中国芯，杀破英伟达！

中国本土芯，成了大头；非GPU芯片，第一次压过了GPU。

文 | 华商韬略 华新

9月17日开幕的华为全联接大会期间，华为轮值董事长徐直军面对媒体颇为自豪：从华为能够统计到的数据看，昇腾在中国市场应该已经超过了英伟达。

几乎同一时间，IDC交出了2026年上半年中国数据中心AI加速器的成绩单：英伟达在华出货约67.8万颗，同比下降44%，份额从2025年全年的约55%降至34%；华为出货57.2万颗，上年同期还只有30多万颗，份额升至28%；加上寒武纪、阿里平头哥，本土芯已经成了大头。

更大的变化藏在另一组数字里：上半年中国AI加速器总出货约200.8万颗，其中GPU同比下降26%，只剩99.1万颗；非GPU加速器同比大增约80%，达到101.6万颗。非GPU，第一次压过了GPU。

【主角易位】

7月9日，广东韶关。

一个总投资约55亿元的智算集群正式上线：30个昇腾超节点，11520张昇腾910C加速卡，总算力9000P。从建设、调试到上线，只用了90天，比业界同规模集群的常规工期缩短一半。

它有一个直白的名字——“国芯训国模”，用国产芯片，训练国产大模型。

这是中国电信打造的粤港澳大湾区首个全国产万卡训练集群。它接下的任务一点不轻：支撑新一代全国产万亿参数基础大模型研发，攻代码生成、智能体自主决策这些高阶能力，还要在国产硬件上，把适配、专用算子、超大模型稳定训练这几道坎一一迈过去。

放在两三年前，这几乎不可想象。那时候训练大模型，默认答案只有一个：抢英伟达的卡。国产芯片能跑跑推理，就已经算不错。

现在，万卡、万亿参数、训练，三个最难的词，都成了国产算力能做的事。

而这样的故事，已经比比皆是。

9月，京东云宣布建设由10万张摩尔线程GPU组成的算力集群，支撑大模型训练、推理和具身智能。这是国内大型AI云厂商第一次把国产GPU部署进10万卡级的核心集群。

7月的世界人工智能大会上，华为披露，昇腾384超节点已商用落地750多套，用进了互联网、运营商、金融、制造等20多个行业的核心业务。

4月24日，DeepSeek发布V4。当天，华为宣布昇腾超节点全系列支持；寒武纪完成“Day 0”适配并开源代码，这已是它连续第二次在DeepSeek新模型发布首日交卷。华为还向路透社表示，V4的部分训练过程用上了昇腾芯片。

而DeepSeek当时还曾对外表示：受限于高端算力，V4-Pro的服务吞吐有限，要等下半年昇腾950超节点批量上市，Pro版价格才会大幅下调。

一家中国顶级大模型公司的定价表，第一次和一款国产芯片的出货节奏绑在了一起。

而在最新的采访中，徐直军还透露，基于华为新计算架构的25.6万卡规模集群，已经在部署和测试中；面向训练的950DT超节点，预计今年底或明年初规模供货。他的判断是，从明年开始，大量模型的训练会构筑在950DT超节点上。

同时，他还语气坚定地强调：今天制约昇腾放量的，已经不是需求，而是供货能力，“现在能产多少就供多少”。

IDC的数据，则给这句话做了注脚。上半年，IDC统计的11家中国厂商中，9家实现出货增长，平头哥、寒武纪、昆仑芯、海光的份额也分别达到约7%、5%、4%、3%；与华为加起来，这五家本土厂商合计份额已约47%，明显压过英伟达的34%。

中国AI算力的主角，已经易位，国产AI芯片，正式从“备胎”变成了主力。

【换道逆袭】

英伟达在中国的失守，不是被一颗更强的单芯片打败的。

论单芯片，华为从不讳言差距。徐直军就说得很直接：华为的芯片设计没有任何问题，只是仍受制于国内工艺。任正非也公开讲过，华为单芯片还落后美国一代，所以要用数学补物理、非摩尔补摩尔、用群计算补单芯片。

逆袭的第一招：不在单芯片上硬拼，而在系统上换道。

过去的大规模AI集群，靠网络把一台台服务器连起来。规模越大，数据搬运和通信等待吃掉的效率就越多，卡买得再多，也有相当一部分在“空等”。

华为这次发布的Peerium计算架构和灵衢总线（Unified Bus，简称UB），要解决的正是这个问题。灵衢用一套开放协议，把CPU、NPU、内存、SSD、网卡、交换机高速连在一起，柜内柜间一套标准，计算、存储、网络平等互联，让数十万乃至百万颗处理器像一台计算机那样协同工作。

徐直军的判断是：单芯片受制于工艺，但把多芯片互联成一台计算机，华为已经处于全球领先。而这条路不是制裁之后才临时起意——2018年华为发布第一颗AI芯片和AI战略，2019年又发布了超节点和集群。

基于这套架构的超节点和集群，能大幅提升模型算力利用率（MFU），也正是头部模型厂商用昇腾950训练最看重的一点：同样的卡，干更多的活，训练成本反而下降，迭代速度加快。

光互联上，华为也走了自己的路。业界争论多年的CPO和NPO，华为很早就选了NPO。NPO的铜线连接约5厘米，比CPO的约5毫米长了一个数量级，但换来成本接近40%的下降，而且光引擎可单独更换，出问题时，不会连带整颗AI芯片报废。

在国际光互联论坛OIF最近一次NPO立项中，反对者已经寥寥无几。

第二招：芯模协同。

到了DeepSeek V4这一代，DeepSeek更与华为联合定义昇腾超节点。基于V4-Pro，在8K输入场景下，昇腾950超节点可在约20毫秒的输出时延下，实现单卡解码吞吐4700 TPS。

▲图源：昇腾社区

模型为芯片出题，芯片为模型改架构，这是英伟达在中国已经很难再拿到的“携手共进”。

第三招：大厂自研，自产自用。

阿里的平头哥、百度的昆仑芯，都是从自家云和自家业务里长出来的。

据路透社援引IDC数据，2025年全年平头哥出货约26.5万颗，昆仑芯、寒武纪各约11.6万颗。自家模型、自家云、自家芯片，一旦形成闭环，替换英伟达就不再是采购问题，而是战略选择。

三招走下来，更大的一场变天来了：非GPU。

上半年，非GPU加速器出货101.6万颗，GPU出货99.1万颗。一个增长约80%，一个下降26%。

为什么会这样？

中昊芯英创始人杨龚轶凡有个比喻：GPU出身图形渲染，是一个“万能工具箱”，什么都能干，但处理基于Transformer的大模型任务，效率并不是最高。更关键的是，沿着GPU路线追赶，等于在英伟达CUDA的主场踢球，还是要受制于人。

而大模型的计算，高度集中在矩阵乘法、注意力机制等少数核心算子上。专门为此设计的NPU、TPU和各类专用架构，能把晶体管更多地花在刀刃上。谷歌TPU也已经用自家最强模型证明：这条路走得通。

对中国来说，这条路还多一层好处：它对先进工艺的依赖更小，对架构创新和系统工程的回报更大。这恰恰是中国的长处所在。

于是，今天中国AI芯片的版图，已经清晰分成两大阵营。

一边是GPU路线：英伟达，以及海光、摩尔线程、沐曦等国产GPU。

另一边是非GPU路线：华为昇腾NPU、寒武纪MLU、百度昆仑芯XPU，还有清微智能的可重构芯片、中昊芯英的TPU。

清微智能是其中颇具代表性的一家。它脱胎于清华大学可重构计算实验室，思路是在TPU之上再进一步，让硬件结构跟着AI任务实时重组，业内因此叫它“高阶TPU”。

它的第二代3D可重构芯片，用3D存算一体加四芯Chiplet集成，打通AI计算中最费时的数据搬运，在算力、时延和能耗之间取得更好的平衡，又不丢掉可重构芯片“一芯多用”的长处，让算力（token）成本更低、更普惠。

一句话总结就是，中国AI芯片的逆袭，不是在英伟达的赛道上追上它，而是另修了一条赛道，并把越来越多的车开了上来。

【不可逆转】

逆袭是如何完成的，为什么偏偏是这两三年？

第一个原因，是美国的封锁，把国产芯片推上了主场。

从A100、H100被限，到“特供版”A800、H800被禁，再到H20一度需要许可才能出口，英伟达的对华供货一变再变。这的确在一定程度上卡了中国企业，但它在更大程度，让中国企业一起下决心：别了，不确定、卡脖子的英伟达。

到2026年，风向甚至反了过来：美国松口放行H200，却一颗也没卖进中国。

徐直军那句话，说出了中国客户最真实的心态：不能今天说卖一颗给你，明天又说不卖给你。对中国客户来说，供货的确定性，比单卡性能更值钱。

第二个原因，是国家加持，叠加AI浪潮带来的机遇。

2024年5月，注册资本3440亿元的国家集成电路产业投资基金三期成立。

2025年起新一轮AI基础设施投入启动，各地加速建设智算中心，很多项目都带着采购国产技术的导向。韶关那个万卡集群，就是广东“粤算计划”的核心工程，被定位为省级算力安全备份。

订单有了，场景有了，国产芯片就有了在真实生产环境里摔打、迭代的机会。

而且，AI芯片的突破，还不只是在硬件上，也已经延伸到了软件生态的匹配。

英伟达最深的护城河，从来不只是GPU，而是CUDA。一代代算法工程师，是伴着PyTorch加CUDA成长起来的。

但海思首席科学家廖恒认为，模型越来越细粒度，只用PyTorch已经写不出效率，前沿实验室纷纷转向超大规模内核和新的编程语言，已不再像两年前那样看重CUDA。

国产阵营正抓住这个窗口，一层层补生态。

华为在2025年8月宣布昇腾CANN全面开源。寒武纪靠自研的NeuWare软件生态、融合算子库和BangC编程语言，连续两代在DeepSeek发布首日完成适配。

DeepSeek走得更远。2025年8月，它在V3.1中采用了专为下一代国产芯片设计的FP8精度格式；2026年9月30日，它又开源了面向昇腾平台的全套底层基础设施组件，从编译工具、计算库到分布式通信库一应俱全——英伟达版有什么，昇腾版就有什么。

北京智源研究院牵头的众智FlagOS，干的是更“底座”的活：做一套统一、开源的AI系统软件栈，让模型“一次开发，多芯运行”。目前它已适配18家厂商的32款芯片，寒武纪也已加入。

今年2月，面壁智能发布全模态模型MiniCPM-o 4.5，FlagOS让它在发布当天就跑通六款芯片；在英伟达硬件上，FlagOS版本的端到端推理效率比CUDA版本还高出6.1%。

清微智能则在今年WAIC上，把可重构芯片、4K超节点和自研RAISA软件栈放在一起展示，目标很明确：要让客户迁得过来、用得顺手、长期留得住。9月，在中国算力大会上，它又与北京智源联合开源发布了Open3D-PIMC。

Open3D-PIMC是全球首个面向3D算力芯片的编程模型与开源软件框架，通过FlagOS可接入30多款国产芯片，补上了下一代3D算力芯片的软件底座。

硬件可以被卡，生态一旦长成，就很难再被拔掉。

客户的迁移成本已经付过，工程师的代码已经写在国产栈上；模型与芯片开始联合定义，下一代模型从设计之初就为国产算力优化。

这也让这场突破，很难被逆转。

徐直军预计，全球AI算力的供需平衡要到2029年前后才能实现，中国可能更晚。这意味着，未来几年国产AI芯片仍是卖方市场，产能每扩一分，就是份额多一分。而且，中国AI芯片也有望出海，走向世界。目前，华为的灵衢协议就已对外开放，NPO正被推向产业标准，昇腾也已开始少量供给急需另一个选择的海外客户。

英伟达CEO黄仁勋一直在批评美国政府的出口限制措施，认为这将迫使英伟达将中国价值500亿美元的AI芯片市场拱手让给华为。

今年4月中旬，他更在访谈中谈到，DeepSeek首先在华为芯片上发布模型的那一天，对美国将是一个可怕的结果。

现在看，后果比他想的还要可怕。因为，不只是华为与DeepSeek，整个中国AI硬件和软件，都在合璧形成自己的闭环与体系。

也是一旦形成，就再难逆转的体系。

在美国封锁的倒逼之下，AI芯片的长期格局，正在从“一个CUDA世界”，走向两套体系并行。英伟达在中国失去的，不只是当下营收，更是下一代中国开发者和未来；而中国得到的，是一条从芯片、互联、集群到软件、模型都能自己做主的完整链条。

不只是AI芯片，整个中国芯片都在以超出想象的速度崛起。

长鑫科技，今年上半年净利润776亿元，已是中国第一、全球第四的DRAM厂商；长江存储，今年一季度净利润334亿元，NAND销售额和出货量已是全球第三；功率芯片，也在新能源车、光伏、储能的拉动下加速补位。

目前，中国的先进制程、高带宽内存依然被卡，英伟达的CUDA生态护城河也很深，但相比被封锁的当年，我们已经取得了当时想都不敢想的成绩。

当时，很多人觉得中国科技的天都要塌了，而这一路走来事实却是，中国人不断把美国科技的铜墙铁壁给捅破了。

而若没有美国的封锁，高通、英伟达的先进芯片我们随便买，华为、寒武纪、阿里平头哥等等，大概率不会有过去几年的投入力度，也走不到今天的高度。

还是那个道理——

封锁，锁不住一个想站起来的国家，只会逼出一个更强的对手。

【参考资料】

[1]华为全联接大会期间徐直军、廖恒媒体交流纪要（2026年）

[2]《2026年上半年中国数据中心AI加速器市场统计》IDC

[3]《IDC报告显示中国芯片厂商2025年拿下近41%的AI加速服务器市场》路透社

[4]《粤港澳大湾区首个“国芯训国模”昇腾万卡智算集群上线发布》科技日报

[5]《华为昇腾超节点支持DeepSeek V4模型，寒武纪也适配完成》澎湃新闻

欢迎关注【华商韬略】，识风云人物，读韬略传奇。

版权所有，禁止私自转载

部分图片来源于网络

如涉及侵权，请联系删除