深圳万卡AI集群启用：华为昇腾910C能否撑起中国自主算力

深圳这套系统到底实现了什么？

深圳近日启用一套拥有1万张AI加速卡的智能计算集群，采用华为昇腾910C芯片。这被报道为中国首个完全采用国产先进芯片、覆盖芯片、服务器、网络与软件的全栈自主可控万卡级AI集群。711

新启用部分的算力为1.1万P（petaflops，千万亿次浮点运算级别）。如果算上此前已经投入运行的3000P部分，深圳这一算力设施的总规模达到1.4万P。711

这并不意味着单张芯片的性能已经超过英伟达产品，而是说明中国正在把国产AI芯片组织成可用于大模型工作的超大规模计算基础设施。

华为提供了哪些关键技术？

集群的核心是华为昇腾910CAI加速器，以及围绕昇腾构建的“昇腾 + CANN”软硬件生态。CANN是华为面向昇腾平台的异构计算架构，为模型编译、算子运行和加速卡调度提供软件支持。

昇腾910C还被描述为采用双芯片单元封装的加速卡，目标是通过集成更多计算资源，满足训练和推理等AI任务的需求。华为也在继续扩展从芯片、服务器到数据中心系统的产品线，使其不只是提供一张替代GPU的芯片，而是提供一套完整的算力平台。610

昇腾910C与英伟达H100相比如何？

据DeepSeek相关测试报道，昇腾910C在推理任务中的性能约为英伟达H100的60%。1114

但这个数字需要谨慎解读：

• 它针对的是特定模型和推理工作负载，不是覆盖所有场景的统一行业基准；
• 推理是模型训练完成后生成结果的环节，不能直接代表大规模训练性能；
• 这一比较也没有单独证明两者在软件成熟度、功耗效率、内存带宽或系统稳定性方面完全相当。

因此，更准确的说法是：昇腾910C在部分推理任务中已经具备较强的实用价值，能够帮助中国企业减少对英伟达高端加速卡的依赖，但它还不能被简单描述为全面追平H100。

为什么把上万张卡连接成集群？

AI集群的价值不只是“把很多芯片放在同一个机房”，而是让这些加速卡能够像一个协同工作的计算系统。

在训练大模型时，系统可以把数据、模型层或参数计算拆分到不同加速卡上并行处理；在推理场景中，也可以把大量用户请求分配给不同卡组同时执行。这样，整体吞吐量和可处理的模型规模都会显著提升。

不过，并行计算也会带来通信开销。不同加速卡需要频繁交换中间结果，如果网络速度不够快，等待通信的时间就可能抵消并行计算带来的收益。因此，AI集群还需要高速互联网络、内存系统、任务调度和编译软件共同配合。CANN等软件栈的作用，正是帮助硬件更高效地运行AI模型，减少“卡很多、效率却不高”的问题。

系统已经被广泛采用了吗？

现有信息显示，深圳此前启用的3000P算力部分在新一阶段上线前已经被全部预订，说明本地对国产AI算力存在较强需求。11

另有报道提到，近50家机构已签署使用该集群算力的框架协议，整体预约率达到92%。1这些机构的具体构成和长期实际使用量仍需更多公开数据确认，因此，预约情况可以证明市场需求正在形成，但还不能据此断言华为平台已经在中国全面取代英伟达。

此外，有报道称，华为主导的团队曾使用至少1000张昇腾910C，对超大规模模型开展全参数后训练。这表明国产加速器正在尝试承担更接近训练级别的任务，但单个项目的成功并不等于所有大模型训练都已完成平台迁移。3

中国还公布了哪些AI芯片进展？

华为曾提出一种芯片设计路线，目标是在不依赖最先进光刻工具的情况下，到2031年实现相当于1.4纳米制程的晶体管密度。不过，这属于公司提出的技术规划，目前并没有独立数据证明已经形成可量产、可商用的对应芯片。23

另据路透社报道，华为昇腾950PR在客户测试中的表现获得积极反馈，字节跳动和阿里巴巴正在考虑下单。该消息显示，国产AI芯片能否真正扩大市场，除了峰值算力，还取决于软件兼容性、供应能力和大型互联网企业的实际部署。23

这与美国出口限制有什么关系？

美国自2022年起限制英伟达A100、H100等先进AI加速器向中国出口，并在2023年进一步扩大对先进计算芯片及相关芯片制造设备的限制范围。23

在这一背景下，深圳万卡集群具有明显的产业链回应意味：当海外高端加速器获取受到限制时，中国需要同时补齐国产芯片、服务器、网络互联和软件生态，而不是只寻找一款单独的替代产品。

华为的关键作用在于，昇腾既提供AI加速器，也延伸到数据中心级系统和软件平台，为中国企业提供从芯片到集群的国内方案。712但昇腾910C与H100的性能差距、生态迁移成本，以及部分中国企业仍通过海外数据中心获取英伟达算力的报道，都说明中国AI算力自主化仍在推进中，尚未完全实现替代。712

换句话说，深圳这套集群的意义不在于证明国产芯片已经全面领先，而在于证明中国正把国产AI硬件和软件推向万卡规模，并试图将这种能力转化为可持续使用的产业基础设施。