华为昇腾
Ascend — 国产AI芯片旗舰 · 全栈自研
简介
华为昇腾（Ascend）是基于自研达芬奇（Da Vinci）架构的AI处理器系列，覆盖"端-边-云"全场景，是中国唯一构建了从芯片→硬件→框架→应用全栈AI生态的国产算力平台。自2018年发布以来，昇腾已迭代至910C（2024年量产），以~800 TFLOPS（FP16）算力在推理任务中达到NVIDIA H100约60–80%的性能。据IDC数据，2025年华为昇腾出货81.2万张，占中国AI芯片市场约20%份额（国产第一），AI芯片营收约75亿美元。在美国出口管制持续收紧的背景下，昇腾已成为中国AI基础设施自主化的核心支柱。
| 厂商 | 华为技术有限公司 / 海思半导体（HiSilicon） |
| 首次发布 | 2018年10月（华为全联接大会） |
| 技术架构 | 自研达芬奇（Da Vinci）架构；3D Cube矩阵计算单元 |
| 制程工艺 | 7nm（910B/C，SMIC代工）；早期910由台积电代工 |
| 硬件产品 | Atlas系列：加速卡（300I/300T）、服务器（800）、集群（900） |
| 软件栈 | CANN（异构计算）、MindSpore（昇思框架）、MindX（应用使能全家桶） |
| 整机伙伴 | 14家认证伙伴：华鲲振宇（24%出货）、超聚变（21%）等 |
| 开发者 | 330万+昇腾开发者；MindSpore 1100万+下载；2024年国产AI框架份额30% |
| 2025年出货 | 81.2万张（IDC），营收约75亿美元 |
| 官网 | hiascend.com |
🖥️ 芯片代际参数
| 型号 | 发布时间 | 制程 | 架构 | FP16算力 | INT8算力 | 内存/带宽 | 功耗 | 定位 |
|---|---|---|---|---|---|---|---|---|
| 310 | 2018 | 12nm | Da Vinci, 2×AI Core | 8 TFLOPS | 16 TOPS | LPDDR4X | 8W | 边缘推理 |
| 910 | 2019 | 7nm (TSMC) | 32×Da Vinci Max | 256 TFLOPS | 512 TOPS | 32GB HBM2 / 1.2TB/s | 310W | 云端训练 |
| 910B | 2023 | 7nm (SMIC) | 25×New Da Vinci | ~376 TFLOPS | — | HBM2E | ~310W | 训推一体 |
| 910C | 2024 | 7nm (SMIC N+2) | 双910B Die合封 530亿晶体管 | ~800 TFLOPS | — | HBM2E / ~3.2TB/s | — | 主力训推 |
| 950PR | 2026Q1 | N+2/N+3 | SIMD+SIMT双模型 FP4/FP8首秀 | ~1 PFLOPS (FP8) | — | 128GB 自研HiBL 1.0 | — | 推理优化 |
| 950DT | 2026Q4 | N+2/N+3 | SIMD+SIMT双模型 | ~1 PFLOPS (FP8) | — | 144GB 自研HiZQ 2.0 / 4TB/s | — | 训练+推理 |
| 960 | ~2027 (路线图) | N+3 | 能效比提升30%+ 动态稀疏计算 | 算力翻倍 | — | 288GB HBM | — | 超大模型 |
| 970 | ~2028 (路线图) | 先进制程 | 旗舰架构 | 8 PFLOPS (FP4) | — | 288GB HBM / 4TB/s互联 | — | 万亿参数 |
💡 910C工程策略
910C通过先进封装将两颗910B裸片整合为单芯片，在先进制程受限下实现算力倍增。但双Die间通过有机基板+独立硅中介层互联，带宽可能仅为NVIDIA NVLink的1/10~1/20，软件层需显式管理数据局部性。
🔧 生态与软件栈
CANN 异构计算架构
CANN（Compute Architecture for Neural Networks）是昇腾AI处理器的异构计算架构，最新版本已支持1500+算子，提供Ascend C自定义算子编程语言，实现算子开发效率数倍提升。CANN已实现全面开源开放，并支持Triton中间表示层接入，降低开发者迁移成本。典型融合算子开发周期从2个月缩短至1.5人周。支持PyTorch、TensorFlow、MindSpore等主流框架无缝适配。
MindSpore 昇思AI框架
开源版本累计1100万次下载，3.7万+核心贡献者。2024年中国AI框架新增市场中份额达30%。万亿参数MoE模型训练性能提升20%。支持自动并行、图算融合、二阶优化等特性。
🧩 MindX 应用使能家族 — 全场景AI软件栈
MindX是华为面向AI全场景打造的應用使能软件家族，覆盖"云-边-端-集群-工具链"全维度，对标NVIDIA全套软件生态：
🧠 MindIE 推理引擎
企业级推理加速引擎，包含四大组件：MindIE LLM（大语言模型推理加速，支持动态批处理、PagedAttention、量化推理）、MindIE SD（Stable Diffusion类文生图推理加速）、MindIE Motor（模型自动调优与编译优化）、MindIE Turbo（高性能推理运行时，支持多模型并发）。支持FP4/FP8/INT8/INT4量化，单卡推理吞吐较原生提升3-5倍。
⚡ MindSpeed 训练加速库
大模型分布式训练加速套件，包含：MindSpeed LLM（千亿/万亿参数LLM训练加速，支持TP/PP/DP/EP混合并行）、MindSpeed MM（多模态大模型训练加速）、MindSpeed RL（强化学习训练加速）、MindSpeed Core（核心算子库与通信优化）。支持ZeRO优化器、序列并行、FlashAttention深度融合，千亿模型训练效率提升30%+。
☸️ MindX DL 深度学习平台
面向数据中心的深度学习容器化平台，提供资源调度、训练作业管理、镜像管理、分布式训练编排等能力。基于Kubernetes架构，支持昇腾设备管理（Ascend Device Plugin）、弹性训练、故障自愈，已在多个智算中心落地。
📡 MindX Edge 智能边缘
边侧AI推理平台，基于昇腾310/610芯片，提供Edge AI全栈软件能力，包括模型压缩、量化部署、边缘推理框架。覆盖工业质检、智慧交通、智能安防等场景，支持云边协同、离线推理。
🔌 MindSDK 应用SDK
面向行业ISV的应用开发套件，封装昇腾AI硬件的推理、训练、编解码等能力，提供高性能C++/Python API，支持快速集成到现有业务系统。覆盖视觉（CV）、自然语言（NLP）、多模态等场景。
🌐 MindCluster 集群使能
超大规模AI集群管理套件，面向千卡/万卡级别集群提供统一管理、监控告警、故障定位、弹性扩缩容等能力。支持CloudMatrix 384超节点架构，实现集群线性扩展效率≥95%。
🛠️ MindStudio 全流程工具链
一站式AI开发集成环境，覆盖算子开发（Ascend C IDE）、模型迁移（PyTorch/TF → ONNX → Ascend）、精度调优、性能Profiling、AI编译调试等全流程。提供Profiling可视化、算子性能分析、通信效率分析等深度调优能力。
🤖 CCAE 集群自智引擎
Cloud Cluster Autonomous Engine，面向智算中心的集群自治引擎，支持资源智能调度、故障预测与自愈、节能调优、运维大脑等能力。基于AI for System理念，实现集群运维效率提升50%+。
☁️ ModelArts 云上AI平台
华为云全托管AI开发与部署平台，提供数据标注、模型训练、自动搜索（AutoML）、模型评估、云端推理部署等一站式服务。数据预处理速度提升5倍以上，支持多种计算资源规格组合。
开源基础软件
openEuler（欧拉）：2024年中国新增服务器OS市场份额突破50%。openGauss（高斯）：线下集中式关系型数据库新增市场份额30.2%。与"鲲鹏"ARM CPU形成协同。
🔑 生态战略
"硬件开放、软件开源、使能伙伴、发展人才"。计划未来3年每年投入10亿元，赋能百万原生人才、孵化千个原生项目。
⚔️ MindX家族 vs 行业主流对标
| 华为 MindX 组件 | 功能定位 | 对标行业产品 | 差异化优势 |
|---|---|---|---|
| MindIE (推理引擎) | 大模型推理加速、模型编译优化、多模型运行时 | TensorRT-LLM / vLLM / Triton Server | 端到端全流程优化，从算子→图→运行时统一调度；原生支持昇腾硬件特性 |
| MindSpeed (训练加速库) | 分布式训练加速、混合并行策略、通信优化 | Megatron-LM / DeepSpeed | 昇腾硬件深度适配的TP/PP/DP/EP混合并行；千亿模型训练效率提升30%+ |
| MindX DL (深度学习平台) | K8s容器化AI训练平台、资源调度 | Kubeflow / Slurm | 原生集成昇腾设备管理，开箱即用；支持弹性训练与故障自愈 |
| MindX Edge (智能边缘) | 边侧推理、模型压缩、云边协同 | NVIDIA Jetson | 端-边-云统一MindX架构，部署迁移成本低；国产自主可控 |
| MindSDK (应用SDK) | 行业ISV开发套件、CV/NLP/多模态API | cuDNN / TensorRT SDK | 高层封装更高，面向行业场景预置AI能力 |
| MindCluster (集群使能) | 超大规模集群管理、CloudMatrix超节点 | DGX SuperPOD / Base Command | 万卡级线性扩展效率≥95%；超节点架构支持更大模型并行 |
| MindStudio (工具链) | IDE、Profiling、模型迁移、算子开发 | NSight Systems / Nsight Compute | 一站式集成，覆盖从模型迁移到性能调优全流程 |
| CCAE (集群自智引擎) | AI集群自治、智能调度、故障预测 | Base Command / Run:ai | AI for System闭环，运维效率提升50%+ |
| ModelArts (云上AI平台) | 全托管ML平台、AutoML、云端推理 | Amazon SageMaker / Vertex AI | 与华为云生态深度集成；端边云协同部署 |
📊 市场定位
| 领域 | 典型场景 | 代表性客户 |
|---|---|---|
| 智算中心 | 城市AI算力基础设施 | 合肥、沈阳、长春等地AI计算中心；福建平潭1000P集群 |
| 运营商 | AI服务器集采 | 中国移动、中国电信、中国联通 |
| 政企 | 政务AI、信创替代 | 各级政府部门 |
| 金融 | 智能风控、分布式核心 | 国有五大行等 |
| 互联网 | 大模型训练推理 | 字节跳动、阿里、腾讯、百度 |
| 自动驾驶 | 车载AI推理 | 华为ADS 2.0（昇腾610车载芯片） |
📊 中国AI芯片市场份额（2025 IDC）
NVIDIA 220万张（55%）· 华为昇腾 81.2万张（20%）· 平头哥 26万+张（6.6%）· 昆仑芯 & 寒武纪 各~11.6万张（2.9%）· 海光信息 ~8.4万张 · 其他国产合计约5%
⚔️ 制裁与自主化
美国出口管制关键节点
- 2019.5：华为列入实体清单
- 2020.9：台积电停止代工，昇腾910生产中断
- 2023-2024：转向SMIC 7nm（良率~20%）；910B/C量产
- 2024.12：美国禁运先进HBM，华为加速自研HiBL/HiZQ
- 2025.6：美商务部估算华为年产量约20万张
🔧 制造自主化
SMIC代工：7nm N+1/N+2工艺，2025年底产能目标5万wpm。Die合封：910C双Die方案绕过单Die良率瓶颈。自研HBM：950系列首次搭载自研HBM。据传华为通过壳公司从台积电获取约300万颗7nm Die库存，结合三星HBM2E库存，短期内仍有可观产能。
🏆 竞品对比
| 维度 | 华为昇腾 910C | NVIDIA H100 | NVIDIA B200 |
|---|---|---|---|
| FP16算力 | ~800 TFLOPS | 989 TFLOPS | ~2.25 PFLOPS |
| FP8算力 | ~1.6 PFLOPS | 1.98 PFLOPS | ~4.5 PFLOPS |
| INT8算力 | — | 3.96 POPS | ~9 POPS |
| 内存/带宽 | HBM2E / ~3.2 TB/s | 80GB HBM3 / 3.35 TB/s | 192GB HBM3e / 8 TB/s |
| 制程 | SMIC 7nm N+2 | TSMC 4nm | TSMC 4nm |
| 晶体管数 | ~530亿 (双Die合封) | 800亿 | 2080亿 |
| 互联 | HCCS（带宽受限） | NVLink 4.0 (900 GB/s) | NVLink 5.0 (1.8 TB/s) |
| 软件生态 | CANN + MindSpore + MindX | CUDA（全球成熟生态） | CUDA（全球成熟生态） |
| vs H100性能比 | 60-80%（推理） 40-60%（训练） | 基准 | ~2.3× H100（训练） ~3-4× H100（推理） |
| 典型TCO | 约H100的50-60% （以FP16等效算力计） | 基准 | 约H100的1.8-2.2× |
| 供货状态 | 量产中（产能受限） | 量产中 | 2025年Q2量产 |
💡 对比分析
vs B200：B200基于Blackwell架构，采用2080亿晶体管（两个Die合封），在FP8/FP16算力上分别是910C的约2.8×和2.8×，内存带宽是2.5×。但B200供货受出口管制限制—中国客户无法直接购买。昇腾910C在受限制程下实现B200约35-40%的算力密度，且TCO成本较B200（等效算力约H100的1.8-2.2×）有显著优势。
vs H100：910C在推理任务中可达H100的60-80%性能，训练任务差距略大（40-60%），但价格优势显著（约H100的50-60%）。随着MindIE/MindSpeed等软件栈成熟，实际应用差距正在缩小。
📅 发展历程
- 2018.10：华为全联接大会发布AI战略及昇腾910/310芯片
- 2019.8：昇腾910正式商用，Atlas硬件矩阵发布
- 2020.3：MindSpore开源；2020.9台积电断供
- 2021-2022：转向SMIC 7nm工艺，完成制造转移
- 2023：910B量产，首个完全SMIC代工的数据中心级AI芯片
- 2024：910C量产；CloudMatrix 384超节点发布；CANN 8.0全面开源
- 2025：年出货81.2万张，AI芯片营收~75亿美元；950系列路线图披露
- 2026：950PR量产；MindX全家桶全面对标NVIDIA软件生态发布