深圳最近啟用一套配備 10,000 張 AI 加速卡的智能運算叢集，據報是中國首個完全採用國產先進芯片、並做到全棧自主可控的萬卡級 AI 叢集。新一階段提供約 11,000 petaflops 算力；加上去年較早啟用的 3,000 petaflops，整個項目的 AI 算力規模達到 14,000 petaflops。711

華為昇騰 910C 是核心

叢集的主要硬件是華為昇騰 910C AI 加速器，配合華為的「昇騰 + CANN」軟硬件生態。換句話說，這不只是換上一批國產芯片，而是連同伺服器系統、芯片互連、運算調度及軟件工具，嘗試由同一套國產技術堆疊支撐大規模 AI 工作。

至於 910C 與 Nvidia H100 的差距，DeepSeek 研究人員的測試據報顯示，910C 在特定 AI 推理任務上的效能約為 H100 的 60%。不過，這是一項針對特定工作負載的報告結果，不能直接理解為兩款芯片在所有模型、訓練任務、軟件成熟度或能源效益上都達到六成，更不等於全面追平 H100。1114

點解要將一萬張卡連成叢集？

單張 AI 加速卡的能力始終有限，真正應付大型模型時，關鍵在於能否有效將大量芯片組織起來。AI 叢集通常會把模型不同部分、訓練數據，或者大量推理請求，分派到多張卡上同步處理。

理論上，卡數增加就能大幅提高總算力；但如果芯片之間傳送數據太慢，運算時間便會被「等數」拖住。因此，叢集的高速網絡、記憶體配置、任務調度及軟件協同同樣重要。只有把這些部分配合好，萬卡規模才不會變成「卡多但用不盡」的昂貴設備。

有幾多人已經用緊？

深圳早前建成的 3,000 petaflops 部分，據報在今次 10,000 張卡的擴充投入運作前已經全部預訂。另有報道指，近 50 個機構已簽署使用算力的框架協議，整體預訂率達 92%。111

這些數字顯示，當地對國產 AI 算力有相當實際的需求，並非只停留在示範項目層面。不過，已經有人預訂深圳的算力，並不代表華為平台已在全中國廣泛取代 Nvidia；部分中國企業仍然透過海外數據中心取得 Nvidia 芯片的算力，反映自主化進程仍未完成。1

中國還有哪些 AI 芯片進展？

華為另外公布過一條芯片設計路線，目標是在不依賴最先進光刻工具的情況下，於 2031 年做到相當於 1.4 納米製程的晶體管密度。不過，這是公司提出的技術展望，現階段沒有獨立數據證明已經有相應的量產芯片。23

路透社亦報道，華為新一代 Ascend 950PR 在客戶測試中取得較正面的結果，字節跳動及阿里巴巴據報正考慮落單。這顯示國產 AI 芯片開始爭取大型科技公司的採用，但測試結果、訂單意向與大規模長期部署之間，仍然有一段距離。23

美國限制令下的產業回應

美國在 2022 年開始限制 Nvidia A100 及 H100 等先進 GPU 向中國出口，並在 2023 年進一步收緊對先進運算芯片及相關製芯設備的管制。23

在這個背景下，深圳的萬卡叢集可視為一項產業層面的回應：以國產芯片、系統、網絡及軟件，建立足以支援大型模型訓練及推理的算力基礎。華為之所以重要，是因為昇騰系列不只提供 AI 芯片，也延伸到數據中心級系統方案，讓中國有機會在芯片及整機層面減少對外依賴。712

但「有替代方案」不等於「性能和生態已經完全相同」。910C 與 H100 的報告比較仍然存在明顯差距，而中國部分公司繼續使用海外 Nvidia 算力，也說明中國要做到全面 AI 芯片自主，仍要面對製造能力、軟件兼容性、能源效率及供應規模等問題。

深圳最近啟用一套配備 10,000 張 AI 加速卡的智能運算叢集，據報是中國首個完全採用國產先進芯片、並做到全棧自主可控的萬卡級 AI 叢集。新一階段提供約 11,000 petaflops 算力；加上去年較早啟用的 3,000 petaflops，整個項目的 AI 算力規模達到 14,000 petaflops。711

華為昇騰 910C 是核心

叢集的主要硬件是華為昇騰 910C AI 加速器，配合華為的「昇騰 + CANN」軟硬件生態。換句話說，這不只是換上一批國產芯片，而是連同伺服器系統、芯片互連、運算調度及軟件工具，嘗試由同一套國產技術堆疊支撐大規模 AI 工作。

至於 910C 與 Nvidia H100 的差距，DeepSeek 研究人員的測試據報顯示，910C 在特定 AI 推理任務上的效能約為 H100 的 60%。不過，這是一項針對特定工作負載的報告結果，不能直接理解為兩款芯片在所有模型、訓練任務、軟件成熟度或能源效益上都達到六成，更不等於全面追平 H100。1114

點解要將一萬張卡連成叢集？

單張 AI 加速卡的能力始終有限，真正應付大型模型時，關鍵在於能否有效將大量芯片組織起來。AI 叢集通常會把模型不同部分、訓練數據，或者大量推理請求，分派到多張卡上同步處理。

理論上，卡數增加就能大幅提高總算力；但如果芯片之間傳送數據太慢，運算時間便會被「等數」拖住。因此，叢集的高速網絡、記憶體配置、任務調度及軟件協同同樣重要。只有把這些部分配合好，萬卡規模才不會變成「卡多但用不盡」的昂貴設備。

有幾多人已經用緊？

深圳早前建成的 3,000 petaflops 部分，據報在今次 10,000 張卡的擴充投入運作前已經全部預訂。另有報道指，近 50 個機構已簽署使用算力的框架協議，整體預訂率達 92%。111

這些數字顯示，當地對國產 AI 算力有相當實際的需求，並非只停留在示範項目層面。不過，已經有人預訂深圳的算力，並不代表華為平台已在全中國廣泛取代 Nvidia；部分中國企業仍然透過海外數據中心取得 Nvidia 芯片的算力，反映自主化進程仍未完成。1

中國還有哪些 AI 芯片進展？

華為另外公布過一條芯片設計路線，目標是在不依賴最先進光刻工具的情況下，於 2031 年做到相當於 1.4 納米製程的晶體管密度。不過，這是公司提出的技術展望，現階段沒有獨立數據證明已經有相應的量產芯片。23

路透社亦報道，華為新一代 Ascend 950PR 在客戶測試中取得較正面的結果，字節跳動及阿里巴巴據報正考慮落單。這顯示國產 AI 芯片開始爭取大型科技公司的採用，但測試結果、訂單意向與大規模長期部署之間，仍然有一段距離。23

美國限制令下的產業回應

美國在 2022 年開始限制 Nvidia A100 及 H100 等先進 GPU 向中國出口，並在 2023 年進一步收緊對先進運算芯片及相關製芯設備的管制。23

在這個背景下，深圳的萬卡叢集可視為一項產業層面的回應：以國產芯片、系統、網絡及軟件，建立足以支援大型模型訓練及推理的算力基礎。華為之所以重要，是因為昇騰系列不只提供 AI 芯片，也延伸到數據中心級系統方案，讓中國有機會在芯片及整機層面減少對外依賴。712

但「有替代方案」不等於「性能和生態已經完全相同」。910C 與 H100 的報告比較仍然存在明顯差距，而中國部分公司繼續使用海外 Nvidia 算力，也說明中國要做到全面 AI 芯片自主，仍要面對製造能力、軟件兼容性、能源效率及供應規模等問題。