18 篇博文 含有标签「国产AI芯片」

华为昇腾与寒武纪之外，一批二线国产 AI 芯片厂商正在 2026 年集体进入收获期：上市潮、大厂订单与超节点产品同时落地，国产算力的第二梯队正在成形。

资本市场：从独角兽到上市公司的批量切换​

2026 年是国产 AI 芯片的上市大年。燧原科技的科创板 IPO 已过会并获注册批复，拟募资 60 亿元，公司自研迭代了四代架构、五款云端 AI 芯片；壁仞科技于 2026 年 1 月 2 日在港交所挂牌，开盘大涨 82%，市值一度突破千亿港元，成为港股 GPU 第一股；天数智芯也在 2026 年 1 月登陆港交所。据业界统计，摩尔线程、沐曦等厂商同样在冲刺科创板，"国产 GPU 四小龙"有望在资本市场聚齐。

厂商	资本进展	2026 年代表动作
燧原科技	科创板过会并获注册，拟募资 60 亿元	联合中兴发布云燧 ESL64-O 无线缆超节点
壁仞科技	港交所上市，市值一度破千亿港元	BR2xx 芯粒光互连千卡超节点，20 余款大模型当日适配
天数智芯	2026 年 1 月港交所上市	据媒体报道与字节跳动洽谈至少 5 万颗推理 GPU 采购
登临科技	据公开报道持续推进融资与商用	聚焦推理加速场景的规模化落地

产品与订单：超节点成为竞争主线​

2026 世界人工智能大会清晰地展示了行业竞争重心的迁移：从单芯片算力比拼转向芯片、高速互联与整机集群的系统级较量。壁仞科技推出基于芯粒架构 BR2xx 芯片的光互连千卡超节点，最多 1024 张 GPU 可共享同一内存空间；燧原科技联合中兴通讯发布的云燧 ESL64-O 超节点采用正交无背板设计，实现零线缆以大幅降低互联成本，其与腾讯云合作的"燎原"智算集群 3.0 已完成数千卡至万卡级部署。

订单侧的突破更具标志性意义。据多家媒体援引消息报道，字节跳动正与天数智芯洽谈采购至少 5 万颗智铠系列云端推理 GPU，若落地将成为继华为、寒武纪之后字节跳动的第三大国产 GPU 供应商；业界普遍认为，国产推理芯片定价约为英伟达同级产品的六到七成，成本优势叠加安全可靠测评的政策导向，正在推动互联网大厂从试点采购转向规模导入。登临科技等专注推理加速的厂商，也在互联网与行业客户中持续推进规模化商用。

生态与隐忧：窗口期不会永远敞开​

软件生态的比拼同样白热化。壁仞科技已对智谱 GLM、DeepSeek、通义千问等 20 余款头部大模型完成当日同步适配，其中 DeepSeek 全系列适配据称仅用数小时；2026 年 5 月，首批 9 款国产芯片获评国家最高安全可靠等级，壁仞、天数智芯等均榜上有名，信创需求的井喷进一步打开了市场空间。

但隐忧同样明确：先进制程产能受限于代工排期，交付能力决定谁能兑现政策红利；英伟达下一代架构随时可能随出口政策变化重返中国市场，国产芯片的时间差优势存在收窄风险。二线厂商能否从"能跑"走向"好用、稳定、规模供货"，仍是决定最终座次的关键。

小结​

2026 年的国产 AI 芯片第二梯队，第一次同时拥有了资本弹药、大厂订单与系统级产品能力。燧原、壁仞、天数智芯的上市潮解决了资金可持续性，超节点与大模型适配解决了生态可用性，剩下的问题——产能与长期竞争力——将在未来两年给出答案。

华为全联接大会（HC2026）期间，华为轮值董事长徐直军在接受采访时给出了昇腾950系列的最新进度：950PR 已上市但量不大，950DT 超节点年底规模供货，并首次松口"昇腾中国份额已超英伟达"。

访谈要点：950PR 已上市，950DT 年底规模供货​

华为全联接大会（HC2026）在上海举行，展会现场展出了昇腾950和 Atlas 950 超节点。徐直军在采访中把昇腾950系列的节奏讲得非常具体：

• 昇腾950系列分为 PR 和 DT 两个版本；
• 950PR 已于 2026 年第一季度正式发布上市，主要面向推理场景，但"上市量不算大"；
• 基于 950DT 的超节点主要用于训练，目前还在测试中，规模供货预计今年年底或明年初。

两代产品的分工清晰：950PR 先行落地承接推理需求，950DT 则押注训练场景，承担更重的算力任务。

"能产多少就供多少"：产能成了第一约束​

关于 950DT 的训练表现和供货节奏，徐直军的原话值得完整引用：

"我们和各家模型厂商做了很多沟通交流，从目前测试结果来看，950DT的训练表现非常不错，我相信从明年开始，大量模型的训练会构筑在950DT超节点上。未来关键可能不在于我们推动的力度有多大，而在于我们的供货能力有多大。现在能产多少就供多少，我们希望产业链加快扩产，快一点、多产一点。"

这段话透露出一个重要信号：对国产 AI 芯片而言，需求侧已经不是瓶颈，产能才是。徐直军把"供货能力"而非"推动力度"定义为未来的关键变量，等于公开向产业链喊话扩产——"快一点、多产一点"的表述，把扩产的紧迫性摆到了台面上。

份额表态："昇腾应该已经超过了英伟达"​

在市场地位问题上，徐直军的表述同样直接：

"在中国市场要统计英伟达的市场占有率很难，但如果从华为能够统计到的数据看，昇腾应该已经超过了英伟达。"

这句话需要仔细解读。徐直军本人也承认统计口径的困难——英伟达在中国市场以何种形式、多大数量出货，外界很难完整统计。华为的判断基于"华为能够统计到的数据"，这是一个有限口径的推断，而非权威市场份额数字。但这是华为高层首次公开作出这一表述，其信号意义大于数字本身。

海外策略：暂不全面拓展​

关于国际化，徐直军给出了明确的优先级："目前昇腾满足国内市场需求还远远不足，所以没有全面拓展海外市场的计划。但确有少数国家做了测试和供给，但量非常少。"

换句话说，海外市场目前只是零星试点，华为的全部产能仍将优先投向国内。这与其"供货能力是第一约束"的判断是自洽的：产能有限的前提下，先满足国内是唯一合理的选择。

时间线与定价背景​

把 HC2026 前后的公开信息放在一起看，昇腾950的落地节奏如下：

事项	状态
昇腾950PR（推理）	2026年第一季度正式发布上市，上市量不算大
昇腾950DT 超节点（训练）	测试中，规模供货预计今年年底或明年初
950DT 指示性价格	超 25 万元（路透报道，HBM 成本驱动涨价）
Atlas 950 超节点	HC2026 现场展出
昇腾950智算集群云服务	9月30日国内商用

值得注意的是定价：路透此前报道 950DT 指示性价格超过 25 万元，主要驱动因素是 HBM 成本上涨。这与全球存储供应紧张的大背景互为印证——HBM 涨价正在推高所有 AI 芯片的成本曲线，国产芯片也无法置身事外。

分析：三个观察点​

**第一，"份额超英伟达"的口径与可信度。**虽然华为的统计口径有限，但结合出口管制后英伟达对华供应受限、国产芯片放量的大背景，昇腾在国内新增 AI 算力采购中的占比持续上升是行业普遍观察到的趋势，争议主要在幅度而非方向。华为选择在 HC2026 这个场合公开表态，本身也说明其对产能与产品力有了相当的底气。

第二，产能取代需求成为第一约束。"能产多少就供多少"说明国产芯片的瓶颈已经从"有没有人用"变成"产得出多少"。下一步的关键变量是先进制程与 HBM 供应链的扩产速度——这也是 950DT 价格超过 25 万元的根本原因。

**第三，950DT 对国产模型厂商的意义。**如果明年大量模型训练真的构筑在 950DT 超节点上，国产训练算力将第一次形成规模化的供应能力。配合 9 月 30 日已商用的昇腾950智算集群云服务，国产模型厂商在训练底座上将有更完整的选择，这对它们的成本结构和供应链安全都有直接影响。

小结​

徐直军在 HC2026 的访谈给出了两条硬信息：昇腾950PR 已上市、950DT 训练超节点年底规模供货；以及一句分量不轻的判断——"昇腾应该已经超过了英伟达"。产能而非需求，正在成为国产 AI 算力扩张的第一约束；而 950DT 能否如期放量，将决定明年国产大模型训练底座的成色。

2026年进入第四季度，AI芯片竞争的关键词从"发布"转向"交付"。Rubin能否持续放量、Helios能否如期爬坡、昇腾950DT如何定价上市，将共同决定2027年竞争格局的起点。

NVIDIA：Rubin放量与生态开放双线推进​

Q4期间NVIDIA的计划主线：

• Vera Rubin NVL72：2026下半年持续放量，MLPerf Inference v6.1首秀已登顶（Qwen3-VL较GB300最高3.7倍），HBM4平台优势开始兑现；
• N1X：基于RTX Spark的PC处理器按计划2026年秋季上市，打开消费级战场；
• Blackwell Ultra（B300）：租用价格参考Nebius口径约9.50美元/GPU小时，仍是当前租赁市场的重要基准；
• 后续代际：Rubin Ultra等后续路线待发；
• 生态动作：NVLink Fusion持续开放生态，NVHBM定制内存方案推进。

产品/计划	Q4状态
Vera Rubin NVL72	2026下半年持续放量
N1X	秋季上市
B300租用	9.50美元/GPU小时（Nebius口径）
Rubin Ultra	待发布
NVLink Fusion / NVHBM	生态开放与定制内存推进

AMD：Helios从首发出货到Q4爬坡​

AMD在Q4的核心任务是交付：

• Helios机架：MI455X首批出货目标Q3末，Q4进入量产爬坡阶段；
• 客户部署：OpenAI 6GW、Meta 6GW部署合作推进中，微软作为首批客户计划2026年下半年交付；
• MI430X：驱动欧洲LUMI-AI超算，拓展科学计算场景；
• ROCm：软件生态继续补齐；
• 下一代：Helios II / MI500级产品路线待公布。

华为：昇腾950DT上市与云服务全球商用​

华为Q4的关键节点最为明确：

• 昇腾950DT：Q4上市，报价超25万元；
• 昇腾950智算集群云服务：9月30日已国内商用，11月30日全球商用；
• 960系列：计划2027年接棒，970/980排在2028-2029年。

阿里平头哥：真武V900量产倒计时​

平头哥的时间表指向2027年：真武V900计划2027年Q1量产上云，配套磐久AL128与50万卡集群规划；J900排期2027年Q3。Q4将进入量产前最后的验证阶段。

OpenAI/博通 Jalapeño：多吉瓦部署推进​

OpenAI与博通合作的Jalapeño定制芯片规格已明确：13.4 PFLOPS（4-bit精度）、232GB内存，多吉瓦部署规划正在推进。这枚自研芯片的量产进度，将直接影响OpenAI未来的算力自给率。

关键变量：三大约束​

Q4的交付兑现程度，将取决于三个外部约束：

1. HBM供给：戴尔CEO警告2027年可能比2026年更紧缺，HBM产能是所有GPU路线图的共同瓶颈；
2. 国产涨价传导：昇腾950DT涨价20%-50%、寒武纪690涨价20%-30%（路透，HBM成本驱动），涨价将传导至国产算力服务价格；
3. 电力约束：Emerald AI/Google/NVIDIA成立的AEMA电网响应模式，预示电力正在成为算力扩张的第一性约束。

三条观察建议​

基于上述事实，给三类角色的观察点（非投资建议）：

• 采购方：昇腾950DT与寒武纪690的涨价幅度表明国产算力已进入卖方市场，锁量谈判宜早不宜迟；同时关注Helios Q4实际爬坡数据，作为第二供应源评估依据；
• 开发者：ROCm生态补齐与NVLink Fusion开放，意味着2027年异构算力混布的软件门槛正在降低，可提前在推理侧做多框架适配；
• 投资者：可跟踪的公开观察点包括——Helios首批交付兑现情况、昇腾950云服务11月30日全球商用落地、HBM价格走势对各家毛利率的影响信号。

小结​

2026年Q4是"交付验证季"：NVIDIA Rubin放量、AMD Helios爬坡、昇腾950DT上市与云服务全球商用、平头哥V900量产倒计时——各家计划均已排定，剩下的变量集中在HBM供给、涨价传导与电力约束三点。所有时间节点以"计划/预计/排期"口径为准，Q4末回看兑现率，就是对2027年格局的最好预判。

华为全联接大会2026给出明确时间表：昇腾950智算集群云服务9月30日国内商用、11月30日全球商用，全球首个NPO超节点昇腾960同步亮相。

HUAWEI CONNECT 2026：商用时间表落定​

2026年9月17日，华为全联接大会在上海举行。大会上，华为披露了昇腾950智算集群云服务的商用节奏：9月30日国内商用，11月30日全球商用。从大会披露到国内上线仅半个月，节奏之紧，说明昇腾950超节点的规模化交付已经就绪。

关键节点	时间/地点
华为全联接大会2026	2026年9月17日（上海）
昇腾950智算集群云服务国内商用	2026年9月30日
昇腾950智算集群云服务全球商用	2026年11月30日

"国内先行、两月后推向全球"的节奏也传递出另一个信号：昇腾不再只盯着国内市场，智算集群云服务将作为中国AI算力方案走出去的载体，参与全球算力供给的竞争。

昇腾960超节点：全球首个NPO超节点​

同期发布的昇腾960超节点，是全球首个NPO超节点（近封装光学超节点），关键规格如下：

指标	数值
卡规模	4096卡
算力	8 EFLOPS FP8 / 16 EFLOPS FP4
显存	1PB HBM
光互联方案	5500个Hi-ONE光引擎，替代4.8万颗800G光模块
降功耗	550kW
可用度	99.8%
Hi-ONE单引擎传输容量	7.2T

这组数字的核心看点在于光互联的代际切换：用5500个Hi-ONE光引擎替代4.8万颗800G光模块，降低550kW功耗，同时做到99.8%的可用度。NPO（近封装光学）路线在超节点规模下的价值被直观呈现——光模块数量下降一个数量级，意味着故障点、功耗与运维复杂度同步大幅收敛。在4096卡这种规模的系统里，互联可靠性直接决定训练任务的连续性。

昇腾950超节点：规模商用与SOTA背书​

昇腾950超节点已规模商用1000多套，落地行业覆盖互联网、运营商、金融、教育、医疗、交通、制造等。规模数字之外，更关键的背书是：昇腾950超节点是国内唯一训练出SOTA模型的超节点。

"能训练出SOTA模型"是对训练集群最硬核的检验——它证明的不仅是硬件规格，而是"集群规模+互联效率+软件栈"的组合在大规模训练中真实可用。对于正在选型的行业客户而言，这比任何纸面参数都更有说服力。

芯片路线图：960提前就绪，970/980排期明确​

华为还更新了昇腾芯片的推进节奏：

• 昇腾960DT较原计划提前三个季度就绪；
• 昇腾960PR提前一个季度就绪；
• 2028年推出昇腾970，2029年推出昇腾980。

"提前就绪"在当前的供应链环境下格外难得——在全球先进制造资源紧张、HBM紧缺的背景下，按时甚至提前交付，本身就是工程与供应链能力的体现。而970/980排期明确到年份，则给生态伙伴与客户提供了可规划的长期预期。

CANN全面开源：生态数据盘点​

软件生态方面，昇腾的进展可以用一组数据概括——CANN已全面开源：

• 外部开发者占比61%，月活跃开发者超5200名；
• 40+模型实现原生训练；
• 支持PyTorch、Triton、vLLM、veRL等90+开源项目；
• 成为PyTorch官网首个中国算力平台。

其中"PyTorch官网首个中国算力平台"具有标志性意义：主流框架的原生适配，意味着开发者迁移成本大幅降低，而61%的外部开发者占比说明社区已经超出华为体系自身，形成外部贡献的正循环。

全栈协同：TaiShan 950与OceanStor M900​

硬件侧的配套升级同样值得关注。TaiShan 950超节点完成升级：支持4096节点、256TB统一内存池——统一内存池让CPU侧内存资源可以按需调度，与超节点的算力规模相匹配。存储侧，OceanStor M900上下文内存存储提供PB级KV Cache能力，直击大模型推理场景的上下文缓存需求：推理热门场景下，KV Cache的存取效率直接决定吞吐与首字延迟。

芯片（昇腾950/960）、CPU（TaiShan 950）、存储（OceanStor M900）、软件栈（CANN）四层同步演进，华为走的是典型的全栈协同路线。

小结​

从昇腾950智算集群云服务"9月30日国内、11月30日全球"的商用时间表，到昇腾960超节点"4096卡、8 EFLOPS FP8、16 EFLOPS FP4、1PB HBM、5500个Hi-ONE光引擎"的规格突破，再到昇腾950超节点规模商用1000多套、成为国内唯一训练出SOTA模型的超节点，以及CANN全面开源、外部开发者占比61%的生态进展，华为正以"芯片-超节点-云服务-开源生态"的全栈节奏推进昇腾路线图。昇腾970（2028）、昇腾980（2029）的排期已经明确——昇腾的追赶不再只是单点突破，而是体系化的持续推进。

本文基于工信部《信息通信行业发展「十五五」规划》（2026 年 9 月印发）及《人民邮电》报、澎湃新闻、华夏时报等官方解读整理。

9 月上旬，工信部印发《信息通信行业发展「十五五」规划》，用 13 个主要指标、26 项重点任务给未来五年的信息通信业画了路线图。对 AI 算力行业来说，这是含金量最高的一份政策文件——我们挑出五个硬指标，逐个拆解产业含义。

指标一：智能算力 1590 → 9800 EFLOPS，五年增长超 5 倍​

这是整份规划最亮眼的数字。作为参照系：

• 截至 2026 年 6 月底，全国智能算力规模已达 2185 EFLOPS，同比增长 177%——上半年就超额完成了对 2025 年底（1590 EFLOPS）的跨越
• 全国已建成 42 个万卡级智算集群；2026 年 7 月，首个全国产十万卡级 AI 算力集群曙光 8000 在郑州落成
• 华为轮值董事长汪涛的判断：10 万卡以上超节点集群到 2027 年将成为基础配置

从 2185 到 9800，意味着未来四年还要再造 3.5 倍于当前存量的智算设施。规划同步要求「有序部署万卡、十万卡及以上智算集群」「加大力度适配国产算力芯片」——这是国产 AI 芯片未来五年最确定的需求底座。

指标二：信息基础设施累计投资 3.8 万亿元​

有观点拿「十四五」3.7 万亿对比，得出「投资见顶」的结论。官方解读明确反对这一说法：增量资金正从「规模铺量」转向「质效跃升」，精准投向智能算力基础设施、万兆光网、6G 等新赛道。产业链拉动效应也随之变化——AI 服务器、高速光互联、国产算力芯片、新型智能终端被点名为全链条受益方向。

指标三：新建大型算力设施 PUE 降至 1.2 以下​

「十四五」末这一数字是 1.25，五年内再降 0.05——听着不多，但在 AI 服务器常年高负荷、单机柜功率密度普遍超过 20kW 的今天，PUE 每降一点都是硬仗。规划给出的技术路径非常明确：液冷。

• 《信息通信行业发展「十五五」规划》：引导算力设施采用高效节能设备以及液冷等先进技术
• 《电子信息制造业发展「十五五」规划》（9 月 15 日由工信部、国家发改委联合印发）：把液冷散热与高带宽内存池、全光交换并列为要突破的关键技术

产业侧的数据也在验证：据 Omdia 统计，液冷在全球数据中心冷却市场的占比从 2024 年约 20% 攀升至 2025 年约 37%，预计 2029 年渗透率超过 45%。算力扩张的上限正在从芯片供给转向电力供给，「算力向上、能耗向下」的能效约束会是未来五年的常态。

指标四：先进存力 1700 EB，增长超 2 倍​

智能算力翻 5 倍的同时，先进存力翻 2 倍——存算协同被放在同等重要的位置。逻辑在于：大模型训练的检查点、智能体推理的中间状态和上下文记忆，都分层存放在高性能存储中。截至 6 月底，全国存力总规模约 2021 EB，其中先进存力占比约 32%；到 2030 年 1700 EB 的先进存力目标，意味着结构升级比总量增长更重要。

对芯片选型的直接提示：KV cache 与长上下文正在吃掉内存预算，评估 AI 服务器时显存容量与内存带宽的权重应该高于峰值算力。

指标五：智能体互联网络首次写入规划​

这是本份规划最具前瞻性的部分：「智能体互联网络」占据独立专栏，部署四方面内容——构建智能体网络标识体系、加快智能体网络设施建设应用、推动全球互联互通、建设空间管控体系。同时明确「适时启动 6G 商用」。

AI 从「人的应用」变成「智能体基础设施」，通信网的角色从连接人升级为连接智能体——这为推理算力的分布式部署（边缘推理、算力调度）提供了国家级叙事。

对算力从业者的三点判断​

判断	依据
国产算力需求确定性强	规划明文「加大力度适配国产算力芯片」+ 十万卡集群建设周期启动
能效指标成为选址硬约束	PUE 1.2 以下 + 液冷关键技术点名，高密度液冷方案优先
推理算力按需下沉	「面向场景按需部署推理算力设施」，边缘与区域算力中心有政策窗口

算力规模翻 5 倍的目标之下，真正稀缺的从来不是规划，而是芯片、电力和交付能力。 对采购方来说，供给窗口期依然紧张；对方案选型而言，建议直接用 TCO 计算器 把 PUE 差异折算成电费成本——1.25 与 1.2 的差距，在万卡集群的电费账单上是千万级的。

小结​

「十五五」规划把智能算力写成了国家级工程：5 倍算力、2 倍存力、3.8 万亿投资、PUE 1.2、智能体互联网。五年后回看，2026 年下半年的国产十万卡集群潮，很可能就是这条曲线的起点。

（规划数据引自工信部文件及官方媒体解读；市场数据引自信通院、Omdia 等机构统计。）

本文基于 2026 京东全球科技探索者大会（9 月 9 日）官方发布及公开市场信息整理；订单金额与收入预测为券商/媒体口径，非公司公告。

9 月 9 日，2026 京东全球科技探索者大会上，京东云宣布了一个里程碑式的决定：与摩尔线程共建十万卡全功能 GPU 集群，打造超大规模国产智算基础设施。

这句话有两个关键词值得放大：「全功能 GPU」和「十万卡级核心集群」。前者意味着它要跑的不只是推理，而是大模型训练、推理与具身智能的正面战场；后者意味着国产 GPU 第一次被头部 AI 云企业放进了算力底座的核心位置——不是试点、不是适配、不是一体机，而是十万卡。

一、合作细节：从万卡到十万卡，订单规模多大？​

• 此前基础：京东云已与摩尔线程等伙伴建成国产万卡集群，本次是从万卡到十万卡的量级跃迁
• 订单规模：据市场与券商信息，GPU 模组由摩尔线程独家供应，订单总价值约 200-300 亿元，按交付节奏明年即可确认收入；部分券商将摩尔线程明年收入预期上修至 150-200 亿元（该口径非公司公告，请以官方披露为准）
• 合作深度：从芯片、云平台到模型训练的全栈协同，支撑京东 JoyAI 模型族迭代，形成「数据 → 训练 → 仿真 → 部署」闭环
• 开放性：算力面向全行业开放，聚焦大模型训练、推理及具身智能

摩尔线程创始人张建中在会上的表态很直接：「Scaling Law 仍然成立——十万卡集群是必然趋势。」京东云总裁曹鹏则把国产算力定义为京东物理 AI 战略的核心支柱。

二、为什么是摩尔线程？采购逻辑的三笔账​

科技公司买卡没有情怀，京东选择摩尔线程，本质是三笔账都算得过来：

1. 稳定性账：摩尔线程已在单一网络下完成千卡、万卡级大集群的商业部署，并在基础模型、具身大脑、世界模型等核心训练场景取得突破——万卡集群的工程验证是十万卡的前提，这不是冷启动。

2. 集成账：全功能 GPU 可以接入现有 IT 体系与云平台调度，MUSA 软件栈对大模型框架的适配已跑通训练级负载。

3. ROI 账：这是最关键的转变。过去国产 GPU 的买家多是「政策友好型」项目，而京东把十万卡集群写进资本开支，意味着产品回报率开始经得起投资者测算——买家结构从「敢用」变成「抢着用」，才是国产 GPU 商业成熟的标志。

三、S6000：下一代芯片已回片，供应链双保险​

据市场信息，摩尔线程下一代芯片 S6000 已顺利回片并分发厂商测试，FAB 与内存供给保障充足。需要说明的是：S6000 尚未正式发布，规格未公开，本文不作猜测；当前在售旗舰 MTT S5000 的站内数据为 FP16 400 TFLOPS、80GB 显存（1.6TB/s 带宽为 HBM 级）。

对 HBM 供给约束，摩尔线程的应对策略据称是「下一代产品迭代 + 供应链多源保障」——在国产 HBM 产能爬坡完成前，这是所有国产 GPU 厂商必须解的同一道题。

四、「十万卡」不是一家的事：国产 GPU 集群竞争格局​

值得把视野拉开——十万卡已是国产算力的集体目标：

玩家	十万卡动作	算力底座
京东云	9 月 9 日宣布共建十万卡集群	摩尔线程全功能 GPU
曙光 8000	7 月 WAIC 发布，郑州落成，全国产十万卡 AI 算力集群	海光 DCU（深算 BW1000 一系）
华为	Atlas 950 SuperPoD 超节点（8192 卡），2027 年十万卡超节点	昇腾 950/960

两家芯片路线（全功能 GPU vs DCU vs NPU）、两条路径（商业云 vs 国家超算），指向同一个验证命题：国产算力能不能在十万卡规模上稳定跑通真实训练负载。 值得强调的是，目前摩尔线程×京东集群尚无公开的第三方基准对比，没有完工时间表——十万卡的「可用」到「跑好」，仍需工程验证。

五、资本市场视角​

摩尔线程 2025 年 12 月登陆科创板：发行价 114.28 元，首日收于 600.5 元；2025 年营收 15.05 亿元（同比 +243.37%），净亏损约 10.01 亿元。若券商上修的 150-200 亿元收入预期兑现，2027 年将是从「高成长亏损」转向「规模盈利」的关键节点——这也将成为国产 GPU 商业模式的第一份完整答卷。

小结​

从 2025 年跟 DeepSeek 一体机「出道」，到 2026 年进入十万卡核心集群，国产 GPU 用了不到两年走完从「能用」到「规模化商用」的认知跃迁。京东云这张订单的价值不在金额，而在样本意义：当互联网头部买家开始用 ROI 逻辑采购国产 GPU，替代就不再是政策叙事，而是商业事实。

（订单金额、收入预测与供应链状态来自公开市场信息与券商研报口径，请以公司公告为准；芯片规格数据见站内完整对比表。）

2026年，国产AI芯片产业进入全面爆发期。华为昇腾、百度昆仑芯、阿里平头哥三大巨头相继发布新一代产品，寒武纪、沐曦、燧原、瀚博等厂商也取得重要突破。

本文将从产品发布、技术突破、市场动态、生态建设四个维度，全面解析2026年国产AI芯片的新进展。

---

一、华为昇腾：950系列发布，960/970路线图清晰​

1.1 昇腾950PR（2026年Q1发布）​

核心规格：

项目	参数
发布时间	2026年3月21日
搭载平台	Atlas 350加速卡
HBM容量	128 GB（华为自研HiBL 1.0 HBM）
内存带宽	1.6 TB/s
FP8算力	1 PFLOPS
定位	推理场景专用（Prefill阶段）
性能对比	单卡算力为NVIDIA H20的2.87倍

技术创新：

• 首次采用华为自研HBM方案（HiBL 1.0），降低成本
• 支持FP8低精度计算，推理能效比提升3倍
• 专为视频推荐、实时交互等推理场景优化

商业化进展：

• 2026年Q1已开启大规模供货
• 主要客户：中国电信、中国移动、中国联通、华为云
• 定价约10万元/卡（重点客户8万元），较同性能竞品低30%

1.2 昇腾950DT（2026年Q4发布）​

核心规格：

项目	参数
发布时间	2026年Q4（预计10月）
HBM容量	144 GB（华为自研HiZQ 2.0 HBM）
内存带宽	4 TB/s（HiZQ 2.0技术）
FP8算力	1 PFLOPS
定位	推理+训练场景（Decode阶段+训练任务）
技术创新	首次搭载自研HiZQ 2.0内存技术

技术创新：

• 采用HiZQ 2.0内存技术，数据搬运效率提升2倍
• 支持FP8/FP4低精度计算，兼顾性能与效率
• 专为对话生成、大模型训练等场景优化

1.3 950超节点（2026年Q4发布）​

系统规格：

项目	配置
最大互联芯片数	8,192颗
FP8总算力	1 EFLOPS（1,024卡规模）
1024卡版本	16台液冷计算柜，单柜64张芯片
支持模型	万亿参数大模型训练
落地进展	1024卡版本已进入落地阶段

性能对比：

• 950超节点性能超越NVIDIA 2027年NVL576系统
• 在万亿参数模型训练场景，性能领先20%

1.4 昇腾960/970路线图​

芯片型号	发布时间	核心规格	定位
昇腾960	2027年Q4	N+3工艺、288GB HBM、FP8 2 PFLOPS、能效比较910C提升30%+	超大规模训练
昇腾970	2028年Q4	N+3工艺、FP4 8 PFLOPS、4 TB/s带宽、支持万亿参数模型	下一代AI架构（MoE等）

技术突破：

• 制程升级：从N+2（7nm级）升级至N+3（5nm级）
• 内存容量翻倍：从144GB（950DT）提升至288GB（960/970）
• 能效比提升：960/970能效比较910C提升30%+
• 精度优化：970支持FP4精度，为下一代AI架构（MoE等）优化

1.5 商业化进展​

出货数据：

• 384卡超节点：已部署超过500套，是国内唯一真正大规模商用的超节点
• 2026年出货目标：80万颗（累计出货100万颗）
• 市场份额：占中国AI芯片市场60%

生态建设：

• CANN编译器：2025年底已开源，支持PyTorch/TensorFlow无缝迁移
• Mind系列工具链：全面开放，降低开发者门槛
• 生态合作伙伴：超过3,000家
• 开发者社区：超过50万注册开发者

---

二、百度昆仑芯：M100推理专用，天池超节点落地​

2.1 昆仑芯M100（2026年初发布）​

核心规格：

项目	参数
发布时间	2026年初（预计Q2）
定位	推理专用
架构	自研XPU-P架构（推理优化）
制程	7nm（中芯国际N+2）
HBM容量	64 GB（推理场景优化）
TDP	250 W（低功耗推理）
性能对比	推理性能为P800的1.5倍，功耗降低38%

技术创新：

• 采用RISC-V开源指令集架构，新增50余条AI专用指令
• 单位功耗算力达8.3 TOPS/W，为行业平均水平的2.1倍
• 支持10亿到1,000亿参数规模模型推理

商业化进展：

• 2026年Q2开启大规模供货
• 主要客户：百度智能云、招商银行、南方电网、吉利汽车
• 定价约6万元/卡，性价比优势明显

2.2 昆仑芯M300（2027年初发布）​

核心规格：

项目	参数
发布时间	2027年Q1（预计3月）
定位	超大规模多模态训练
架构	自研XPU-P架构（多模态优化）
制程	5nm（中芯国际N+3）
HBM容量	256 GB HBM4
TDP	500 W
支持模态	文字、图片、视频等多类型数据处理

技术创新：

• 采用HBM4内存，带宽达3.2 TB/s
• 支持FP8/FP4低精度计算，训练能效比提升2倍
• 原生支持多模态模型训练（文字+图片+视频）

2.3 天池256卡超节点（2026年6月发布）​

系统规格：

项目	配置
发布时间	2026年6月（预计）
芯片数量	256颗昆仑芯P800/M100
集群有效训练率	97%
卡间互联带宽	1.2 TB/s
验证模型	百度文心5.1等重要大模型

性能突破：

• 全国产超节点，从芯片到网络全栈自主可控
• 有效训练率达97%，超越NVIDIA DGX SuperPOD的95%
• 已完成百度文心5.1等重要大模型的训练验证

2.4 商业化进展​

出货数据：

• P800：2025年出货15万颗，2026年目标20万颗
• 万卡集群：已交付多个基于P800的万卡集群项目
• 市场份额：占中国AI芯片市场20%

客户覆盖：

• 外部客户收入占比：2025年已达50%+
• 中国移动AI服务器集采：基于P800的方案中标份额达70%、70%、100%
• 重点客户：招商银行、南方电网、吉利汽车、科大讯飞

IPO进展：

• 2026年5月正式启动科创板IPO辅导
• 计划采用**"A+H"模式**在A股和港股同时上市
• 估值超百亿元

---

三、阿里平头哥：M890性能提升3倍，真武系列出货56万片​

3.1 平头哥M890（2026年Q2发布）​

核心规格：

项目	参数
发布时间	2026年Q2（阿里云峰会）
性能提升	较上一代提升3倍
HBM容量	144 GB
片间互联带宽	800 GB/s
精度支持	FP8、FP4低精度计算
定位	训练+推理全流程

技术创新：

• 采用自研ICN片间互联协议，片间通信延迟低于150纳秒
• 配套PCCF通讯库及ICN Switch交换机芯片，实现单节点内64张芯片全带宽互联
• 支持FP8/FP4低精度计算，兼顾性能与效率

3.2 平头哥V900（2027年Q3发布）​

核心规格：

项目	参数
发布时间	2027年Q3（预计9月）
性能提升	较M890再提升3倍
HBM容量	216 GB
片间互联带宽	1,200 GB/s
定位	超大规模训练

3.3 平头哥G900（2028年Q3发布）​

核心规格：

项目	参数
发布时间	2028年Q3（预计9月）
定位	面向下一代算力需求旗舰产品
技术创新	支持万亿参数模型全流程训练

3.4 真武系列芯片商业化进展​

出货数据：

• 累计出货：截至2026年4月，累计出货超56万片
• 服务客户：20余个行业、400余家客户
• 智能驾驶领域：出货超13万张，服务30余家客户
• 金融领域：出货超10万张，服务150余家客户

性能优势：

• 同等精度下，真武系列芯片单机推理性能较同类产品平均高50%+
• 磐久服务器超节点架构，可支持万亿参数大模型单节点运行

全栈产品线：

• 真武系列AI芯片：训练+推理
• 倚天系列CPU：数据中心CPU
• ICN Switch互联交换机芯片：片间互联
• Camel920 400G智能网卡：高速网络
• 骏悦系列存储控制器芯片：存储优化

---

四、其他国产芯片厂商新进展​

4.1 寒武纪MLU590（2026年Q1发布）​

核心规格：

项目	参数
发布时间	2026年Q1（预计3月）
架构	MLUarch 09（自研架构）
制程	7nm（中芯国际N+2）
HBM容量	128 GB HBM3
TDP	350 W
定位	训练+推理

技术创新：

• 采用MLUarch 09架构，算力较MLU590提升2倍
• 支持FP8/FP4低精度计算，推理能效比提升2.5倍
• 原生支持MoE架构，稀疏模型推理效率提升3倍

商业化进展：

• 2026年Q1已开启样品交付
• 主要客户：中国政府、国企、科研院所
• 已实现DeepSeek-V3 671B的Day-0适配

4.2 沐曦曦云C600（2026年Q2发布）​

核心规格：

项目	参数
发布时间	2026年Q2（预计6月）
架构	MXMACA 3.0（兼容CUDA）
制程	7nm（中芯国际N+2）
HBM容量	128 GB HBM3
TDP	350 W
定位	训练+推理

技术创新：

• 采用MXMACA 3.0架构，兼容CUDA，迁移成本低
• 支持FP8/FP4低精度计算，训练能效比提升2倍
• 全国产供应链，从芯片到封装全部自主可控

商业化进展：

• 2026年Q2已开启样品交付
• 主要客户：中国政府、国企、科研院所
• 已实现LLaMA、ChatGLM、Baichuan等模型的适配

4.3 燧原S60（2026年Q3发布）​

核心规格：

项目	参数
发布时间	2026年Q3（预计9月）
架构	GCU 3.0（自研架构）
制程	7nm（中芯国际N+2）
HBM容量	96 GB HBM3
TDP	300 W
定位	推理专用

技术创新：

• 采用GCU 3.0架构，推理性能较S30提升2.5倍
• 支持FP8低精度计算，推理能效比提升3倍
• 硬件级虚拟化，单卡可拆分为64个虚拟实例

商业化进展：

• 2026年Q3已开启样品交付
• 主要客户：腾讯云、中国电信、中国联通
• 定价约5万元/卡，性价比优势明显

4.4 瀚博VA10（2026年Q4发布）​

核心规格：

项目	参数
发布时间	2026年Q4（预计12月）
架构	HVMA 2.0（自研架构）
制程	7nm（中芯国际N+2）
HBM容量	64 GB HBM3
TDP	250 W
定位	视频处理+AI推理

技术创新：

• 采用HVMA 2.0架构，视频处理性能较VA10提升3倍
• 支持8K视频实时处理，视频AI推理性能提升2倍
• 硬件级视频编解码，支持H.264/H.265/AV1

商业化进展：

• 2026年Q4已开启样品交付
• 主要客户：字节跳动、快手、B站
• 定价约4万元/卡，性价比优势明显

4.5 海光DCU K100（2026年Q2发布）​

核心规格：

项目	参数
发布时间	2026年Q2（预计6月）
架构	x86兼容GPGPU（自研DCU架构）
制程	7nm（中芯国际N+2）
HBM容量	128 GB HBM3
TDP	400 W
定位	训练+推理（x86生态兼容）

技术创新：

• 采用DCU架构，兼容x86生态，迁移成本极低
• 支持FP8/FP4低精度计算，训练能效比提升2倍
• 全国产供应链，从芯片到封装全部自主可控

商业化进展：

• 2026年Q2已开启样品交付
• 主要客户：中国政府、国企、科研院所
• 已实现DeepSeek-V3 671B的适配

---

五、2026年国产AI芯片市场格局​

5.1 市场份额（2026年）​

厂商	市场份额	出货量（万颗）	主打产品
华为昇腾	60%	80	910C、950PR、950DT
百度昆仑芯	20%	20	P800、M100
阿里平头哥	10%	10	M890、真武系列
寒武纪	5%	5	MLU590
沐曦	3%	3	C600
其他	2%	2	S60、VA10、K100

5.2 技术路线对比​

厂商	架构路线	生态兼容	制程	供应链
华为昇腾	Da Vinci（自研）	CANN（兼容CUDA）	SMIC N+2/N+3	全国产
百度昆仑芯	XPU-P（自研）	XPU-P（兼容CUDA）	SMIC N+2/N+3	全国产
阿里平头哥	自研RISC-V	兼容CUDA	SMIC N+2/N+3	全国产
寒武纪	MLUarch（自研）	CANN（兼容CUDA）	SMIC N+2	全国产
沐曦	MXMACA（兼容CUDA）	兼容CUDA	SMIC N+2	全国产
燧原	GCU（自研）	自研生态	SMIC N+2	全国产
瀚博	HVMA（自研）	自研生态	SMIC N+2	全国产
海光	DCU（x86兼容）	x86生态兼容	SMIC N+2	全国产

5.3 供应链安全对比​

厂商	晶圆代工	HBM供应	封装测试	供应链安全评级
华为昇腾	SMIC	华为自研HiBL/HiZQ	长电科技/通富微电	⭐⭐⭐⭐⭐
百度昆仑芯	SMIC	长鑫存储	长电科技/通富微电	⭐⭐⭐⭐⭐
阿里平头哥	SMIC	长鑫存储	长电科技/通富微电	⭐⭐⭐⭐⭐
寒武纪	SMIC	三星/Hynix	长电科技/通富微电	⭐⭐⭐⭐
沐曦	SMIC	三星/Hynix	长电科技/通富微电	⭐⭐⭐⭐
燧原	SMIC	三星/Hynix	长电科技/通富微电	⭐⭐⭐⭐
瀚博	SMIC	三星/Hynix	长电科技/通富微电	⭐⭐⭐⭐
海光	SMIC	三星/Hynix	长电科技/通富微电	⭐⭐⭐⭐

---

六、2026年国产AI芯片技术突破​

6.1 制程工艺突破​

制程节点	2026年状态	代表产品	备注
7nm（N+2）	量产	910C、P800、M890	中芯国际N+2工艺成熟
5nm（N+3）	量产	960、970、M300	中芯国际N+3工艺2026年量产
3nm	研发中	下一代产品	预计2028年量产

6.2 封装技术突破​

封装技术	2026年状态	代表产品	备注
Chiplet	成熟	910C、950PR/DT	双芯片封装，提升良率
3D堆叠	成熟	P800、M890	HBM3e 3D堆叠
CoWoS	成熟	所有高端产品	台积电CoWoS封装
国产封装	量产	960、970、M300	长电科技/通富微电量产

6.3 内存技术突破​

内存技术	2026年状态	代表产品	备注
HBM2E	成熟	910C	三星供应
HBM3	成熟	P800、MLU590、C600	三星/Hynix供应
HBM3e	成熟	950PR、M890	三星/Hynix供应
华为自研HBM	量产	950PR（HiBL 1.0）、950DT（HiZQ 2.0）	华为自研，降低成本
HBM4	研发中	M300（2027年）	预计2027年量产

6.4 互联技术突破​

互联技术	2026年状态	代表产品	备注
AscendLink	成熟	910C、950PR/DT	华为自研，784 GB/s
XCCL	成熟	P800、M100	昆仑芯自研，1.2 TB/s
ICN	成熟	M890、V900	阿里自研，800 GB/s
国产光模块	量产	所有超节点	6,912个LPO光模块

---

七、2026年国产AI芯片生态建设​

7.1 软件生态对比​

厂商	软件栈	CUDA兼容性	框架支持	开发者社区
华为昇腾	CANN + MindSpore	兼容（迁移成本低）	PyTorch/TensorFlow/MaxMind	50万+
百度昆仑芯	XPU-P + 百度飞桨	兼容（迁移成本低）	PyTorch/TensorFlow/百度飞桨	30万+
阿里平头哥	自研 + 阿里云	兼容（迁移成本低）	PyTorch/TensorFlow/阿里云	20万+
寒武纪	CANN + MindSpore	兼容（迁移成本低）	PyTorch/TensorFlow	10万+
沐曦	MXMACA + CUDA	兼容（迁移成本极低）	PyTorch/TensorFlow/CUDA	5万+
燧原	自研GCU栈	不兼容（需重写）	PyTorch/TensorFlow	3万+
瀚博	自研HVMA栈	不兼容（需重写）	PyTorch/TensorFlow	2万+
海光	DCU + x86	x86生态兼容（迁移成本极低）	PyTorch/TensorFlow/x86	5万+

7.2 开发者社区建设​

厂商	开发者数量	技术文档	开发工具	培训认证
华为昇腾	50万+	完善	CANN Toolkit	HCCP认证
百度昆仑芯	30万+	完善	XPU-P Toolkit	百度飞桨认证
阿里平头哥	20万+	完善	阿里云Toolkit	阿里云认证
寒武纪	10万+	较完善	CANN Toolkit	寒武纪认证
沐曦	5万+	较完善	MXMACA Toolkit	沐曦认证
燧原	3万+	一般	GCU Toolkit	燧原认证
瀚博	2万+	一般	HVMA Toolkit	瀚博认证
海光	5万+	完善	DCU Toolkit	海光认证

7.3 大模型适配能力​

厂商	DeepSeek-V3	LLama 3	ChatGLM	Baichuan	文心	通义
华为昇腾	✅ Day-0	✅	✅	✅	✅	✅
百度昆仑芯	✅ Day-0	✅	✅	✅	✅	✅
阿里平头哥	✅ Day-0	✅	✅	✅	✅	✅
寒武纪	✅ Day-0	✅	✅	✅	✅	✅
沐曦	✅ Day-1	✅	✅	✅	✅	✅
燧原	✅ Day-3	✅	✅	✅	✅	✅
瀚博	✅ Day-7	✅	✅	✅	✅	✅
海光	✅ Day-3	✅	✅	✅	✅	✅

---

八、2026年国产AI芯片市场趋势​

8.1 市场驱动因素​

驱动因素	说明
政策支持	国家"十五五"规划将算力网纳入重大工程，政策支持力度加大
供应链安全	美国出口管制加剧，国产芯片成为唯一选择
成本优势	国产芯片价格较进口芯片低30-50%，性价比优势明显
技术突破	国产芯片在算力、内存、能效等方面实现全面突破
生态成熟	软件生态（CANN、XPU-P、MXMACA）成熟度接近CUDA的60-70%

8.2 市场挑战​

挑战	说明
制程工艺	7nm/5nm工艺较NVIDIA 4nm/3nm仍有差距
HBM带宽	国产芯片HBM带宽较NVIDIA仍有差距
软件生态	软件生态成熟度较CUDA仍有差距
产能瓶颈	中芯国际N+2/N+3产能有限，供不应求
国际竞争	NVIDIA、AMD、Google等国际巨头持续创新

8.3 市场预测（2026-2030）​

年份	中国AI芯片市场规模（亿元）	国产芯片占比	国产芯片市场规模（亿元）	备注
2026	500	35%	175	华为昇腾60%、昆仑芯20%
2027	700	50%	350	960/970发布，技术突破
2028	1,000	65%	650	国产芯片技术接近国际水平
2029	1,500	80%	1,200	国产芯片技术超越国际水平
2030	2,000	90%	1,800	基本实现国产替代

---

九、总结与展望​

9.1 核心结论​

1. 2026年国产AI芯片进入全面爆发期，华为昇腾、百度昆仑芯、阿里平头哥三大巨头相继发布新一代产品
2. 技术突破显著，在算力、内存、能效、系统扩展等方面实现全面突破
3. 供应链安全可控，从晶圆代工到封装测试全部自主可控
4. 生态建设加速，软件生态成熟度接近CUDA的60-70%
5. 市场份额持续提升，2026年国产芯片占中国AI芯片市场35%，预计2030年达90%

9.2 未来展望​

短期（2026-2027）：

• 华为昇腾950PR/950DT大规模部署，960/970路线图清晰
• 百度昆仑芯M100推理专用芯片放量，M300超大规模多模态训练芯片发布
• 阿里平头哥M890性能提升3倍，V900发布
• 国产芯片市场份额提升至50%

中期（2028-2029）：

• 华为昇腾960/970量产，采用5nm工艺，算力达8 PFLOPS FP4
• 百度昆仑芯M300量产，支持万亿参数多模态模型训练
• 阿里平头哥G900发布，成为下一代算力旗舰
• 国产芯片技术接近国际水平，市场份额提升至80%

长期（2030+）：

• 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
• 华为昇腾、百度昆仑芯、阿里平头哥成为全球AI芯片市场TOP 5
• 中国成为全球AI芯片技术创新中心

---

参考资料​

1. 国产AI芯片"三强"并起：国产替代趋势已从政策驱动转向市场驱动 - 搜狐：https://www.sohu.com/a/1028744474_121948416
2. 国产AI芯片2026全景：华为昇腾与寒武纪竞速 - ZPEDU：https://www.zpedu.com/it/ai/36958.html
3. 华为公布昇腾AI芯片三年发展路线图 - 界面新闻：https://www.jiemian.com/article/13367924.html
4. 昇腾950PR芯片 - 百度百科：https://baike.baidu.com/item/%E6%98%87%E8%85%BE950PR%E8%8A%AF%E7%89%87/66772899
5. 昇腾950芯片 - 百度百科：https://baike.baidu.com/item/%E6%98%87%E8%85%BE950%E8%8A%AF%E7%89%87/66775346
6. 昆仑芯P800：新一代AI加速芯片的技术突破与应用展望 - 云TECH：https://www.yunthe.com/news/834284.html
7. 昆仑芯P800最新参数：P800单精度算力达345 TFLOPS - 雪球：https://xueqiu.com/6681253486/348592353

---

本文完

最后更新：2026年6月10日

昆仑芯P800（Kunlun P800）是百度旗下昆仑芯科技推出的第三代AI加速卡，基于自研XPU-P架构，FP16峰值算力345 TFLOPS（超越NVIDIA H20的148 TFLOPS），于2024年3月正式上市，已成为国产AI训练/推理加速卡的重要力量。

本文将从性能数据、架构创新、超节点部署、大模型适配、市场定位五个维度，全面解析这款国产AI芯片的技术突破。

---

一、核心性能数据​

1.1 算力性能​

精度	算力	对比参考
FP16	345 TFLOPS	超越NVIDIA H20（148 TFLOPS）2.3倍
FP32	未公开	估算约170 TFLOPS
INT8	支持8-bit推理	具体TOPS未公开
低功耗模式	128 TFLOPS @ 120W	能效比优化场景
MoE优化	原生支持MoE架构	稀疏模型推理效率提升4.3倍

性能特点：

• 在FP16精度下达到345 TFLOPS，成为国产AI芯片算力新标杆
• 相比NVIDIA H20，算力提升2.3倍（H20仅148 TFLOPS）
• 原生支持MoE架构，稀疏模型推理效率提升4.3倍（需特定优化）

1.2 内存与带宽​

项目	参数
HBM类型	HBM3e（3D堆叠显存）
内存容量	128 GB
内存带宽	1.5 TB/s
ECC保护	支持端到端ECC

内存优势：

• 128GB大容量支持千亿参数模型全流程训练
• 1.5 TB/s带宽为HBM3e方案中的高端配置
• 3D堆叠技术缓解大模型训练显存瓶颈

1.3 功耗与能效​

项目	参数
TDP	400 W
低功耗模式	128 TFLOPS @ 120W
能效比（FP16）	~0.86 TFLOPS/W
对比H100	功耗约为H100的57%（400W vs 700W）

能效特点：

• 在相同算力下，功耗显著低于NVIDIA H100
• 支持动态功耗调整，可根据负载自动切换性能模式
• 适合大规模集群部署，降低数据中心PUE压力

1.4 制程与架构​

项目	参数
制程工艺	7nm
晶体管数量	超500亿个
架构	自研XPU-P架构
芯片形态	OAM模块
虚拟化	硬件级vXPU，单卡可拆分为32个虚拟实例

架构创新：

• 采用异构计算架构，矩阵乘法单元与张量核心解耦
• 支持计算任务与数据搬运并行化，理论算力较上代提升2.3倍
• 硬件级虚拟化，单物理机可划分为多个逻辑卡，提升资源利用率

---

二、三大架构创新​

2.1 异构计算架构优化​

技术创新：

• 矩阵乘法单元与张量核心解耦：实现计算任务与数据搬运并行化
• 动态任务调度：基于负载自动分配计算资源
• 稀疏计算优化：原生支持MoE架构，稀疏模型推理效率提升4.3倍

性能收益：

• 理论算力较上代（昆仑芯2代）提升2.3倍
• 在相同功耗下，训练吞吐量提升1.8倍

2.2 3D堆叠显存技术​

技术创新：

• 搭载HBM3e显存，采用3D堆叠技术
• 单卡显存容量128GB，带宽达1.5 TB/s
• 支持ECC端到端保护，保障数据可靠性

性能收益：

• 缓解大模型训练显存瓶颈
• 支持千亿参数模型全流程训练（无需模型并行拆分）
• 相比GDDR6方案，带宽提升5倍

2.3 自适应互联协议​

技术创新：

• 支持动态调整卡间通信拓扑
• 内置NPU实现零拷贝数据传输，减少CPU干预
• 基于机器学习的拥塞控制算法，较传统ECN机制丢包率降低30%

性能收益：

• 在256节点集群中，通信延迟降低40%
• 卡间互联带宽达1.2 TB/s（天池256节点）
• 支持万卡级集群平滑扩展

---

三、天池超节点部署​

3.1 天池256节点​

系统规格：

项目	配置
单节点P800芯片数量	8片
卡间互联带宽	1.2 TB/s（较上一代提升40%）
最大支持模型参数量	5,000亿
典型功耗	12 kW
互联技术	硬件级RDMA加速 + 动态流量调度

核心技术突破：

1. 互联带宽工程实现：

   • 芯片内置NPU实现零拷贝数据传输，减少CPU干预
   • 动态流量调度：基于链路质量实时监控自动调整路由路径
   • 预测性拥塞控制：基于机器学习的拥塞控制算法

2. 虚拟化资源利用率：

划分方式	实际性能	理论性能	利用率
1卡	100%	100%	100%
2卡	185%	200%	92.5%
4卡	340%	400%	85%

3.2 天池512节点​

系统规格：

项目	配置
单节点P800芯片数量	16片
卡间互联带宽	2.4 TB/s
最大支持模型参数量	1.2万亿
典型功耗	24 kW
训练恢复速度	节点故障后5分钟内恢复训练

核心技术突破：

1. 超大规模训练支持：

   • 混合精度优化：在FP16/BF16基础上引入NF4 4位量化，显存占用降低75%
   • 梯度检查点加速：重构计算图，激活值存储量从O(n)降至O(√n)，训练速度提升1.8倍
   • 故障恢复机制：分布式快照技术，恢复速度较传统checkpoint提升10倍

2. 通信效率优化：

   • 采用3D并行（数据+模型+流水线并行），计算通信比达12:1
   • 在1.75万亿参数MoE模型训练中，通信开销占比低于15%

3.3 天池系列性能对比​

指标	天池256节点	天池512节点	提升幅度
最大模型参数	5,000亿	1.2万亿	2.4倍
卡间互联带宽	1.2 TB/s	2.4 TB/s	2倍
典型功耗	12 kW	24 kW	2倍
训练恢复时间	<5分钟	<5分钟	持平
通信延迟降低	40%	50%	10个百分点

---

四、大模型适配能力​

4.1 DeepSeek系列适配​

适配认证：

• 2025年2月，通过DeepSeek-V3/R1 671B适配认证
• 支持单机8卡运行DeepSeek-V3 671B满血版
• 支持DeepSeek MoE全参训练，仅需32台即可完成

性能数据（DeepSeek-V3 671B）：

指标	P800	NVIDIA H100	比例
推理速度（tokens/s）	12,500	14,200	88%
训练吞吐量（samples/s）	8.5	10.2	83%
首token延迟（ms）	95	85	112%
显存占用（GB）	118	72	164%

结论：

• P800在推理速度上达到H100的88%，差距显著缩小
• 在训练吞吐量上达到H100的83%
• 128GB大内存优势明显，支持更大batch size

4.2 其他大模型适配​

模型	部署方式	备注
文心（ERNIE）系列	百度云原生支持	百度智能云主力部署
LLaMA系列	支持	含MoE蒸馏版本
Qwen系列	支持	阿里云模型适配
ChatGLM系列	支持	智谱AI模型适配
Baichuan系列	支持	百川智能模型适配

CUDA兼容性：

• CUDA上可运行的模型在P800上迁移成本低
• 支持vLLM等开源推理框架
• 需重写约14%的CUDA底层通信代码（稀疏模型推理需特定优化）

4.3 万卡集群验证​

集群规模：

• 已实现全自研三万卡集群部署
• 支持万卡级集群平滑扩展
• 线性扩展效率达85%+（千卡规模）

稳定性数据：

• 连续训练30天无故障
• 节点故障后5分钟内恢复训练
• 集群可用性达99.9%

---

五、性能对比分析​

5.1 与NVIDIA H20对比​

项目	昆仑芯P800	NVIDIA H20	备注
FP16算力	345 TFLOPS	148 TFLOPS	P800领先2.3倍
HBM容量	128 GB	64 GB	P800多100%
HBM带宽	1.5 TB/s	4.0 TB/s	H20带宽优势明显
TDP	400 W	400 W	持平
制程	7nm	4nm（TSMC）	H20制程更先进
软件生态	XPU-P（兼容CUDA）	CUDA	H20生态更成熟
供货情况	中国自主可控	受出口管制	P800无供应链风险

结论：

• 在FP16算力上，P800领先H20达2.3倍
• 在内存容量上，P800领先100%
• 在HBM带宽上，H20领先2.67倍
• 在供应链安全上，P800完胜

5.2 与NVIDIA H100对比​

项目	昆仑芯P800	NVIDIA H100	备注
FP16算力	345 TFLOPS	~1,300 TFLOPS	H100领先3.77倍
HBM容量	128 GB	80 GB	P800多60%
HBM带宽	1.5 TB/s	3.35 TB/s	H100领先2.23倍
TDP	400 W	700 W	P800功耗仅为H100的57%
制程	7nm	4nm（TSMC）	H100制程更先进
DeepSeek推理速度	12,500 tokens/s	14,200 tokens/s	P800达到H100的88%

结论：

• 在纯算力上，H100领先P800达3.77倍
• 在能效比上，P800显著优于H100（0.86 vs 1.86 TFLOPS/W）
• 在实际推理性能上，P800达到H100的88%，差距显著缩小
• 在成本上，P800约为H100的50%

5.3 与Ascend 910C对比​

项目	昆仑芯P800	Ascend 910C	备注
FP16算力	345 TFLOPS	800 TFLOPS	910C领先2.32倍
HBM容量	128 GB	128 GB	持平
HBM带宽	1.5 TB/s	784 GB/s	P800领先91%
TDP	400 W	310 W	910C功耗更低
制程	7nm	7nm（SMIC N+2）	相同
软件生态	XPU-P（兼容CUDA）	CANN（兼容CUDA）	各有优势

结论：

• 在FP16算力上，910C领先P800达2.32倍
• 在HBM带宽上，P800领先910C达91%
• 在软件生态上，两者均兼容CUDA，迁移成本相当
• 在应用场景上，P800更适合推理，910C更适合训练

---

六、市场定位与竞争优势​

6.1 目标市场​

核心市场：

1. 百度智能云：百舸平台核心算力底座
2. 中国电信/移动/联通：AI推理服务器集采中标
3. 大模型创业公司：成本敏感、算力需求大
4. 智算中心：万卡集群已验证

边缘市场：

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

6.2 竞争优势​

优势	说明
算力领先	FP16 345 TFLOPS，超越H20达2.3倍
大内存容量	128GB HBM3e，支持千亿参数模型全流程训练
高能效比	400W TDP实现345 TFLOPS，能效比优于H100
系统级扩展	天池256/512超节点，支持万卡级集群
软件生态	XPU-P兼容CUDA，迁移成本低
成本优势	约为H100的50%，性价比优势明显
供应链安全	中国自主可控，无出口管制风险

6.3 竞争劣势与改进方向​

劣势	改进方向
单芯片算力	下一代M300将采用5nm工艺，目标翻倍
HBM带宽	M300将采用HBM4，带宽提升至3.2 TB/s
软件生态	持续投入XPU-P + 百度飞桨，扩大开发者社区
制程工艺	与中芯国际深度合作，推进N+2（7nm级）工艺量产

---

七、2026年出货计划与市场预测​

7.1 出货计划​

时间	出货量	累计出货	主要客户
2024 Q1-Q4	5万颗	5万颗	百度智能云
2025 Q1-Q4	15万颗	20万颗	中国移动、中国电信
2026 Q1-Q2	10万颗	30万颗	中国联通、科大讯飞
2026 Q3-Q4	10万颗	40万颗	政府项目、大模型创业公司
2027年	50万颗	90万颗	全球市场（东南亚、中东、拉美）

产能瓶颈：

• 受限于晶圆代工产能，目前供不应求
• 2026年计划出货20万颗，实际产能约15万颗
• 昆仑芯科技正与中芯国际、华虹半导体深度合作，提升产能

7.2 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）
• 昆仑芯P800市场份额：约20%（35亿元，约20万颗）

全球AI芯片市场（2026年）：

• 总规模：约2,000亿美元
• 昆仑芯份额：约1%（20亿美元）
• 增长驱动：中国市场国产化 + 一带一路国家出口

---

八、总结与展望​

8.1 核心结论​

1. 昆仑芯P800是国产AI芯片的重要突破，在FP16算力、内存容量、能效比等方面实现全面领先
2. 天池256/512超节点证明国产芯片已具备替代进口芯片的能力
3. DeepSeek-V3 671B适配成功验证P800在大规模模型训练/推理场景的成熟度
4. 2026年出货20万颗，预计占据中国AI芯片市场20%份额

8.2 未来展望​

短期（2026-2027）：

• P800持续放量，出货量突破50万颗
• 天池512节点部署超过100套
• 软件生态（XPU-P + 百度飞桨）成熟度接近CUDA的60%

中期（2028-2029）：

• 下一代M300量产，采用5nm工艺，算力目标700 TFLOPS FP16
• M100（推理专用）成为推理市场主力，市场份额超过15%
• 支持万亿参数模型全流程训练

长期（2030+）：

• 昆仑芯系列成为全球AI芯片市场TOP 5
• 国产AI芯片在全球市场份额超过15%
• 实现从"跟跑"到"并跑"的跨越

---

参考资料​

1. 昆仑芯p800 参数 - CSDN文库：https://wenku.csdn.net/answer/7sq6f9up2z
2. 昆仑芯P800：新一代AI加速芯片的技术突破与应用展望 - 云TECH：https://www.yunthe.com/news/834284.html
3. 昆仑芯P800最新参数：P800单精度算力达345 TFLOPS - 雪球：https://xueqiu.com/6681253486/348592353
4. 首发 | 昆仑芯 | 国产AI卡DeepSeek训练推理全版本适配 - 昆仑芯官网：https://www.kunlunxin.com/news/4477.html
5. 昆仑芯P800详细规格 - MirrorFrog：https://www.mirrorfrog.com/docs/cards/others/kunlun-p800

---

本文完

最后更新：2026年6月10日