当昇腾跨过生态拐点后

1

昇腾可以开中场香槟了

9月19日，华为计算战略与业务发展部高管朱照生在一个场合说了一句话：昇腾已经跨越了生态的拐点，完全有能力、有机会在Agentic时代构建AI新生态。

真的，这句话的分量很重。

过去几年，外界讨论昇腾，绕来绕去总绕不开一个心结——芯片造出来，软件能不能跟上？CUDA生态用了十几年才长成今天的样子，你华为靠什么绕过这道坎？

而华为这次给出的几个数字，算是对这个难题的阶段性回应：

CANN开源社区月均活跃用户超过5200人，今年6月起成为国内活跃度最高的开源社区；

社区里非华为开发者的数量已经超过华为自己的开发者，日均新增合入代码超过3万行；

基于昇腾完成预训练的大语言模型和多模态模型超过40个，昇腾成为国内唯一支持预训练的AI算力平台；

框架层面，PyTorch等主流开源框架已经接入。

把这些数字放在一起看，生态拐点这个说法不是空话。它意味着昇腾的软件栈不再只是华为自己在推，外面的开发者开始自发往里贡献代码，模型公司愿意在它上面做预训练，而不只是跑跑推理。这件事本身值得肯定。

但跨过生态拐点，不等于所有问题都解决了。恰恰相反，生态问题一旦松动，另一个被长期压在下面的矛盾就浮上了台面——产能。

2

梁文锋早就把话说透了

如果要找一个对昇腾生态和产能都有深刻体感的人，DeepSeek创始人梁文锋是不二人选。今年7月，他在投资者交流会上有一段表述，后来被广泛引用，原话大意是：

国产AI芯片的硬件和生态都已没有根本性障碍，瓶颈是产能。

这句话的前半句，和华为9月19日的表态其实是一个意思——生态这道坎正在迈过去。但后半句才是真正刺痛产业的部分。

梁文锋当时还透露了一个具体数字：华为目前给DeepSeek的产能大约是1.6万张卡，而互联网大厂拿到的是十几万张。这个分配比例说明什么？说明在华为自己的产能盘子里，DeepSeek这样被视为国产算力标杆用户的公司，拿到的也只是个零头。不是华为不愿意给，是产能就那么多。按市场化的分配，DeepSeek就只能分到这么多。

而市场化，就是产业发展的驱动。

梁文峰当时给出了一个性能判断：4张昇腾950大约顶1张英伟达GB300，任务、延时、性能都能对上，价格贵一倍以内可以接受。据他后来的说法，DeepSeek愿意花两倍的价格买国产超节点，不重要。

愿意花两倍的钱、拿四倍的卡，这在任何行业都是一种稀缺的信号。一个下游公司不是在讨价还价，而是在表态：只要你能供货，我不挑价格。

梁文锋对这个瓶颈的时间表也给了判断：今年、明年、后年都会卡，但五年后应该能解决。五年，这是他作为一个懂国产算力体感的创业者，给出的现实预期。

3

产能为什么是硬约束

大家都知道，昇腾的芯片设计，华为自己能做。

CANN这套软件栈，团队在往前推。但芯片要变成一张一张卡交到客户手里，中间隔着一整条制造链路，而这条链路里有好几个环节不是华为能单方面决定的。

核心的是制程。昇腾950这一代芯片，靠的是国内最先进的量产工艺节点。据公开报道，上海微电子的深紫外光刻机2026年才稳定支撑28nm量产，正在向14nm和7nm工艺验证过渡。这意味着国内最先进的晶圆制造能力，本身就在爬坡过程中，良率、产能、设备维护，每一个变量都直接限制昇腾能出货多少。

除了晶圆本身，还有HBM高带宽内存。AI芯片对HBM的依赖度过高，这东西过去被美光、海力士、三星三家垄断。国产替代这边，长鑫存储的HBM2e刚进入小规模量产，HBM3要到年内才大规模量产。HBM不上量，光有晶圆也装不出完整的加速卡。

所以产能瓶颈不是一句华为加油就能解决的。它背后是光刻机、晶圆厂、先进封装、HBM、液冷服务器整条链的协同爬坡。任何一个环节掉链子，昇腾的出货量就上不去。

4

一家昇腾，撑不起整个行业的算力缺口

就算把昇腾的产能问题放在一边，它能解决的也只是国产算力从无到有这一段。整个我国AI行业对算力的需求，远超任何单一一家芯片公司的供给能力。

几组数据可以感受一下量级。信通院的数据显示，2026年一季度，国内AI算力需求同比增长417%，而有效供给增速只有128%，需求增速差不多是供给的三倍。从全球看，高端GPU供给增速大概在15%到20%，需求增速在45%到60%，长期存在大约三倍的缺口。

落到具体数字上，据行业调研，2026年国产AI芯片需求规模约400万颗，实际交付约300万颗，百万级的产能缺口是摆在台面上的。证券时报报道，部分高端算力企业的订单已经排到了三年以后。

这种缺口不是靠某一家芯片公司放量就能填上的。更现实的图景是：昇腾在顶梁柱的位置上尽量多出货，海光、壁仞、摩尔线程、天数智芯、昆仑芯这些玩家各自在不同工艺、不同场景里补位，再加上推理侧对算力效率的优化，几家加在一起才能勉强把供需缺口往回收一收。

但现实比这个图景还要紧迫。

今年7月，月之暗面因为Kimi K3上线后算力告急，暂停了C端订阅。一个用户量不小的AI应用，因为底层算力不够用，只能主动收缩服务。这不是哪一家公司的问题，是整个行业在AI应用爆发期普遍面对的供给瓶颈。

梁文锋自己的算法其实已经在帮着缓解这个问题。DeepSeek靠稀疏激活架构，用512到1K Token的短窗口做精准Attention，把训练和推理对算力的需求往下压了一大截。华为半导体首席科学家廖恒后来公开点评梁文锋，说他在所有人都盲从Scaling Law、无脑堆参数的时候，主动选了一条效率路线。

但算法效率再高，也只是把需要多少卡这个数字往下拉一拉，不能把它变成零。DeepSeek已经用两万张H等效算力做到了行业前沿水平，梁文锋自己说这相当于美国同行约二十分之一的算力，落后一到两年。

换句话说，效率路线能缩小差距，但不能替代物理层面的供给。

5

拐点之后，真正的考题是什么

把上面这些放在一起，昇腾跨过生态拐点这件事，应该怎么看？

它当然是一个值得称赞的进展。从CANN社区非华为开发者超过华为开发者、日均合入代码3万行、40多个模型在昇腾上完成预训练这些指标看，过去那种国产芯片只能跑推理、不敢碰训练的局面正在改变。

PyTorch接入、超节点部署超过1000套、下一代昇腾960比原计划提前一个季度就绪，这些都是实打实的工程进展。华为敢说国内唯一支持预训练的AI算力平台，说明在训练这个在高门槛的场景里，昇腾确实站到了国产阵营的前面。

但把话说回来，跨过生态拐点解决的是能不能用的问题，不是够不够用的问题。

这两个问题在产业里是两码事。能不能用，靠软件栈、靠框架适配、靠开发者社区，是工程问题，靠人和时间能磨出来。够不够用，靠晶圆厂产能、靠光刻机、靠HBM、靠先进封装，是制造问题，受设备和物理规律约束，不是加加班就能跳过去的。

更别说在能不能用和够不够用之间，还夹着一个用得好不好的问题——也就是算力效率。梁文锋选的稀疏激活路线、TileLang这类把CUDA壁垒进一步磨平的工具链，本质上是在同等硬件供给下，尽量把每一张卡的利用率榨出来。这部分做得越好，行业对硬件产能的压力就越小。但它依然只是缓冲，不是替代。

所以当昇腾跨过生态拐点后，接下来几年真正的考题，答题者已经不是昇腾了，而是那些站在上游的AI企业们，该如何面对并且解决算力的缺口。