Cambricon 寒武纪 MLU 690 (2025-2026 推测)
:::warning 推测内容
本页规格基于寒武纪 2024 公开声明 + 陈天石 2025-Q1 路线图 + 行业分析师推测。寒武纪官方尚未发布 MLU 690 完整规格，正式数据以 2025 H2 / 2026 H1 实际发布为准。
:::
产品概述
Cambricon 寒武纪 MLU 690 是寒武纪第七代 AI 训练/推理芯片，预计 2025 H2 至 2026 H1 发布（思元 690）。基于 5nm 工艺（台积电或 SMIC 国产化），2 PFLOPS FP8 dense 算力（MLU 590 的 2×），192GB HBM3E 内存，5 TB/s 带宽。配套 MindSpore 2.0 + 寒武纪 NeuWare 2.0 软件栈。
战略意义：在 NVIDIA B200 / AMD MI355X / 华为 Ascend 920 竞争下，MLU 690 是寒武纪重回国产 AI 龙头的关键产品。2025 寒武纪营收 ¥7.2B，MLU 690 目标 ¥15-20B（2026）。
核心规格（推测）
| 项目 | 参数 |
|---|
| 架构 | Cambricon MLUv07（第七代） |
| 制程 | TSMC 5nm / SMIC 5nm 国产化（推测） |
| 小芯片数 | 2× chiplet |
| HBM | 192GB HBM3E |
| 内存带宽 | 5 TB/s |
| FP8 dense | 2 PFLOPS |
| FP16 / BF16 dense | 1 PFLOPS |
| INT8 | 4 POPS |
| TDP | ~500W |
| 板卡形态 | OAM / PCIe Gen5 ×16 |
| 互联 | MLU-Link 1.2 TB/s（类 NVLink 5） |
| 量产 | 2025 H2 - 2026 H1 |
| 单价（OAM） | ~$8,000-12,000（推测） |
与 MLU 590 对比
| 指标 | MLU 690 (推测) | MLU 590 | 提升 |
|---|
| 制程 | 5nm | 7nm | 新代 |
| HBM | 192GB HBM3E | 96GB HBM2 | 2× |
| 带宽 | 5 TB/s | 600 GB/s | 8× |
| FP8 dense | 2 PF | N/A (FP16 125 TF) | 新增 |
| FP16 / BF16 | 1 PF | 125 TF | 8× |
| INT8 | 4 POPS | 256 TOPS | 15× |
| 互联 | MLU-Link 1.2 TB/s | MLU-Link 600 GB/s | 2× |
| TDP | 500W | 250W | 2× |
| 价格（推测） | ~$10K | ~$5K | 2× |
| 软件 | NeuWare 2.0 + MindSpore 2.0 | NeuWare 1.0 | 新代 |
与 NVIDIA B200 对比
| 指标 | 寒武纪 MLU 690 (推测) | NVIDIA B200 | 差异 |
|---|
| 制程 | 5nm | TSMC 4N | 相当 |
| 内存 | 192GB HBM3E | 192GB HBM3E | 同 |
| 带宽 | 5 TB/s | 8 TB/s | B200 +60% |
| FP8 dense | 2 PF | 4.5 PF sparse | B200 2.25× |
| BF16 dense | 1 PF | 2.25 PF sparse | B200 2.25× |
| FP4 | N/A | 9 PF sparse | B200 独有 |
| 互联 | MLU-Link 1.2 TB/s | NVLink 5 1.8 TB/s | B200 1.5× |
| TDP | 500W | 1000W | MLU 690 -50% |
| 软件 | NeuWare + MindSpore | CUDA | B200 优势 |
| 价格（推测） | ~$10K | ~$30-40K | MLU 690 -75% |
MLU 690 优势：TDP 仅 500W（B200 50%） + 价格 25%，FP8 与 HBM3E 与 B200 同代，是 B200 出口管制下中国最优替代。
寒武纪产品线
| 产品 | 发布 | 制程 | 内存 | FP16 dense | 状态 |
|---|
| MLU 100 | 2018 | 16nm | 8GB | 16 TF | EOL |
| MLU 270 | 2019 | 16nm | 16GB | 128 TF | EOL |
| MLU 290 | 2020 | 7nm | 32GB | 256 TF | EOL |
| MLU 370 | 2021 | 7nm | 48GB HBM2 | 96 TF | 量产 |
| MLU 590 | 2023-Q4 | 7nm | 96GB HBM2 | 125 TF | 当前旗舰 |
| MLU 690 | 2025 H2 - 2026 H1 | 5nm | 192GB HBM3E | 1 PF (FP8 2 PF) | 路线图 |
| MLU 790 (推测) | 2027 | 3nm | 384GB HBM4 | 2.5 PF | 长期 |
NeuWare 2.0 + MindSpore 2.0 软件栈
| 层级 | 工具 | 说明 |
|---|
| AI 框架 | MindSpore 2.0 | 华为/信通院主导，PyTorch 兼容 |
| PyTorch (NeuWare 后端) | MLU 设备映射 |
| TensorFlow (NeuWare 后端) | 兼容 |
| 编译器 | BANG C/C++ | 寒武纪私有语言 |
| NeuWare Graph Compiler | 图编译优化（MLU 690 新增） |
| 算子库 | CNML 2.0 | 类 CUDA cuDNN，算子覆盖率 80% (vs MLU 590 70%) |
| 量化 | NeuQuant 2.0 | INT8/FP8 自动 |
| 模型库 | ModelZoo (1000+ 模型) | CV/NLP/多模态 |
| 集群 | NeuWare Cluster | 1024 节点 = 8K 卡 MLU 690 |
MLU 690 软件提升：相比 MLU 590 算子覆盖率从 70% → 80%，FP8 支持，PyTorch 兼容性提升，深度学习模型迁移成本降低。
厂商信息
| 项目 | 内容 |
|---|
| 公司 | 寒武纪科技（Cambricon Technologies） |
| 创始人 | 陈天石、陈云霁兄弟（中科院计算所） |
| 成立 | 2016-03 |
| IPO | 2020-07-20 科创板（688256） |
| 市值（2026 推测） | ~¥500B（+50% YoY） |
| 2025 营收 | ~¥7.2B（+340% YoY） |
| 2026 营收目标 | ~¥15-20B（MLU 690 贡献 50%） |
| 总部 | 北京市海淀区 |
| 官网 | https://www.cambricon.com |
| 主要客户 | 中国移动、浪潮、曙光、字节跳动、智谱 AI、阿里通义、百度文心 |
| 国家政策 | "东数西算"工程推荐芯片 |
寒武纪 vs 华为昇腾 vs 摩尔线程
| 维度 | 寒武纪 MLU 690 (推测) | 华为昇腾 920 | 摩尔线程 MTT S5000 |
|---|
| 算力 | 2 PF FP8 | 900 BF16 TF | 50 BF16 TF |
| 内存 | 192GB HBM3E | 96GB HBM2E | 48GB GDDR6 |
| FP8 | 是 | 否 | 否 |
| 生态 | MindSpore 2.0 | MindSpore + CANN | MUSA |
| 市场 | 通用 + 智算中心 | 数据中心 + 政企云 | 通用 + 图形 |
| 2025 营收 | ¥7.2B | 包含在华为云内 | ¥2.2B |
| 国产化 | HBM 三星 + 国产 CPU/封装 | 国产（部分） | 国产化 60% |
MLU 690 优势：唯一国产支持 FP8 + HBM3E 与 B200 同代 + 寒武纪科创板上市公司（融资能力强）。
关键特性
- FP8 2 PF：首次国产支持 FP8，追上 NVIDIA Blackwell
- HBM3E 192GB：与 B200 容量相同
- 5nm 国产化：可能采用 SMIC 5nm（国产里程碑）
- MLU-Link 1.2 TB/s：对标 NVLink 5
- NeuWare 2.0：算子覆盖 80%，PyTorch 兼容更好
- 价格优势：~25% B200 价格
适用场景
- ✅ 国产 AI 训练（B200 出口管制替代）
- ✅ LLM 训练（HBM3E 192GB + FP8）
- ✅ FP8 模型训练（MLU 690 独有国产能力）
- ✅ 政府/国企 AI 项目（科创板上市公司）
- ✅ 智算中心（"东数西算"枢纽）
- ✅ 互联网公司（字节、智谱、阿里）
- ❌ 国际市场（无 CUDA 兼容）
- ❌ FP4 模型训练（仅 FP8）
- ❌ CUDA 专有工作负载
关键风险
- 5nm 国产化进度：SMIC 5nm 良率未验证，可能依赖台积电
- HBM3E 供应：HBM3E 来自 SK Hynix（韩国）/ Samsung，可能被美国制裁
- 软件迁移成本：PyTorch 模型迁移需手工优化（虽 80% 覆盖率，仍 20% 需定制）
- NVIDIA 反制：NVIDIA 推出 H20 改良版（已 H20 → H30 → 持续）
相关卡