GPU 三十年演进史：从图形加速器到 AI 算力引擎（三）- 大数跨境

首页

GPU 三十年演进史：从图形加速器到 AI 算力引擎（三）

联通上海产业互联网公司

2026-10-19

GPU 三十年演进史：从图形加速器到 AI 算力引擎（三）

上一篇看完 NVIDIA 的三板斧，这一篇回头看国内，讲讲国产芯片怎么换个打法：制程被卡住之后，单颗芯片追不上，国产算力就不再死磕单颗——把成百上千颗芯片连成“一台计算机”，用规模换性能。

一、国产 GPU 的崛起（2023-2026）

2023 年之前，国产 GPU 的短处很直白：单卡性能就是追不上。2023 年之后，比法先变了。单颗追不上，就把成百上千颗芯片连起来当成一台机器用，拿规模换性能。一颗芯片从图纸变成客户手上的算力，要过六道工序：设计指令集、造芯片、做卡间互联、组整机柜、写软件工具包、适配深度学习框架——前四道把硬件做出来，后两道把软件配齐。每一道都得做选择：自己造，还是用别人现成的？各家走的路不一样，差别全在这六个选择上。

读法：六列从左到右，前四道把硬件做出来（指令集、芯片、互联、整机柜），后两道把软件配齐（工具包、框架）；红＝自己造，黄＝借现成或主动兼容。三行谁也不缺哪一件，差的是自己造的范围画到多大

1、华为昇腾

先看华为，走的全栈自研路线：芯片是达芬奇架构（华为自研的 AI 计算核心设计），互联是灵衢总线（自研的卡间高速通道），整机柜是 CloudMatrix 超节点，软件是 CANN 和 MindSpore（自研工具包和框架，分别对标 NVIDIA 的 CUDA 和主流深度学习框架）。全自己造的好处很实在：哪一层拖了后腿，就在哪一层下功夫，不用等别人；代价也明摆着，每一层都得自己养。

迭代节奏上，昇腾从 2025 年起坚持一年一代、算力翻倍，而且从 950 这一代起，一年出两版：DT 版主攻训练与解码，PR 版主攻预填充与推荐类推理，同一代芯片按训练、推理两种活儿分工。

读法：从左到右一年一代，每代算力翻倍；同一代的 DT、PR 两格不是两代，是同一代芯片的训练版和推理版；后面 970、980 已排到 2029 年

2026 年 9 月 17 日华为全联接大会带来 960 的最新消息：研发进度比计划还快——960DT 提前三个季度，2027 年一季度就绪；960PR 提前一个季度，2027 年三季度就绪，FP4 算力比原计划翻倍。

图源：华为全联接大会 2026 主题演讲（华为官方）

从 910B 到 960，把历代型号摆成一张表，看算力和显存怎么拉开。FP8、FP4 就是上一篇讲的“精度”——位数越少算得越快；1 PFLOPS 就是每秒一千万亿次运算：

路线图看着提气，但有一道坎始终绕不过去：制程。最先进的制造工艺拿不到，单卡性能就一直跟在海外后面追。华为的解法是分层往上找空间——晶体管这一层被锁死，就在它上面的每一层想办法。2026 年 5 月，华为何庭波在国际学术会议上给这条路起了个名字：韬（τ）定律——晶体管做不小，就缩短信号在线路里跑的路程，从器件、电路、芯片到系统，一层一层压时延。

四层各自怎么干，看上图就够了，这里只说结果：反超发生在最顶上的系统层。刚发布的 4096 卡 960 超节点还在路上，眼下把反超做实的是现役的 CloudMatrix 384：把 384 颗昇腾 910C 织成“一台计算机”，算力约为 NVIDIA 同级整柜的 1.7 倍，代价是功耗 4 倍。性能买回来了，电费也花出去了——制程被卡住时拿规模换性能，账就是这么算的。

CloudMatrix 384 超节点：384 颗昇腾 NPU 通过 UB 统一总线全对等互联，像一台计算机一样工作

最后看生态——国产芯片最短的那块板。有两件事值得知道：一是 DeepSeek 新模型发布当天即完成昇腾适配（行话叫 0-day 适配，翻译过来是“发布即能用，不用等”）；二是华为与硅基流动的联合论文显示，CloudMatrix 384 运行 DeepSeek-R1 的推理计算效率已经赶超 H800 方案。2026 年昇腾还推出 CANN Next：开发者可以沿用 CUDA 的编程习惯写昇腾代码——迁移成本这块最硬的骨头，也开始松动了。

2、寒武纪、海光与其他国产算力

寒武纪的技术出身就是中科院计算所的 DianNao 系列论文，指令从头到尾围着神经网络算子设计，通用性牺牲得更彻底，能效榨得更狠。整机柜这块也没落下：256 卡高密度超节点方案已在多地商业智算中心落地，更大规模的机柜级方案还在推进。

海光作为“兼容 CUDA”的国产算卡代表，基于 AMD 的 ROCm编译算子，语法跟 CUDA 几乎一样，用惯 NVIDIA 的开发者换过来，多数程序改几个词就能跑，迁移成本相对最低。整机柜这块它拉上了同门的曙光：ScaleX640 超节点把 640 张卡装进一个机柜，靠自研 HSL 总线拉低卡间延迟。

其他玩家里，平头哥 2026 年 5 月发布新一代自研 AI 芯片“真武 M890”，性能是上一代的 3 倍，配上自研互联芯片，单机柜 128 张卡组成超节点，已经上线阿里云，支撑千问大模型的训练与推理。

创业公司这边，各家路数也不同：沐曦主打通用 GPU 训推一体；燧原专做云端 AI 芯片，训推一体；壁仞走全栈自研通用 GPU 路线，用 Chiplet（小芯片拼装）做大芯片；天数智芯是国内头一批训练、推理两类芯片都量产的。2025 年底到 2026 年初，这批公司密集登陆资本市场，国产 GPU 的第一梯队基本成型。各家的情况，一张表看全貌：

考卷之外，还有几样东西值得单独拎出来——国产真正立住的五个突破点：

单卡那一格的账还没追平，但系统、互联、显存、方法论、生态五个方向，国产各立起了一个山头。以前是追赶者在后面追领跑者，现在是两套打法各跑各的道。

二、摩尔定律在 GPU 领域的最新表现

国产在换打法，海外的打法也没停。摩尔定律是芯片行业的老话：晶体管密度每 18 个月翻一倍，性能随之翻倍。它在 CPU 领域已经明显放缓——Intel 从 14nm 走到 10nm 用了约 5 年；但在 GPU 领域，被 AI 需求踩了油门，反而加速了：

读法：看三条线的距离——实线（算力）把灰色参考线（摩尔定律）远远甩开，黄线（显存带宽）却几乎贴着参考线爬，算力和带宽的剪刀差越拉越大；多出来的倍数不是晶体管挣来的，是专用电路、精度下探和系统级设计挣来的

八年下来，晶体管翻了 25 倍；算力这条线更陡——从 2016 年的 P100 数到 Rubin，单卡算力十年涨了约 190 倍。多出来的不是晶体管挣来的，是上一篇讲的“三板斧”挣的：Tensor Core 专用电路、HBM 显存升级、NVLink 整柜互联，再加上 FP4 这样的精度下探。

黄仁勋给这个节奏起了名字——“超级摩尔定律”：AI 计算性能每年翻一番甚至三倍，NVIDIA 的“一年一代”（Blackwell → Rubin → Feynman）就是代表作。当然也有冷静的声音：有海外分析机构认为，台积电先进制程和封装的产能瓶颈，可能让这个节奏在 2027 年后慢下来。

把海外和华为放到一起看，两边其实在回答同一道题：当“把晶体管做得更小”这条路变窄，性能从哪里来？海外的答案是超级摩尔定律——一年一代，靠专用电路、显存、互联和精度一起往上堆；华为的答案是韬定律——换一把尺子，以“时间缩微”替代“几何缩微”，从器件、电路到系统一层一层压信号时延。两条路殊途同归：性能不再只从“把晶体管做得更小”里来。