国庆期间，华为副董事长、轮值董事长徐直军发表重磅观点：“很难收集英伟达在中国市场份额的数据，但根据我们收集的数据，昇腾已经超越了英伟达。”
曾几何时，国内AI训练芯片市场由英伟达绝对主导，每100块AI加速显卡中约有95块属于英伟达。如今，以华为昇腾为代表的国产芯片正实现指数级替代。这一转变不仅体现在市场份额的反超，更标志着国产芯片在技术层面已翻越英伟达构筑的壁垒。
遭受限制，AI大模型陷入长夜
当前，Kimi、智谱、DeepSeek等国内大模型在国际测评中与GPT、Claude等海外巨头互有胜负。然而回溯五年前，国内大模型厂商正处于至暗时刻。
受限于外部制裁，国内厂商无法获取英伟达高端AI加速芯片，仅能购买特供版H20。《人民邮电报》评测显示，H20性能仅为H100的15%，且价格不菲。对于国产大模型而言，生存尚且艰难，追赶更是无从谈起。
一位芯片行业高管曾坦言：“采购英伟达GPU量最大的公司还没有第二供应商……现阶段不要说超越英伟达，成为二供都很难。”彼时，英伟达在国内缺乏可替代品。
英伟达的垄断优势主要源于两方面：
一是硬件制造工艺。2022年发布的H100采用4nm工艺，集成800亿个晶体管。同期，华为昇腾、壁仞、寒武纪等国产芯片多处于7nm水平，不仅工艺落后，高昂的不良率也推高了成本。当时的国产芯片多为单项性能突出的“偏科生”，而英伟达则是“十项全能”。
二是生态护城河。英伟达CUDA平台历经二十多年积累，汇聚600万开发者，涵盖超400个库、600个AI模型及3700个GPU加速应用，形成了完整的软件栈。让习惯CUDA的百万开发者迁移至陌生平台，难度堪比改变驾驶习惯。
凭借技术与生态的双重壁垒，英伟达占据国内95%的市场份额，掐住了AI大模型产业链的命脉：没有足够的高性能芯片，就无法训练出顶尖的大模型。
技术爆炸，华为昇腾翻越大山
高性能芯片的缺失直接制约了国产AI产业的发展，这不仅是产业竞争，更关乎国家核心竞争力。中国工程院院士郑纬民曾在2023年底指出，应突破软硬件瓶颈，完善国产GPU硬件生态。
面对英伟达在制造工艺和生态上的封锁，华为昇腾选择“掀桌修改游戏规则”，而非单纯跟随。
在硬件层面，提出“韬（τ）定律”。鉴于先进光刻机受限，华为摒弃单纯追求制程微缩的传统摩尔定律，转而通过压缩信号传播延迟来提升性能。数据显示，采用该理念的麒麟2026芯片，工作电压从1.1伏降至0.9伏，功耗下降41%，面积缩小37.5%。华为董事何庭波表示，未来5到10年，“韬定律”将确保持续进步。
在生态层面，兼容与共生并举。华为CANN框架已实现超95%的CUDA代码兼容性，并提供一键迁移工具。同时，华为与DeepSeek等头部AI公司深度合作，让模型反向定义芯片软硬件，从源头构建适配生态。目前，昇腾汇聚400万开发者，独立软件开发商合作伙伴超3000家，CANN外部开发者占比达61%。
通过硬件技术的另辟蹊径与生态融合，华为昇腾成功翻越英伟达设立的壁垒，实现国内市场的反超。
合力托举，华为昇腾成NO.1
市场数据印证了这一趋势。IDC及投行Bernstein预测：2022年英伟达在中国AI芯片市场份额超95%，国产不足5%；2025年英伟达降至55%，国产升至41%；预计2026年，英伟达份额将跌至8%，国产占比超90%，其中华为昇腾市占率达50%。
这一逆袭并非单打独斗，而是中国AI产业链协同作战的结果。
制造端：中芯国际利用DUV多重曝光自研N+系列工艺，为昇腾提供产能支持；华为联合长电科技开发3D混合键合工艺，使昇腾910C实现819GB/s带宽和256 TFLOPS算力。
应用端：多家AI大模型企业主动拥抱昇腾。2024年12月，DeepSeek R1放弃英伟达，选用昇腾A3 SuperPoD；2026年初，智谱基于昇腾Atlas 800T A2和MindSpore框架开源GLM-Image，并推出完全使用昇腾910C训练的GLM-5模型，登顶基准测试榜首；4月，DeepSeek V4全面适配昇腾950系列，并向华为订购16万颗昇腾950DT芯片用于内蒙古数据中心。
彭博行业研究显示，中国企业计划在未来12个月内将46%的AI加速芯片预算投向国产芯片，远高于目前的30%。
华为昇腾从边缘角色成长为国内龙头，既是自身技术突破的成果，也是国内AI产业链合力托举的体现。尽管在全球市场、先进制程及高端人才方面仍有差距，但方向已然清晰。翻越技术封锁的大山，标志着中国AI算力真正走向自主的起点。