从昇腾950看国产算力突围：换道技术能否打破封锁困局？

昇腾950分为PR、DT两个版本，二者算力裸片一致，定位却泾渭分明，本质是应对HBM短缺做出的产品拆分。

● 950 PR（已量产）

主攻Prefill推理场景，128GB内存，带宽1.6TB/s。选用非HBM类方案，优先保障出货规模；Prefill任务对带宽敏感度较低，可以适配替代内存。

● 950 DT（四季度待量产）

144GB内存、带宽4TB/s，面向高带宽需求的训练、Decode推理，稀缺的HBM资源会优先供给该版本。

纸面FP4算力对比，950 DT对比英伟达B300具备账面优势，但纸面规格≠落地性能。受软件利用率影响，真实业务场景的差距往往会进一步放大。

为适配中芯现有工艺、拉高良率，950裸片面积相比上一代910C大幅缩小。过去910C的产能很大程度仰仗海外裸片与HBM库存，而这批储备预计2026年基本耗尽，后续产能将完全依托国内供应链。

950是一套务实的解决方案，硬件有突破，但上限从诞生起就被供应链锁死。

单芯片性能暂时存在代差，国内选择的解法：靠超大集群聚合算力，用规模弥补单芯短板。

华为已经落地384颗芯片互联的CloudMatrix 384，今年还将推出8192颗芯片规模的SuperPoD超大规模集群。

英伟达的思路截然相反：把高带宽通信约束在小规模机柜域内部，密集型计算尽量在机柜内消化，再向外扩展。

超大集群可以堆出极高的聚合算力与总内存，但随之而来会出现芯片间带宽不均衡的难题：近处芯片通信快，远端芯片通信效率暴跌。 集群硬件规格再震撼，最终价值取决于软件调度能力。 如果无法把高通信开销任务约束在局部，硬件规模就无法转化为可用算力。系统工程可以缩小体验差距，但无法抹平底层硬件短板。

硬件可以依靠资金、工程实现快速迭代，但AI软件栈，是需要时间沉淀的护城河。

华为CANN经过多年迭代，已经可以支撑大量国内行业落地，但对比CUDA成熟的算子库、调优工具、海量项目案例，仍存在明显代差。行业已有真实案例：头部大模型企业开展训练，即便原厂深度介入调优，依旧难以完整跑完训练全流程。

客观来看，国内算力管制倒逼大量实验室转向国产芯片，理论上能够给CANN积累业务反馈，形成迭代飞轮。但这个飞轮尚处在起步阶段，在采购不受限的条件下，多数研发团队依旧优先选用英伟达生态。

生态追赶没有捷径，它需要全行业开发者、项目案例长期共同浇灌。

很多讨论聚焦芯片制程，然而HBM高带宽内存才是近2‑3年国产算力最致命的瓶颈。

管制落地前国内企业囤积的海外HBM库存，预计2026年消耗完毕。长鑫等国产HBM产线刚刚爬坡，距离大规模高良率量产还有很长周期。

● 仅依靠国产HBM供给，国产AI算力当量规模会被严重限制；即便计入非正规渠道补充的内存，也只能小幅抬升产出，依旧和英伟达存在数量级差距，同时背负巨额成本风险。

● 非HBM方案可以拉高出货量，但会牺牲带宽，适用场景大幅收窄，不会作为长期主线。

更现实的竞争：不止华为，寒武纪等所有国产AI芯片设计厂商，都要争抢有限的国产HBM产能，未来内存资源竞争只会越来越激烈。

先进光刻机受限，国内制程被束缚在5‑7nm区间，和海外顶尖工艺存在晶体管密度差距。

按照路线图，昇腾从950迭代至970计划实现4倍性能提升，但国内制程迭代仅能贡献约20%的密度增长，绝大部分性能提升需要依靠多芯片封装、更大裸片实现。封装可以弥补性能，但会同步抬升良率风险与硬件成本。

华为押注LogicFolding逻辑堆叠技术：在现有工艺之上，通过芯片垂直堆叠，等效逼近先进制程密度。该技术会先在面积小、功耗可控的手机麒麟芯片打磨良率，预计2030年才落地昇腾AI大芯片。而大尺寸AI芯片堆叠，散热、供电、缺陷控制难度会指数级上升。

另一边，英伟达的垂直堆叠路线时间表更为靠前。堆叠是极具潜力的换道技术，但并非即刻扭转格局的“黑科技”。

站在2026年，从算力当量、单芯片性能维度对比，我们和全球顶尖巨头仍有显著差距。即便采用最乐观的产能、技术假设推演，到2030年依旧存在不小鸿沟。

但差距不等于全盘否定：

✅ 国内已经跑通芯片‑封装‑集群‑软件完整本土产业链，完成从0到1。

✅ 在政务、垂直行业推理场景，国产芯片已经实现大规模商用落地。

✅ Chiplet、逻辑堆叠等换道技术持续探索，试图绕开先进设备封锁。

算力竞赛不是单点芯片PK，而是设备、存储、软件、开发者生态的全链条较量。当对手同样在高速迭代，追赶的难度会进一步加大。