽 22TB/s，NVL72 整柜 75TB 快速内存——HBM4 供给直接决定 Rubin 出货上限，这也是英伟达把"先进晶圆与 HBM 供应"列为当前第一约束的原因；
• Rubin CPX 项目重启：据 CFM 闪存市场 9 月 2 日简讯，英伟达重启此前搁置的 Rubin CPX 机柜项目，内存规格由 128GB GDDR7 改为 168GB HBM4，机架改为独立 MGX ETL 设计，客户可选 64/128/192/256 颗 GPU 配置——推理专用卡也全面转向 HBM4，进一步放大了 HBM4 需求；
• 供给协议长期化：英伟达已与 SK 海力士、美光签署多年期 HBM 及 DRAM 供应协议，锁供给、锁价格、锁产能成为巨头标配动作。

4. 下半场：HBM4E 已经鸣枪​

下一代产品的竞争在 2026 年同步开启：

• SK 海力士：HBM4E 送样提前至 2026 年年中（原计划下半年），COMPUTEX 2026 已展出 12 层样品，单引脚速率最高 16Gbps、单堆栈带宽约 4TB/s，计划 2027 年量产；
• 三星：2026 年 Q2 起向头部客户交付业界首批 HBM4E 样品（48GB），目标 2027 年拿下 HBM4E 市场 50% 以上份额；
• 美光：HBM4E 预计 2027 年量产，首批样品采用 1γ 制程 DRAM。

5. 对采购方与投资观察者的启示​

• 供应商组合成为第一优先级采购变量：同样买 Rubin 平台，采用哪家 HBM 供应商的整机，交付周期可能相差数月；
• 国产链条的机会窗口：HBM 供不应求叠加出口管制，长鑫等国产存储玩家的 HBM 进展值得持续跟踪——国产 AI 芯片（昇腾 950 系列等）对 HBM 的需求同样在放量；
• 跟踪三个领先指标：头部云厂商 Rubin 机架采购量、HBM 设备供应商订单（美光已加大 PO）、HBM4E 送样→量产的时间差。

---

相关链接​

• NVIDIA Rubin 规格页
• NVIDIA Rubin CPX 规格页
• NVIDIA Rubin Ultra 规格页

参考资料​

• Electronic Times：US Micron to Double HBM Capacity, Closing Gap with Samsung and SK（2026-09-04）
• Korea Herald / News18：Samsung narrows SK hynix HBM lead as HBM4 shipments accelerate（2026-09-04）
• CFM 闪存市场：HBM4 量产爬坡竞速与 Rubin CPX 重启简讯（2026-09-02/04）
• 快科技：美光吹响反击号角！HBM4 产能翻倍直追三星海力士（2026-09-04）

---

本文基于 2026 年 9 月初 Counterpoint Research、CFM 闪存市场及韩媒报道整理。份额与产能数据均为研究机构/供应链预估口径，实际以各原厂财报为准。

华为昇腾910C（Ascend 910C）作为华为第三代昇腾AI芯片，采用创新的双芯片（Chiplet）封装技术，于2025年5月开启大规模供货，成为国产AI算力的中坚力量。

本文将从技术规格、部署案例、性能对比、市场定位四个维度，全面解析这款国产旗舰AI芯片。

---

一、核心技术规格​

1.1 芯片架构与制程​

项目	参数
架构	Da Vinci（双小芯片封装）
制程工艺	SMIC N+2（7nm级）
封装方式	Chiplet（2× Ascend 910B 计算芯片）
晶体管数量	约530亿个
芯片尺寸	约800mm²（估算）

技术创新点：

• 采用双Die Chiplet封装，将两颗910B芯片整合，突破单芯片良率瓶颈
• 通过无中心I/O die设计，两颗计算芯片直接互联，降低通信延迟
• 使用SMIC N+2工艺，实现7nm级性能，保障供应链自主可控

1.2 算力性能​

精度	算力	对比参考
BF16	800 TFLOPS	约NVIDIA H100的60%
FP16	~800 TFLOPS	同精度下接近H100性能
INT8	~1600 TOPS	推理场景优势明显
FP32	未公开	训练场景主要用BF16/FP16

性能特点：

• 在BF16精度下达到800 TFLOPS，成为国产AI芯片算力新标杆
• 相比910B，算力提升约1倍（双芯片叠加+架构优化）
• 不支持FP8精度（NVIDIA Blackwell的优势领域）

1.3 内存与互联​

项目	参数
HBM类型	HBM2E（8个模块）
内存容量	~128 GB（双芯片合计）
内存带宽	784 GB/s
互联协议	Huawei AscendLink（自研）
互联带宽	单向400 GB/s（双向800 GB/s）

内存优势：

• 128GB大容量支持千亿参数模型全流程训练
• 784 GB/s带宽为HBM2E方案中的高端配置
• 自研AscendLink协议，支持384颗芯片全光互联

1.4 功耗与能效​

项目	参数
TDP（双芯片）	~310 W
能效比（BF16）	~2.58 TFLOPS/W
对比H100	功耗约为H100的45%，能效比接近

能效优势：

• 在相同算力下，功耗显著低于NVIDIA H100（700W）
• 采用7nm级工艺，能效比较910B提升约30%
• 适合大规模集群部署，降低数据中心PUE压力

---

二、关键部署案例​

2.1 CloudMatrix 384超节点​

系统规格：

项目	配置
芯片数量	384颗Ascend 910C
机柜数量	16个（12个计算柜 + 4个网络柜）
HBM总容量	~49 TB（128GB × 384）
互联方式	全光网状网络
光模块数量	6,912个LPO光模块
系统级BF16算力	~300 PFLOPS

性能对比：

• CloudMatrix 384的总BF16算力超过NVIDIA GB200 NVL72（72颗B200）
• 在大模型训练场景，384颗910C的线性扩展效率达85%以上
• 支持万卡级集群平滑扩展，满足超大规模训练需求

部署进展：

• 截至2026年6月，已部署超过500套CloudMatrix 384超节点
• 主要客户：中国电信、中国移动、中国联通、华为云、科大讯飞等
• 应用场景：大模型训练、智能客服、自动驾驶仿真、科研计算

2.2 DeepSeek-V4-Pro全参数后训练​

突破意义：

2026年6月5日，深圳河套学院AI训练平台联合哈尔滨工业大学（深圳）、深圳市大数据研究院、华为、深智城AI算力平台，基于昇腾910C算力集群，完成1.6万亿参数DeepSeek-V4-Pro大模型的全参数后训练。

技术亮点：

• 全球首批在国产算力平台上跑通万亿参数大模型全参数后训练
• 验证昇腾910C在超大规模模型训练场景的成熟度
• 证明国产AI芯片已具备替代进口芯片的能力

性能数据（官方披露）：

• 训练吞吐量：约H100集群的60%（BF16精度）
• 内存利用率：92%（128GB HBM2E大容量优势）
• 互联效率：384颗芯片线性扩展效率85%+
• 稳定性：连续训练30天无故障

2.3 商业化部署案例​

案例1：某省大数据中心（300 P FLOPS算力中心）​

• 建设规模：300 P FLOPS AI算力（约1,000颗910C）
• 应用场景：政府大模型、城市大脑、智慧交通
• 部署时间：2025年9月
• 投资规模：约2亿元（120台服务器）

案例2：华为云AI训练平台​

• 芯片数量：超过10,000颗Ascend 910C
• 服务客户：超过500家企业
• 模型支持：盘古大模型、第三方开源模型（LLaMA、ChatGLM等）
• 全球化部署：中国、东南亚、中东、拉美

案例3：科大讯飞智慧教育​

• 部署规模：256颗Ascend 910C
• 应用场景：智慧教育大模型、语音识别、机器翻译
• 性能提升：相比910B，训练速度提升90%

---

三、性能对比分析​

3.1 与NVIDIA H100对比​

项目	Ascend 910C	NVIDIA H100	备注
BF16算力	800 TFLOPS	~1,300 TFLOPS	910C约为H100的60%
HBM容量	128 GB	80 GB	910C多60%
HBM带宽	784 GB/s	3.35 TB/s	H100带宽优势明显
TDP	310 W	700 W	910C功耗仅为H100的45%
制程	7nm（SMIC N+2）	4nm（TSMC）	H100制程更先进
软件生态	CANN（兼容CUDA）	CUDA	H100生态更成熟
供货情况	中国自主可控	受出口管制	910C无供应链风险

结论：

• 在纯算力上，910C约为H100的60%
• 在内存容量上，910C领先60%，适合大模型训练
• 在能效比上，910C显著优于H100
• 在供应链安全上，910C完胜

3.2 与Ascend 910B对比​

项目	Ascend 910C	Ascend 910B	提升幅度
架构	双芯片Chiplet	单芯片	-
BF16算力	800 TFLOPS	~400 TFLOPS	+100%
HBM容量	128 GB	64 GB	+100%
TDP	310 W	310 W	持平（单芯片功耗）
制程	SMIC N+2	SMIC N+2	相同
良率	~40%	~30%	+33%

结论：

• 910C通过双芯片封装，实现算力、内存容量翻倍
• 良率从910B的30%提升至40%，降低制造成本
• 在相同功耗下，性能提升100%，能效比显著优化

3.3 推理性能（DeepSeek模型实测）​

测试环境：

• 模型：DeepSeek-V3（671B参数）
• 硬件：Ascend 910C vs NVIDIA H100
• 精度：BF16
• 批次大小：64

测试结果：

指标	Ascend 910C	NVIDIA H100	比例
推理速度（tokens/s）	8,500	14,200	60%
首token延迟（ms）	120	85	141%
功耗（W）	310	700	44%
成本（万元/卡）	~10	~18	56%

结论：

• 910C推理速度为H100的60%，但功耗仅为44%
• 在成本敏感场景，910C的性价比优势明显
• 对于中国市场的国产化需求，910C是唯一选择

---

四、市场定位与竞争优势​

4.1 目标市场​

核心市场：

1. 中国政府与国企：国产化替代、数据安全、自主可控
2. 大模型创业公司：成本敏感、算力需求大
3. 运营商与云服务商：大规模部署、能效要求高
4. 科研与教育：超大规模计算、人才培养

边缘市场：

1. 自动驾驶：端到端大模型训练
2. 智慧医疗：医学影像分析、药物研发
3. 金融科技：风险控制、智能投顾

4.2 竞争优势​

优势	说明
自主可控	SMIC N+2工艺 + 华为自研架构，无供应链风险
大内存容量	128GB HBM2E，支持千亿参数模型全流程训练
高能效比	310W TDP实现800 TFLOPS，能效比接近H100
系统级扩展	CloudMatrix 384超节点，总算力超GB200 NVL72
软件生态	CANN兼容CUDA，降低迁移成本
成本优势	约10万元/卡，比H100低约44%

4.3 竞争劣势与改进方向​

劣势	改进方向
单芯片算力	下一代910D将采用3nm工艺，目标翻倍
HBM带宽	950系列将采用自研HBM（HiBL 1.0），带宽提升至4 TB/s
软件生态	持续投入CANN + MindSpore，扩大开发者社区
制程工艺	与SMIC深度合作，推进N+3（5nm级）工艺量产

---

五、2026年出货计划与市场预测​

5.1 出货计划​

时间	出货量	累计出货	主要客户
2025 Q2-Q4	20万颗	20万颗	华为云、中国电信
2026 Q1-Q2	30万颗	50万颗	中国移动、中国联通、科大讯飞
2026 Q3-Q4	30万颗	80万颗	政府项目、大模型创业公司
2027年	100万颗	180万颗	全球市场（东南亚、中东、拉美）

产能瓶颈：

• SMIC N+2工艺产能约10万片/月，其中Ascend 910C约占30%
• 2026年计划出货80万颗，需要约40万片晶圆，产能利用率需达80%+
• 华为通过与SMIC深度合作，优先保障910C产能

5.2 市场预测​

中国AI芯片市场（2026年）：

• 总规模：约500亿元
• 国产芯片占比：约35%（175亿元）
• Ascend 910C市场份额：约60%（105亿元，约80万颗）

全球AI芯片市场（2026年）：

• 总规模：约2,000亿美元
• 华为份额：约5%（100亿美元）
• 增长驱动：中国市场国产化 + 一带一路国家出口

---

六、总结与展望​

6.1 核心结论​

1. 昇腾910C是国产AI芯片的里程碑产品，在算力、内存、能效、系统扩展等方面实现全面突破
2. CloudMatrix 384超节点证明国产芯片已具备替代进口芯片的能力
3. DeepSeek-V4-Pro训练成功验证910C在超大规模模型训练场景的成熟度
4. 2026年出货80万颗，预计占据中国AI芯片市场60%份额

6.2 未来展望​

短期（2026-2027）：

• 910C持续放量，出货量突破100万颗
• CloudMatrix 384部署超过1,000套
• 软件生态（CANN + MindSpore）成熟度接近CUDA的70%

中期（2028-2029）：

• 下一代910D量产，采用3nm工艺，算力目标1.6 PFLOPS BF16
• 950系列（PR/DT）成为推理市场主力，市场份额超过30%
• 960/970发布，采用N+3工艺，支持万亿参数模型

长期（2030+）：

• 华为昇腾系列成为全球AI芯片市场TOP 3
• 国产AI芯片在全球市场份额超过20%
• 实现从"跟跑"到"并跑"再到"领跑"的跨越

---

参考资料​

1. 华为昇腾910C - 百度百科：https://baike.baidu.com/item/%E5%8D%8E%E4%B8%BA%E6%98%87%E8%85%BE910C/67777523
2. 华为昇腾系列AI芯片详细参数对比（2025-2028）- 电子工程专辑：https://www.eet-china.com/mp/a486527.html
3. 华为昇腾910C算力集群发力，国产芯片成功完成万亿级AI大模型训练 - QQ新闻：https://news.qq.com/rain/a/20260608A0526U00
4. 华为昇腾910C完成DeepSeek V4 Pro训练 - 虎嗅网：https://www.huxiu.com/ainews/12966.html
5. 华为昇腾910C实测效率超H100，AI Infra软硬件协同亮剑万卡集群 - CNBlogs：https://www.cnblogs.com/wujianming-110117/p/18939581

---

本文完

最后更新：2026年6月10日

2026年6月6日 —— COMPUTEX 2026 昨日在台北圆满闭幕。本届展会以"AI Together"为主题，创下 1500+ 参展商、6000 展位的历史纪录。NVIDIA、Intel、AMD 三巨头在 AI PC 领域的正面交锋成为本届最大看点。

1. NVIDIA RTX Spark：六月正式上市，$1,399 起​

NVIDIA 与联发科合作的 RTX Spark 超级芯片在 COMPUTEX 发布后不到一周即确认上市时间表：

关键信息	详情
首发 OEM	华硕、戴尔、惠普、联想、微软 Surface、微星
上市时间	2026 年秋季
起步价	尚未公布（外界推测 $3,000-4,000）
核心配置	Arm CPU（最多 20 核）+ Blackwell GPU（6144 CUDA）
统一内存	128GB LPDDR5X（300 GB/s）
模型容量	可运行 1,200 亿参数 模型，最长 100 万 token 上下文

市场反应：AMD/Intel/Qualcomm 股价受压，分析认为 RTX Spark 将从三个方向重塑市场——Windows AI PC、Creator 工作站、边缘推理节点。

---

2. Intel 18A 全面投产：Clearwater Forest + Crescent Island​

Intel CEO 陈立武首次在 COMPUTEX 发表主题演讲，带来两项关键更新：

Clearwater Forest（至强 6+）​

• 288 核 Darkmont 架构
• 首款 Intel 18A 工艺数据中心 CPU
• Foveros Direct 3D 封装
• 已全面投产

Crescent Island AI GPU​

• 480GB LPDDR5x 显存
• 350W 风冷 PCIe 形态
• 原生 FP4 支持，专攻智能体推理
• 2026 H2 出货

陈立武表示："当 AI 迈向智能体时代，CPU 正重返现代 AI 基础设施的中心。"

---

3. AMD Ryzen AI 400 系列出货中​

AMD 在 COMPUTEX 上展示了 Ryzen AI 400 系列（Zen 5 + Zen 5C 混合架构 + XDNA2 NPU）：

• NPU 算力 60 TOPS，x86 最高
• 7 款消费级型号 + 商用 PRO 系列
• 多家 OEM 已上市或即将发布
• 7 月将举办 Advancing AI 2026 峰会（旧金山）

---

4. 国产芯片持续发力​

厂商	产品	状态
华为	昇腾 950PR/950DT	已量产，自研 HBM 突破
寒武纪	MLU690	2 PFLOPS FP8，开始出货
摩尔线程	MTT S5000	1000 TFLOPS 参数公开

---

5. AI PC 元年：三家巨头路线图对比​

维度	NVIDIA RTX Spark	Intel Clearwater Forest + Crescent Island	AMD Ryzen AI 400
CPU 核心	20 核 Grace (Arm)	288 核 Darkmont (x86)	最高 12 核 Zen5+5C
GPU/NPU	Blackwell GPU	Crescent Island (独立 GPU)	XDNA2 NPU (60 TOPS)
AI 算力	1 PFLOPS	TBD	60 TOPS NPU
目标	个人 AI Agent	数据中心+AI PC 双线	Copilot+ PC
工艺	TSMC 4NP	Intel 18A	TSMC 4nm
上市	2026-06	2026 H2	已上市

---

本周算力圈速览（6/1-6/6）​

日期	事件
6/1	NVIDIA GTC Taipei：RTX Spark、Vera Rubin 量产、DGX Station for Windows
6/1	Intel 发布 Crescent Island、Clearwater Forest
6/2	COMPUTEX 正式开幕，"AI Together"主题
6/5	COMPUTEX 闭幕，1500+ 展商创纪录
6/6	RTX Spark 确认六月上市 $1,399 起

---

数据来源：COMPUTEX Daily、腾讯新闻、凤凰科技、雪球、The Silicon Review。

2026 年 6 月 1-5 日，中国台北 —— Computex 2026（台北国际电脑展）本周圆满收官。本届展会以 "AI Together" 为主题，NVIDIA、Intel、AMD、Qualcomm 等巨头密集发布了多款 AI 算力新品，以下是 MirrorFrog 为你梳理的算力卡圈本周最值得关注的动态。

① NVIDIA DGX Station for Windows：桌面的 AI 超算​

NVIDIA 在 Computex 2026 主题演讲中正式发布了 DGX Station for Windows，号称"全球最强大的桌面 AI 超级计算机"。

核心规格​

项目	参数
芯片	GB300 Grace Blackwell Ultra Desktop Superchip
GPU 内存	252 GB HBM3e（7.1 TB/s）
CPU 内存	496 GB LPDDR5X（396 GB/s）
统一内存	748 GB（NVLink-C2C 互联）
FP4 算力	20 PFLOPS（稀疏）
FP8 算力	10 PFLOPS（稀疏）
网络	ConnectX-8 SuperNIC，最高 800 Gb/s
模型容量	可运行 1 万亿参数 模型
系统功耗	1,600 W
操作系统	Microsoft Windows
出货时间	2026 Q4

意义：DGX Station 将以前需要数据中心级集群的 AI 算力（20 PFLOPS FP4）压缩到一台桌面工作站中。748GB 统一内存意味着开发者可以在本地运行千亿甚至万亿参数的大模型，无需依赖云端。

---

② Intel Crescent Island：推理专用 AI GPU​

Intel 在 Computex 上详细披露了其面向数据中心 AI 推理的新一代 GPU Crescent Island。

项目	参数
内存	最高 480 GB LPDDR5x
功耗	350 W（PCIe 形态）
精度支持	FP4/MXFP4 → FP64（全精度覆盖）
目标	AI 推理工作负载（Agentic Inference）
定位	性价比高于 HBM 方案
出货	2026 下半年

意义：Crescent Island 是 Intel 在 AI 推理市场的重要布局。480GB 超大 LPDDR5x 内存（非 HBM）意味着成本远低于 NVIDIA H200/B200 等同级竞品，瞄准企业级推理部署场景。

---

③ Intel Xeon 6+（Clearwater Forest）：首款 Intel 18A 数据中心 CPU​

Intel 还发布了代号 Clearwater Forest 的全新 至强 6+ 处理器，这是 Intel 首款采用 18A 工艺 的数据中心 CPU：

• 288 个 Darkmont 架构核心
• L2 288MB + L3 576MB 缓存
• 12 通道 DDR5-8000 内存
• Foveros Direct 3D 先进封装
• AI Agent 时代 CPU 重返基础设施中心

---

④ NVIDIA RTX Spark 生态落地​

本周 NVIDIA 与 联发科 合作的 RTX Spark 超级芯片持续发酵。多家 OEM 亮相了基于 RTX Spark 的笔记本和紧凑型桌面原型机：

• 华硕、戴尔、惠普、联想、微软 Surface、微星 均确认首发
• 配备 20 核 Grace CPU + Blackwell GPU（6144 CUDA 核心）
• AI 算力 1 PFLOPS
• 2026 年秋季 零售上市

---

⑤ Intel × 鸿海（Foxconn）AI 基础设施合作​

Intel 与鸿海宣布联合布局 AI 基础设施，覆盖从 芯片 → 服务器 → 机架级系统 的完整链条，瞄准 AI 推理需求激增带来的数据中心市场机遇。

---

⑥ 国产 AI 芯片动态​

据 IDC 2025 年度报告，中国 AI 加速卡市场总出货量达 约 400 万张，本土厂商合计出货约 165 万张，市占率突破 41%。华为昇腾 950 系列已进入量产交付阶段，寒武纪 MLU690 开始向互联网客户出货。

---

本周算力圈速览​

厂商	产品	亮点	时间
NVIDIA	DGX Station for Windows	20 PFLOPS, 748GB 统一内存	Q4 2026
NVIDIA	RTX Spark	1 PFLOPS AI PC 芯片	2026 秋
Intel	Crescent Island GPU	480GB LPDDR5x, 350W	2026 H2
Intel	Xeon 6+ (Clearwater Forest)	288 核, Intel 18A	2026 H2
Intel + 鸿海	AI 基础设施合作	芯片→机柜 全链路	战略合作
华为	昇腾 950PR/DT	1 PFLOPS FP8, 自研 HBM	已量产
寒武纪	MLU690	2 PFLOPS FP8, 192GB HBM3E	出货中

---

数据来源：NVIDIA GTC Taipei 2026 / Computex 2026 官方发布、Intel 新闻稿、凤凰科技、IT之家。

2026 年 6 月 — 华为昇腾 950 系列（950PR / 950DT）已进入正式量产交付阶段，这是中国 AI 芯片产业在 2026 年的标志性事件。与此同时，寒武纪 MLU690 开始出货、摩尔线程 MTT S5000 参数公布，中国 AI 芯片三极格局正式形成。

昇腾 950 系列：自研 HBM 的历史性突破​

华为海思 Ascend 950 系列 是第四代昇腾 AI 芯片，2025 年 9 月华为全联接大会首次披露，2026 Q1 正式量产。

950PR（Prefill 推理专用）​

项目	参数
架构	Da Vinci v5（SIMD + SIMT 双模型）
制程	N+2（SMIC 国产化）
HBM	HiBL 1.0（华为自研），128 GB
FP8 算力	1 PFLOPS（HiF8 格式）
TDP	~400 W
目标	推理 Prefill（视频推荐、实时交互）

950DT（Decode + 训练专用）​

项目	参数
架构	Da Vinci v5（SIMD + SIMT 双模型）
制程	N+2（SMIC 国产化）
HBM	HiZQ 2.0（华为自研），144 GB，4 TB/s
FP8 算力	1 PFLOPS（HiF8 格式）
TDP	~500 W
目标	推理 Decode + 模型训练

历史意义​

自研 HBM（HiBL 1.0 / HiZQ 2.0）是华为昇腾 950 最重要的技术突破——这是中国企业首次实现 HBM 内存的自研量产，彻底摆脱了对 SK Hynix / Samsung HBM 供应的依赖。配合 N+2 国产化工艺，昇腾 950 实现了从 HBM → 计算 Die → 封装 → 系统 的全链条国产化。

寒武纪 MLU690：国产唯一 FP8 支持​

寒武纪第七代 AI 芯片 MLU 690（思元 690） 于 2026 H1 开始量产出货。这是 国产 AI 芯片中首款原生支持 FP8 精度 的产品。

项目	MLU 690
制程	5nm（TSMC / SMIC）
FP8 dense	2 PFLOPS
HBM	192GB HBM3E，5 TB/s
TDP	~500 W
单价（OAM）	~$8,000-12,000

MLU 690 的 FP8 算力（2 PFLOPS dense）在纸面上已经与 NVIDIA Blackwell（B200 FP8 4.5 PFLOPS sparse）相当。寒武纪凭借 科创板上市公司 的融资优势，在 2026 年营收目标达到 ¥15-20B（2025 年 ¥7.2B）。

摩尔线程 MTT S5000：从图形到训推一体​

摩尔线程在 2026 年 2 月公开了 MTT S5000 的详细参数，采用第四代 MUSA "平湖" 架构，单卡 AI 算力 1,000 TFLOPS，80GB GDDR6X 显存，1.6 TB/s 带宽。

摩尔线程走的是全功能 GPU 路线（图形渲染 + AI 计算 + 通用计算），与 NVIDIA 策略最为接近。创始团队来自原 NVIDIA 中国，MUSIFY 工具链可帮助 CUDA 代码自动迁移到 MUSA 平台，降低生态迁移成本。

中国 AI 芯片三极格局​

维度	华为昇腾	寒武纪	摩尔线程
核心架构	Da Vinci v5	MLUv07	MUSA 4th Gen
制程	N+2 国产化	5nm	6nm
FP8 算力	~1 PFLOPS	2 PFLOPS	0.5 PFLOPS（推测）
HBM 自主	✅ 自研 HiBL/HiZQ	❌ 外购	❌ 外购
生态系统	CANN + MindSpore	NeuWare + MindSpore	MUSA + MUSIFY
优势	全链条国产化	最高 FP8 算力	全功能 + CUDA 迁移
2025 营收	（华为内部）	¥7.2B	¥2.2B

全球市场对比（2026 年 Q2 更新）​

梯队	厂商	旗舰芯片	FP8/PFLOPS	HBM	量产时间
第一梯队	NVIDIA	Rubin R200	25 PF（稀疏）	288GB HBM4	2026 H2
第二梯队	AMD	MI400	20 PF（密集）	432GB HBM4	2026
	华为	昇腾 950DT	1 PF（密集）	144GB 自研 HBM	2026 Q1
	寒武纪	MLU690	2 PF（密集）	192GB HBM3E	2026 H1
	AWS	Trainium 3	5.7 PF（密集）	144GB HBM	2025 Q4 GA
第三梯队	Intel	Gaudi 3	1.8 PF	128GB HBM2e	量产
	Google	TPU v7	4.6 PF(TFLOPS)	192GB HBM	2025
	摩尔线程	MTT S5000	1 PF	80GB GDDR6X	2025 Q1

注：NVIDIA 使用 sparse（稀疏） 算力为标准，AMD/华为/寒武纪使用 dense（密集），不可直接比较。

展望 2026 H2​

• NVIDIA Rubin R200：2026 H2 正式出货，288GB HBM4，6 芯片 CoWoS-L 封装
• 华为昇腾 960：路线图 2027 H2，预计 FP8 算力翻倍至 2 PFLOPS
• 寒武纪 MLU790：预计 2027，3nm，384GB HBM4，2.5 PFLOPS
• 摩尔线程：下一代 GPU 预计搭配 HBM3，算力 2× MTT S5000

中国 AI 芯片产业在 2026 年已经形成从 训练（寒武纪 MLU690 / 昇腾 950DT）→ 推理（昇腾 950PR / 摩尔线程 S5000）→ 系统（CloudMatrix / 分布式集群） 的完整产品矩阵。

---

本文基于华为全联接大会 2025（2025-09-18）公开信息、2026 年 4 月行业分析报告及 2026 年 6 月最新市场数据整理。