华为Ascend 960 AI芯片提前四个季度发布，性能目标翻倍但产能不足仍难以满足国内需求

直面Rubin差距：华为Ascend 960系列提前三个季度发布，国产AI芯片进入硬碰硬阶段在年度Connect大会上，华为发布了新一代AI加速器，承诺其性能远超英伟达目前在中国销售的产品。这对习惯从大家喜爱的AI军火商那里购买劣质武器的中国开发者来说，可能是一大福音。如果这还不够，这款代号为Ascend 960DT的芯片——这里的DT显然代表解码/训练——预计将提前四分之三时间到货，预计于2027年第一季度发布。该加速器拥有高达288GB的华为定制HiZQ内存技术，这是全球高带宽内存的自制替代方案，以及高达4拍FLOPS的性能（FP8的一半），性能和内存容量是公司950系列产品的两倍。 今年早些时候发布。与美国GPU相比，960DT的内存和带宽与去年发布的英伟达B300系列芯片相当，但只有FP8的约一半和FP4的三分之一。虽然对中国芯片设计师来说是一大进步，但距离追赶英伟达的Rubin和AMD最近发布的MI455X仍有很长的路要走，这两者承诺拥有显著更高的计算和带宽。Rubin拥有35至50 petaFLOPS的FP4性能，288GB的HBM4内存和22TB/s带宽，完全是另一个层次。话虽如此，这两款芯片在中国都没有销售，所以中国的模型开发者也没有更好的选择。英伟达在中国销售的最好的GPU提供了几乎相同的密集浮点性能，内存翻倍，内存带宽翻倍，并支持更大规模的扩展领域。放大性能差距可能也没有听起来那么严重。AI模型没有经过训练，大多数情况下不再运行在单一GPU或NPU上。更重要的因素往往是平台的扩展效率。英伟达和AMD的最新系统将72块GPU集成在一个机架级计算平台上，通过光互连扩展到576块，实现网络规模的扩展和扩展。对于即将推出的960系列加速器，华为也采用了类似的路线，利用近封装光学（NPO），将其计算领域扩展到多达4,096颗芯片，能够实现高达16个exaFLOPS的FP4计算能力。华为虽然计算密度有限，但规模性弥补了这一点，这也是我们之前在谷歌TPU芯片中见过的策略。考虑到高速网络是华为的拿手好戏，这并不令人惊讶。我们本周早些时候更详细地探讨了华为的NPO技术，但简而言之，它解决了早期华为设计固有的一个重大扩展挑战和故障点——可插拔式光学器件耗电大、易故障且占用大量空间。华为表示，NPO使其能够将48,000个800 Gbps的光插头整合到5,500台Hi-One NPO单元中，功耗降低了550千瓦，故障率减半。利用这项新技术，它声称现在可以实现99.8%的正常运行率。这对中国模型制造商来说，正面临采用国产替代品替代西方套件的压力，这无疑是个好消息。据报道，DeepSeek在使用华为早期的NPU进行训练时遇到了问题，最终被迫回归英伟达GPU。Ascend 960PR除了华为的高带宽960DT外，公司还在为2027年第三季度准备一款计算优化版本960PR。在许多方面，这款芯片扮演的角色类似于英伟达Rubin CPX加速器在今年早些时候被淘汰前所设计的角色。960PR中的PR显然指的是预填充和推荐器，华为用内存容量和带宽换取低精度计算性能的显著提升。具体来说，PR版本将拥有高达8 petaFLOPS的性能FP4性能，以及我们认为是其定制HiBL内存的192 GB，带宽为2.4 TB/s。据我们了解，该芯片设计用于与华为的DT芯片协同工作，以提升LLM推理性能。推理流水线中计算密集的预填充阶段（用于处理提示）交接给960PR，而耗内存的译码阶段（实际生成输出令牌）则运行在960DT上。这种异构架构已被证明在提升性能方面非常有效，类似于我们今年春天在GTC上讨论过的Nvidia Vera Rubin和Groq LPX配置所采用的布局。主要区别在于华为目前还没有重度解码的SRAM加速器。华为盯上百万NPU集群，AI速度更快在Connect会议上，华为表明其计划将计算集群规模扩大到50万个或更多NPU。作为概念验证，它宣布已成功将基于Ascend 950的TaiShan超级舱扩展到4096个加速器。公司采用两层四平面Clos网络拓扑，预计很快能够支持多达512,000个NPU的集群，并通过转向多轨拓扑，认为百万个NPU的超级集群是有可能实现的。据我们所知，这只是理论配置，尚未在实际应用中验证。华为还预告了其未来两代Ascend加速器，正如你所料，它们承诺稳定的性能提升、更多内存和更快的互联，将所有加速器整合在一起。计划在2028年某个时间内推出的Ascend 970系列产品承诺FP8时可实现3.6 petaFLOPS，FP4时可实现14 petaFLOPS——华为似乎将更多芯片面积用于低精度数据类型，AMD和英伟达最新一代芯片也曾见过类似情况。288GB的内存容量与960系列相比变化不大，但华为表示预计将内存带宽提升至14.4 TB/s，这将极大提升AI推理能力。到2029年，华为预计性能将再次翻倍，FP8 FP8 和 28 ppaFLOPS，同时将内存容量提升至 384 GB，带宽为 38.4 TB/s。话虽如此，三年等待时间很长，我们不会惊讶于在此之前看到华为路线图发生重大变化。

直面Rubin差距：华为Ascend 960系列提前4个季度发布，国产AI芯片进入硬碰硬阶段。

在年度Connect大会上，华为发布了新一代AI加速器，承诺其性能远超英伟达目前在中国销售的产品。这对习惯从大家喜爱的AI军火商那里购买劣质武器的中国开发者来说，可能是一大福音。

如果这还不够，这款代号为Ascend 960DT的芯片——这里的DT显然代表解码/训练——预计将提前四分之三时间到货，预计于2027年第一季度发布。

该加速器拥有高达288GB的华为定制HiZQ内存技术，这是全球高带宽内存的自制替代方案，以及高达4拍FLOPS的性能（FP8的一半），性能和内存容量是公司950系列产品的两倍。 今年早些时候发布。

与美国GPU相比，960DT的内存和带宽与去年发布的英伟达B300系列芯片相当，但只有FP8的约一半和FP4的三分之一。

虽然对中国芯片设计师来说是一大进步，但距离追赶英伟达的Rubin和AMD最近发布的MI455X仍有很长的路要走，这两者承诺拥有显著更高的计算和带宽。Rubin拥有35至50 petaFLOPS的FP4性能，288GB的HBM4内存和22TB/s带宽，完全是另一个层次。

话虽如此，这两款芯片在中国都没有销售，所以中国的模型开发者也没有更好的选择。英伟达在中国销售的最好的GPU提供了几乎相同的密集浮点性能，内存翻倍，内存带宽翻倍，并支持更大规模的扩展领域。

1.性能目标放大

性能差距可能也没有听起来那么严重。AI模型没有经过训练，大多数情况下不再运行在单一GPU或NPU上。更重要的因素往往是平台的扩展效率。

英伟达和AMD的最新系统将72块GPU集成在一个机架级计算平台上，通过光互连扩展到576块，实现网络规模的扩展和扩展。

对于即将推出的960系列加速器，华为也采用了类似的路线，利用近封装光学（NPO），将其计算领域扩展到多达4,096颗芯片，能够实现高达16个exaFLOPS的FP4计算能力。

华为虽然计算密度有限，但规模性弥补了这一点，这也是我们之前在谷歌TPU芯片中见过的策略。考虑到高速网络是华为的拿手好戏，这并不令人惊讶。

我们本周早些时候更详细地探讨了华为的NPO技术，但简而言之，它解决了早期华为设计固有的一个重大扩展挑战和故障点——可插拔式光学器件耗电大、易故障且占用大量空间。

华为表示，NPO使其能够将48,000个800 Gbps的光插头整合到5,500台Hi-One NPO单元中，功耗降低了550千瓦，故障率减半。利用这项新技术，它声称现在可以实现99.8%的正常运行率。

这对中国模型制造商来说，正面临采用国产替代品替代西方套件的压力，这无疑是个好消息。据报道，DeepSeek在使用华为早期的NPU进行训练时遇到了问题，最终被迫回归英伟达GPU。

2.下一代AI芯片：Ascend 960PR

除了华为的高带宽960DT外，公司还在为2027年第三季度准备一款计算优化版本960PR。

在许多方面，这款芯片扮演的角色类似于英伟达Rubin CPX加速器在今年早些时候被淘汰前所设计的角色。

960PR中的PR显然指的是预填充和推荐器，华为用内存容量和带宽换取低精度计算性能的显著提升。具体来说，PR版本将拥有高达8 petaFLOPS的性能FP4性能，以及我们认为是其定制HiBL内存的192 GB，带宽为2.4 TB/s。

据我们了解，该芯片设计用于与华为的DT芯片协同工作，以提升LLM推理性能。推理流水线中计算密集的预填充阶段（用于处理提示）交接给960PR，而耗内存的译码阶段（实际生成输出令牌）则运行在960DT上。

这种异构架构已被证明在提升性能方面非常有效，类似于我们今年春天在GTC上讨论过的Nvidia Vera Rubin和Groq LPX配置所采用的布局。主要区别在于华为目前还没有重度解码的SRAM加速器。

3.华为盯上百万NPU集群，AI速度更快

在Connect会议上，华为表明其计划将计算集群规模扩大到50万个或更多NPU。

作为概念验证，它宣布已成功将基于Ascend 950的TaiShan超级舱扩展到4096个加速器。公司采用两层四平面Clos网络拓扑，预计很快能够支持多达512,000个NPU的集群，并通过转向多轨拓扑，认为百万个NPU的超级集群是有可能实现的。

据我们所知，这只是理论配置，尚未在实际应用中验证。

华为还预告了其未来两代Ascend加速器，正如你所料，它们承诺稳定的性能提升、更多内存和更快的互联，将所有加速器整合在一起。

计划在2028年某个时间内推出的Ascend 970系列产品承诺FP8时可实现3.6 petaFLOPS，FP4时可实现14 petaFLOPS——华为似乎将更多芯片面积用于低精度数据类型，AMD和英伟达最新一代芯片也曾见过类似情况。

288GB的内存容量与960系列相比变化不大，但华为表示预计将内存带宽提升至14.4 TB/s，这将极大提升AI推理能力。

到2029年，华为预计性能将再次翻倍，FP8 FP8 和 28 ppaFLOPS，同时将内存容量提升至 384 GB，带宽为 38.4 TB/s。话虽如此，三年等待时间很长，我们不会惊讶于在此之前看到华为路线图发生重大变化。