95%到8%：华为昇腾如何翻越英伟达这座“大山”？

作者/文森特

编辑/嘉嘉

今年国庆节最让国人解气的新闻莫过于华为副董事长、轮值董事长徐直军的表态：“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。”

要知道，在几年之前，国内AI训练芯片市场，英伟达占据着绝对的统治地位——全国每100块AI加速显卡中，有95块都印着英伟达的标志。但在如今，以华为昇腾为代表的国产AI芯片厂商正在指数级替代英伟达。

说到这里，有人肯定会说，昇腾超过英伟达是因为限制。在全球市场，英伟达依旧是绝对的龙头老大，达到95%的垄断。

但我要说的是，除了数字之外，更重要的是，徐直军的表态不仅在市场份额上，更要追究市场份额反超背后的原因：英伟达限制AI芯片的技术大山已经被昇腾翻越了。

【1】遭受限制，AI大模型陷入长夜

别看现在kimi、智谱、DeepSeek等国内厂商不断推出新产品，在国际AI大模型测评榜单上与GPT、Claude、Gemini、Grok等国外大模型打得有来有回，但要是把时间推到五年前，国内大模型厂商正面临着至暗时刻。

因为众所周知的原因，国内AI厂商根本买不到英伟达高端AI加速芯片，要买可以，只能买特供芯片H20。而《人民邮电报》在做性能对比时发现，H20的性能只有H100的15%，价格还不便宜。

对于国产AI大模型厂商来说，甭说追赶GPT，连能不能生存都成问题。

“采购英伟达GPU量最大的公司还没有第二供应商，不得不承认英伟达的强大，现阶段不要说超越英伟达，成为二供都很难”，一位芯片行业高管向媒体表示，英伟达的AI加速芯片卡在国内没有可替代品。

（来源：互联网）

英伟达芯片的优势垄断源于两点：

一是硬件上的制造工艺，大家都知道，同样一块芯片，工艺精度越高，可容纳的晶体管数量越多，性能越强悍，2022年发布H100时，就已经达到了4nm，集成了800亿个晶体管。

公开资料显示，在同期，华为昇腾、壁仞、寒武纪思元等在芯片工艺上只达到了7nm，不但在工艺上落后一大截，而且居高不下的不良率让成本飙升。

虽然当时有很多国内芯片厂商的芯片在某种任务中达到了英伟达A100的百分之多少，但这只是单项突破。可以说，当时的国产AI加速芯片是强化单项性能的偏科选手，而英伟达则是十项全能。

二是在生态护城河上，在过去二十多年，英伟达CUDA平台汇聚600万名开发者，涵盖超400个库、600个AI模型、3700个GPU加速应用，已经形成完整软件栈。

要让国内数以百万计熟悉CUDA的开发者迁移到另一个完全陌生的平台基本不可能，这就相当于，强制要让习惯左侧方向盘的国人改用右侧方向盘。

也正是靠着这种技术优势和生态护城河，英伟达在国内AI训练芯片上市后，占据了95%的市场份额，不仅压得华为昇腾、寒武纪这些国内芯片厂商喘不过气来，更是一把掐住了AI大模型整个产业链的命脉：

没有足够数量的高性能AI加速芯片，就不可能训练出像GPT那样的AI大模型。

【2】技术爆炸，华为昇腾翻越大山

没有高性能的AI加速芯片的加持，就不可能有AI大模型产业的长足发展，国产AI厂商与OpenAI、Anthropic、Google的差距越来越大，这已经不只是AI产业层面的竞争，更是上升到国家未来核心竞争力的比拼。

“我国人工智能企业正面临‘国外一卡（GPU）难求，国产卡使用意愿低’的现状，应从软硬件两方面突破瓶颈，完善国产GPU硬件生态，优化大模型基础设施”，2023年底，中国工程院院士郑纬民提出了自己的担忧。

如何翻越英伟达在制造工艺和生态护城河两个维度的垄断和封锁呢？在经过尝试突破后，华为昇腾给出了自己的答案——与其在英伟达后面苦苦追赶，不如掀桌修改游戏规则。

在硬件的制造工艺上，如果按照“摩尔定律”来讲，国产AI芯片要想在工艺上突围，必须先解决光刻机的问题，拿不到先进的光刻机，国内AI芯片将在物理层面被锁死。

面对这样的局面，华为昇腾直接掀桌了，扔掉了摩尔定律，推出了自己的“韬（τ）定律”，以前的摩尔定律是摊大饼，光刻越小，安装的晶体管数量越多。

而“韬（τ）定律”则是另辟蹊径，既然都是为了提升计算速度，为什么不能通过压缩信号传播延迟来提升性能？

（来源：华为官网）

这条新路子能有多强？

据华为给出的数据，在没有使用新光刻工艺的情况下，采用“韬（τ）定律”麒麟2026，其工作电压从9030 Pro的1.1伏降至0.9伏，功耗下降41%，芯片面积缩小37.5%，功率密度下降5.6%。

对于这样的性能提升，华为董事、半导体业务部总裁何庭波直接表示：“未来5年到10年，我们有信心在‘韬定律’下稳步前进。这个‘加速度’可以跟另外一条路径相比，不会越来越远，只会越来越好。”

除了解决了硬件工艺造成的性能差距，如何翻过CUDA平台就成为关键。

华为昇腾一方面高度兼容CUDA，据中华网报道，目前CANN框架已实现超过95%的CUDA代码兼容性，并开发出一键迁移工具，另一方面，华为昇腾与DeepSeek等头部AI公司合作，让模型反过来定义芯片的软件和硬件。从源头创造更适配的生态。

通过低成本迁移和主动适应大模型厂商，此前华为计算开源业务总经理李永乐披露称，昇腾已经汇聚400万开发者，独立软件开发商合作伙伴超3000家。CANN外部开发者占比首次超越华为内部，达到61%。

也正是生态上的融合和硬件技术上的另辟蹊径，让华为昇腾翻越了英伟达建立的不可超越的壁垒，实现在国内AI加速芯片市场的反超。

【3】合力托举，华为昇腾成NO.1

在中国AI加速芯片市场上，虽然英伟达在芯片性能和生态壁垒上有着包括华为昇腾在内的国内AI芯片厂商所无法超越的优势，但从市场数据中已经发现了问题。

IDC以及投行Bernstein预测数据显示：

2022年，英伟达在中国AI芯片市场的份额超过95%，华为昇腾等国产厂商只有不足5%；2025年，英伟达市场份额下降到55%，反观国产厂商市占率上升到41%；而在2026年，英伟达市场份额将下降到8%，国产厂商占比超过90%，其中华为昇腾市占率达到50%。

而在国产AI芯片厂商逆袭平替的浪潮中，并非只是某一家厂商的贡献，而是整个中国AI产业链的共同协作的结果。

对于硬件制造上而言，在无法获取光刻机的情况下，中芯国际依靠DUV多重曝光工艺，自研了N+1、N+2、N+3工艺，为华为昇腾提供了5万片晶圆的产能；华为联合长电科技开发了3D混合键合工艺，让昇腾910C已实现819GB/s的带宽和256 TFLOPS（FP16）的算力……

在英伟达占据国内AI芯片话语权，华为昇腾还有待市场检验的时候，国内多家AI大模型企业主动与华为昇腾合作：

2024年12月，梁文锋在DeepSeek R1大模型上，主动放弃英伟达产品，选择了昇腾A3 SuperPoD。此后随着DeepSeek R1的全球爆火，昇腾系列芯片也打响了知名度；

今年1月，智普联合华为开源了GLM-Image，这是首个完全基于昇腾Atlas 800T A2和昇思MindSpore框架完成全流程训练的SOTA多模态模型；2月，智谱推出了完全使用华为昇腾910C芯片训练的7440亿参数GLM-5模型，并在“人类最后的考试”基准测试中登上了榜首；

4月，DeepSeek V4 的推理部署全面适配了昇腾950PR和昇腾950DT，以及昇腾A2、A3等超节点系列产品。在上半年，DeepSeek已向华为订购了16万颗昇腾950DT芯片，用于其位于内蒙古的1GW数据中心，对于这项工作，梁文锋表示“必须成功”。

（来源：互联网）

而彭博行业研究的一项调查显示，中国企业计划在未来12个月内将46%的AI加速芯片预算用于采购国内芯片，远高于目前的30%。

可以说，华为昇腾从AI加速芯片的边缘角色成为如今的国内扛把子，既是华为内部技术团队的研发和突破，也是依靠国内AI大模型产业链的合力托举，才造就了如今昇腾芯片国内50%的市场占有率。

当然，翻越一座山，不等于抵达终点。全球市场上，英伟达依然强大；先进制程、生态成熟度、高端人才，仍有差距要追，但方向已经清晰。

制造技术封锁和生态壁垒的大山，华为昇腾已经开始翻过去，但这不是终点，而是中国AI算力真正走向自主的起点。