华为ai芯片对比英伟达
华为科学家捅破窗户纸，英伟达的算力神话建立在沙滩上。华为首席科学家廖恒一句摩尔定律已死，简直是在英伟达的庆功宴上砸场子。他直言，靠缩小晶体管白嫖性能的时代，终结了。纳米芯片设计成本标志十亿美元，更能提升雀乳挤牙膏。 更狠的是，他指出，英伟达所谓算力飞跃，不过是靠疯狂堆料透支功耗换来的虚假繁荣，正加速撞向物理极限的南墙。而被制裁的华为竟因祸得福，靠韬定律另辟蹊径，六年量产三八一款芯片。这究竟是华为被逼无奈的自我安慰，还是真的看穿了行业终局，准备换道超车？
粉丝1.1万获赞21.5万
相关视频
01:01查看AI文稿AI文稿曾经在中国的 ai 芯片市场，英伟达几乎是唯一的选择，占有率一度高达九十五。可就在最近的预测里，这个数字变成了百分之十。这是市场研究机构 trend force 最新报告，国产芯片则占据百分之九十。 这不是突然发生的，二零二五年，中国 ai 芯片出货量四百万片，国产占比已经从二零二四年的三十涨到四十一。英伟达的份额从九十五降到五十五，华为升腾以百分之二十的占比，成为国产阵营里跑的最快的一个。 这样的落差，连英伟达创始人兼 ceo 黄仁勋自己都直言不讳。 we are a hundred percent out of china， china is zero percent went from ninety five percent market share to zero percent china is the second largest computer market in the world， it is a vibrant ecosystem i think it's a mistake for united states to not participate what harms china um could oftentimes also harm america and even worse。 当世界第二大市场被亲手让出这笔账，最后谁来买单？
112科技头号
01:02查看AI文稿AI文稿花高价排队买别人特供版芯片的日子终于熬结束了。华为刚刚亮出的 atlus 三五零算力卡，直接给国内 ai 行业喂下了一颗定心丸。拿它和英伟达的 h 二十做个实测对比核心的单卡推理性能， 华为这块新芯片直接跑到了 h 二十的二点八七倍，速度快了将近三倍。他不仅跑得快，还很懂省力。作为国内目前少数原生支持超低精度推理的芯片，他的绝活是用更低的功耗去跑极其复杂的模型，让 大模型的反应延迟肉眼可见的下降。为了不让海量数据堵车，他的高带宽内存直接拉到了一百一十二 gb， 比 h 二十还多出百分之十六。就好比把原本拥挤的单行道，瞬间拓展成了八车道，处理现在的图文、视频等多模态任务极其丝滑。 除此之外，国内几家头部服务器厂商的配套整机已经同步落地。这意味着，从造出来到大规模用起来，咱们纯国产的算力底座已经彻底跑通了全链路，以后再想在底层硬件上给咱们设天花板，真的很难了。靠我们自己的全产业链，照样能把 ai 大 模型跑的飞起。
114酷东西
00:57查看AI文稿AI文稿国产芯片杀疯了，五万吊打几十万的英伟达！朋友们今天必须得唠唠芯片界的大新闻。你能想象吗？一颗只要五万的国产芯片，性能居然直接碾压几十万的英伟达芯片。最近爆火的华为深腾九五零 pr 芯片单卡三零是英伟达 h 二零的二点八七倍，但价格只要五万块。 再看看英伟达 h 二零，在国内不仅卖几十万，还压根供不上货，有钱都难买的到。这时候，阿里自接腾讯这些互联网巨头坐不住了， 直接大手一挥，下单五十万颗。华为原本计划出货五十万片，这下直接上调到七十五万片，就连中兴国际全力生产，产量都拉满了，还是供不应求，这说明了什么？这不是什么空洞的概念炒作，而 是国产算力真的雄起了！大厂们用真金白银投票，就是对国产芯片的最大认可。咱就说在算力这方面，国产替代的速度可是相当的快，说不定比你想的还快更多。以后啊，国产芯片的好戏还在后头了。
168算力姐
02:57查看AI文稿AI文稿为什么中国的 ai 算力公司已经崭露头角，英伟达的财报还会这么炸裂？先说结论，对中国厂商来说，推理是国产替代最现实的突破口，但能走多远，取决于中兴国际的能爬坡速度和光刻机的突破节奏。今天讲三件事， 第一，训练和推理到底有什么区别？即为什么说推理市场更大？第二，英伟达在训练上的绝对优势，以及为什么推理市场包括中国厂商在内，竞争对手正在撕开它的护城河？第三，中国厂商的机会窗口和应约束。 觉得有用，先点个收藏，一会讲完帮你串成一条线。打个比方，训练就像一个学生花几个月学解析方法，推理就是拿学好的方法去快速答题。训练需要的是强大的算力和灵活的编程框架， 推理更在意的是速度和成本。市场规模上，二零二六年全球 ai 推理支出两百三十三亿美元，首次超过训练的一百九十亿美元，而未来对理市场的规模会是训练的五到十倍。 先说训练， c u d a 生态积累了二十年，六百万开发者，五千三百万次下载全球 ai 训练芯片，试战率超过百分之九十。学术界最新论文的开源代码几乎只在英伟达 gpu 上验证过。你想换芯片，光是代码迁移就得烧掉几个月时间和几百万预算。 现在大模型竞争这么激烈，谁敢停下训练去适配新芯片？所以训练这个赛道，英伟达短期内不可撼动。推理跑的是训练好的模型，不需要复杂的底层编程。 c u d a 的 生态锁定在推理场景大幅减弱，专用 a s i c 芯片在推理场景的综合使用成本比通用 g p u 低百分之四十到百分之六十五。 所以 open i i 谷歌都在搞自研推理，这个战场天然很难一家独大。你觉得推理赛道最终会走向寡头垄断，还是百花齐放？评论区告诉我你的判断。 再看中国厂商，二零二五年，国产 ai 加速卡整体市场份额已经提升到百分之四十一，华为、升腾、韩五 g、 摩尔县城、阿里平头哥、百度、昆仑星，五路大军同时冲锋。根据二零二六年初行业发布的预测数据， 二零二五年中国 ai 推理芯片市场规模已达到三千一百零六亿元。这是一块足够大的蛋糕。但别急着乐观，面前还横着两道硬砍。第一道是制造产量，中芯国际 n 加二工艺已量产，但根据二零二六年八月的最新业绩数据，其月产量仅约一万片， 而 h p m 高带宽内存仍是供应链最薄弱的环节，占 ai 加速器成本的近一半。第二道砍是光刻机，国产 e u v 原型机已经能产出十三点五纳米光源，但功率只有一百到一百五十瓦， asml 最新基准已经跑到六百瓦，这个差距不是靠喊口号能追平的。认同的扣个一。所以结论很清楚，训练是英伟达的堡垒， cuda 加开发者生态短期内无人能破。但推理是一个全新的战场，成本敏感，生态迁移成本低，专用芯片有天然优势。 对中国厂商来说，推理是国产替代最现实的突破口，但能走多远，取决于中兴国际的产能爬坡速度和光刻机的突破节奏。关注文哲，每天用商业逻辑拆解科技圈的大小事。本视频内容仅供学习交流，不构成任何投资建议。
28闻哲聊AI
01:21查看AI文稿AI文稿做产品和品牌的兄弟们，你知道干翻华为意味着什么吗？苹果的竞争对手是华为的手机，特斯拉的竞争对手是华为的 a、 d、 s 智驾。高通的竞争对手是华为的麒麟芯片。谷 歌的竞争对手是华为的鸿蒙。微软的竞争对手是华为的鸿蒙 pc 和华为云。甲骨文的竞争对手是华为的高斯数据库。 英伟达的竞争对手是华为的升腾 ai 芯片。英特尔、 amd 的 竞争对手是华为的鲲鹏服务器芯片。思科的竞争对手是华为的五 g 通信。 一家中国企业单挑了整个美国高科技产业，为什么华为能做到？至？因为华为在每个赛道都构建了完整的全站能力。回到咱们 ai 营销赛道，大部分服务商在做什么？拿到客户资料扔进 ai， 批量生成宣传稿，找媒体中介，全是 c 级自媒体稿， 没有央媒，没有财经门户，没有权威信源，没有回流优化大模型，根本不采信，这叫无效 ai 营销。真正有效的品牌 ai 可见度建设，需要的是全站能力。 从抓取大模型原声问句到诊断六大 ai 平台推荐落差，到四层信源金字塔，分层建设，到内容结构化生产，到分层精准投发，五个环节缺一不可。 华为用全站紫盐单挑整个美国科技产业。在 ai 营销赛道，也只有全站能力，才能让你的品牌在 ai 世界里真正被看见。评论区留下你的行业，我帮你看！
02:44查看AI文稿AI文稿嘿，大家好，最近半导体圈特别火的两个话题，一个就是华为的韬定律，另一个就是垄断全球的 ai 算力的英伟达的 gpu。 很多人搞不懂，说这两条路线到底差在哪呢？我今天就跟大家稍微的讲一讲，他们两个人的优劣势和区别是什么。 黄仁勋说十年前台积电就搞了这个技术了，这话靠谱吗？先跟大家分析一下这两个路线的核心区别吧。 我想说英伟达走的是改良版的摩尔定律，那么打个通俗的比方，英伟达是好比把几栋楼建好，这个楼房他并排的摞在一起，而楼房的内部的房间格局完全不动，直接靠外部的通道把它连接起来。 而我们华为的滔定律是直接换了赛道了，提出呢时间的微缩，替代几何的微缩。 用楼房做个比喻，华为不是拼楼层的高，而是把每一层的内部的办公室全部重新拆了，重新组装， 省去大量的通行的距离，从根源上提速，两别两者他直接的差异，英伟达是这个堆叠的芯片制成的成品，外部的拼接， 而涛定律呢，是逻辑上整个的设计的范式的革新，不是一类技术。英美达的路线呢，低成本特别高， 高端的 ai 的 芯片配套呢？封装服务器，整个的机器的价格呢？居高不下，而且还高度的依赖海外的先进的，先进的制成的与设备供应链的存在一些外部的风险， 多部的多芯片的堆叠，芯片之间的信号的传输呢，损耗大，能效是一般的。而华为的韬定律的就不一样了，它不依赖顶尖的 u v 三 n m 二 n m 的 先进的制成供应链可以自主 内部的逻辑的呢，折叠的大幅降掉，降低了这个整个信号的延迟，同等算力下的能耗呢，是非常低的，而且能效是非常高端，测边缘服务器等等算力都能用。 而韬定律它的劣势就是配到的软件生态起步比较晚， ai 的 开发者的模具呢，还需要很长时间去完善，超大规模的万卡级的集群的落地时间呢，要短期呢，要少于应为达，而且我们整个的技术的体系量产迭代还需要市场的一些验证。 我想说英伟达是在摩尔定律上老路老路上不断的推进啊，那么而韬定律呢，是在开辟后摩尔时代的全新结法，靠架构换道来突破制程的封锁。好，你听懂了吗？跟大家再继续探讨。
278三梨说
00:24查看AI文稿AI文稿华为发话，英伟达的路快走到头了。华为首席半导体科学家廖恒公开发话，英伟达做大芯片加堆 hbm 的 路线存在物理天花板最多再延续两到三代，芯片面积越大，数据传输通道和散热跟不上，越过极限就是雪崩。 十四岁上清华普林斯顿博士后，这位升腾惦记人的话不是空谈，是从物理规律出发的判断。当所有人都在追更大芯片时，华为已经用滔天律换了赛道。
2472美超半导体研发
02:04查看AI文稿AI文稿至少落后两代升腾九五零 d t 能效反超英伟达 b 三百。那么近日啊，月之暗面发布了二点八万亿参数的 kimi k 三大模型，这是全球参数规模最大的开源模型。 那么想跑动这个级别的模型，算力底座呀是关键。海外知名科技博主基于公开参数做了一组仿真的推演，横向对比升腾九五零 d t 上一代升腾九幺零 c 和英伟达 b 三百在运行 kimi k 三时的能效表现，结果在单位工号下生成偷坑数量这个关键的指标上， 升腾九五零 d 七实现了对 b 三百的全面超越。更关键是啊，升腾九五零 d 七采用的制程工艺啊，比 b 三百落后两代制程落后，能效反超靠的是华为在易购计算架构、软硬件协调和系统及优化上的积累。 这正是华为韬定律技术路线的体现，不依赖单一制程领先，而是通过整机系统层面的深度优化，实现跨界追赶 那升腾九五零的真正优势。在集群层面，基于它搭建的阿特拉斯九五零超节点集群，最大支持八千一百九十二张算力卡高速互联， 集群规模是英伟达 n v l 幺四四方案的五十六点八倍，集群 f p 八总算力达到了八亿 flops， f p 四精度达到了十六亿 flops， 总内存容量一千一百五十二 tb， 相比上一代阿特拉斯九百超极点训练性能提升了十七倍。更值得注意的是生态层面的进展。 kimi k 三发布之后呢？华为盛腾看第一时间宣布盛腾九五零全系列，即艾特拉斯 a 三产品完成对 kimi k 三的对零适配。 跃进科技基于开源推理引擎 s g 浪在盛腾艾特拉斯 a 三上完成了 kimi k 三的推理适配。 kimi k 三官方要求至少六十四卡基均才能够实现高效推理， 而升腾超级点架构恰好能够充分的发挥这种大一批部署场景的优势。国产大模型与国产算力硬件的双向适配啊，正在加速自主可控的软硬件闭环持续完善。 t b c 创始人梁文峰在投资人闭门会议上也表示，所有 g b。 三百能做的任务，华为超级点都能做，延迟都一样。总之呢，制程落后，两代能效却反超了国产算力，正在用系统级创新证明这条路我们走得通。
331万大叔
00:34查看AI文稿AI文稿为什么英伟达能把显卡卖遍全世界，却始终进不了华为的采购清单？不是英伟达没牌面，而是华为根本不需要。当英伟达统治 ai 算力市场，一颗芯片卖出数万美元天价时，华为转头在自家升腾上搭起了完整的 ai 帝国。英伟达是卖铲子的王者， 华为却自己造了台挖掘机，连铲子带履带一整套打包，别人还在比谁的铲子更亮，他已经开始挖地基了。更离谱的是，华为能同时搞定芯片、服务器、框架模型的全站字眼。你买英伟达只是买芯片，而华为是直接拎包入住，这就是华为的魅力。
414腾科运营AI小鱼
04:12查看AI文稿AI文稿阿鑫，上期咱们把国产 ai 芯片的大局盘完了，我最好奇的就是华为升腾，它能坐稳国产头把交椅，是单卡性能已经追上英伟达了吗？小雨，你这个问题其实是个常见误解， 升腾能当国产龙头，核心竞争力从来都不是单卡硬件性能，老规矩，只做产业与公司分析，无任何投资建议。 今天咱们把升腾的技术路线、产品布局、真实规模和优劣势一次性说透。先讲最基础的，升腾的芯片和英伟达 gpu 本质上不是一回事儿吗？完全是两条路线， 英伟达走的是通用 gpu 路线，什么计算活都能接，像个全能杂工。升腾用的是自研达芬奇架构，属于领域专用架构，说白了就是不追求什么都能干，专门给 ai 计算量身定做的架构。它的核心是叫三 d cube 的 计算单元，你可以理解成一条专门算矩阵乘法的流水线， 而大模型的核心运算刚好就是矩阵乘法。所以纯 ai 任务上，它的能效比和算力密度天生就有优势。那代价是什么？代价就是偏科， 成也专用，败也专用，碰到科学计算、图形渲染，这对非 ai 任务，它的效率会明显打折扣。通用性天生就不如英伟达的通用 gpu。 这条路从设计之初就选了深耕 ai， 放弃全能，落到具体产品上。升腾是目前国产里产品矩阵最完整的，分训练和推理两条线，打法完全不一样。高端训练线主力是升腾九一零 b、 九一零 c， 性能对标英伟达 a 一 零零称的是技术门面， 但他很少单独卖裸卡，基本都是打包成 atlus 训练服务器，甚至整座智算中心的万卡集群方案一起交付 客户，以政务云、央企和智算中心为主。那这种高端卡普通客户买的到吗？基本买不到。高端卡主要走政企和智算中心的大单，不面向普通客户。真正走量呢，其实是推理端，主力是升腾三幺零系列， 对应 atlas 推理卡，在安防监控、工业质检、政务服务这些场景落地非常多。听着推理端才是走量的，一年大概卖多少？从规模上看，华为官方没单独透露升腾的财报数据。 根据 idc 等机构的计算，二零二五年升腾 ai 加速卡出货量占到国产市场约两成， ai 服务器出货十几万台，同比增长翻倍。算上整机和集群方案，全年相关收入在大几百亿的量级，增长速度非常快， 相当于高端训练撑场面。推理端跑规模。对，再准确点说就是高端训练托住技术上线， 推理端跑出现金流量。听下来，芯片性能和产品布局是基础，那它能拉开和其他国产厂商的差距，核心靠的是生态。核心差距确实在软件体系，但不只是生态这么简单。它真正的壁垒是全站闭环的自研能力， 底层有对标库德的 cnn 计算架构，上层有自研的 minusboard 深度学习框架，从驱动算子库到开发工具，全链路都攥在自己手里。 华为二零二五年报透露，现在升腾开发者已经有四百万，和近万家伙伴一起做了上万个行业解决方案，生态成熟度在国产厂商里是独一档的。那这么封闭，别人不会有顾虑吗？ 但短板也恰恰出在闭环上，客户一旦选了升腾，从硬件到软件等于全链路绑定，华为很多互联网大厂、市场化企业都会有供应商单一的顾虑，这也是他在市场化客户里拓展慢的核心原因。 全站自主是他的护城河，可闭环绑定也成了他的围墙。明白了升腾是全站闭环的集团军打法，那下期要讲的韩五 g 和他最大的区别是什么？是路线的本质分歧。 韩五 g 是 纯第三方中立厂商，不做上层应用，不绑定任何大厂，走的是完全独立的自研路线。 一边是全站闭环的巨头生态，一边是中立第三方的独行侠。国产 ai 芯片的两条路，到底谁能走得更远？想接着看路线对决的，记得关注新宇财报局，下期拆解韩五 g， 我 们不见不散！
59阿昕说
05:05查看AI文稿AI文稿我先说一句可能颠覆很多人认知的话，很多人其实看错了今天的芯片战争，所有人都在盯着几纳米，盯着单颗芯片的跑分高低，觉得，哎，谁的工艺先进，谁就是最终赢家。但我看完张小俊对华为半导体首席科学家、升腾惦记人廖恒的深度访谈过后， 彻底的通透了。其实真正的芯片对决，未来赢的从来不是一颗芯片设计，而是一套完整的计算体系。我去认真梳理了一下午，我尽量把里面最核心、最底层的逻辑，用大家能够听懂的方式重新拆解给大家。最大的误区是，芯片战争不只是拼制程。很多人理解芯片战争就是看七纳米、五纳米、三纳米， 数字越小，芯片越先进。所以网上永远有一个问题，中国什么时候能够追上最新的先进制程？但如果只盯着纳米数字，我们是永远看不懂今天的芯片战争的， 因为芯片从来不是一个单独的零件，它背后是一套复杂的完整体系。廖恒在访谈中用半导体十八层宝塔这样一个形象化的框架去描述了半导体产业链的复杂程度。很多人会认为芯片就是设计出来，然后交给工厂去制造， 实际真的远没有这么简单。从最底层的灰材料制造设备工艺技术，再到中间层的芯片架构、电路设计、封装技术，最后再到上层的编辑系、算法库、软件生态等等等等，这些环节是层层连接的，任何一个关键环节不足，都会影响整个系统的能力。 这座塔的高度呢，不取决于我们的最长板，而会受到短板环节的质疑。在这里我想给大家分享一个很多人忽略的点，芯片竞争不是看到某一项技术突破就去盲目的乐观，也不是看到某一个环节受到限制就彻底的悲观。 因为芯片本质上是一场长期的系统工程，底层硬件研发周期很长，投入大，一次流片可能需要很多个月甚至更久，试错成本是非常高的， 但是软件算法和应用层是可以快速迭代的，所以所谓的软硬结合并不是简单的用软件去弥补硬件的差距，更重要的是通过软件生态和应用需求反向去推动硬件的优化，让他的研发方向更加精准。这也是现代化科技竞争越来越重要的一种模式。很多人认为只要志成领先就一定赢， 但现实情况是这样的吗？不是的，随着芯片进入先进制程的阶段，摩尔定律带来的经济收益在明显下降，很明显了吧，芯片款式还可以继续缩小，但是你的制造成本会越来越高，工艺难度会越来越大，性能提升的边际收益也是逐步的降低的。很多人就会误解啊，是不是先进制程就已经不重要了？ 当然不是呀，先进制程依然非常重要，但它已经不是提升计算能力的唯一道路。过去的几十年，芯片行业主要靠缩小晶体管，提高性能，降低成本，但未来的算力提升需要更多的依靠架构的创新、软件的优化、多芯片的协调、系统级的设计等等等等。 简单来说，以前比的是发动机的最大功率，未来比的是整辆车的综合效率，以前的芯片竞争更关注的是单颗芯片的性能，但是 ai 时代是完全不同的， 你要去训练大模型，需要的不是一颗芯片，而是说大量的计算芯片，高速的互联网络，海量的存储啊，复杂的软件调度啊。所以今天大家要去比的不是说什么单卡跑分，而是整个计算集群的协调效率。这也是为什么有些芯片看起来参数很亮眼，但是真正记录 ai 应用场景过后，表现并不一定很理想， 因为跑分是单点能力， ai 需要的是系统能力，未来真正的赢家不一定拥有单颗性能的最强芯片，而是一定拥有最高效算力体系的一方。很多人认为因为达强是因为 gpu 性能领先，这个只是表面啊，真正形成长期壁垒的是它背后的软件生态。比如 cuda， 几 十年来，大量的开发者、科研机构和企业围绕着这个生态开发，去形成了这个工具链、算法库、开发习惯、应用体系，这个就是生态壁垒。我直白一点说，硬件能力可以通过投入和技术累积逐渐去追赶，但是生态是时间沉淀出来的，它并不是造出一个芯片就能够复制的。 真正去挑战英伟达，不只是做出一颗性能接近的芯片，而是让整个开发者和应用生态迁移到这个新的体系里面。但是这件事情的难度远超过单纯去制造芯片。 这也是为什么华为升腾的发展路径，并不是简单的追求单颗芯片性能的极限，而是在芯片软件集聚生态多个方向同时去建设发展，这背后不就体现了另一种竞争思路了吗？不一定在单点性能上硬碰硬，而是通过系统能力去寻找新的突破路径。 我们就回顾一下以前 pc 时代，微软依靠软件生态建立优势，在移动的时代，苹果是通过软硬闭环形成了竞争力。但是在 ai 时代，核心竞争力正在变成谁去拥有最强的系统闭环能力。 未来竞争不只是什么芯片设计，也不只是什么制造工艺，而是设计制造软件、算法、应用整个链条，能不能够把它连在一起。我知道很多人会觉得芯片离自己很远，其实并不是我们现在正在使用的 ai 助手、智能汽车，什么医疗、人工智能，什么工业机器人，包括未来大量的智能化应用，背后都是依赖算力的。 过去是工业时代比的是能源，互联网时代比的是信息，人工智能时代比的是算力，而芯片就是算力时代最重要的基础设施之一。所以我们要去看懂芯片战争，不应该只问中国什么时候能够做到几纳米，更应该去问中国有没有建立完整的计算体系。 因为真正的科技领先，从来不是某一个零件的领先，而是一整套能力长期积累后的结果。芯片只是一块硅片，但芯片背后是材料制造、软件生态、创新能力的综合体现。 未来芯片竞争的终局从来不是比谁拥有更强的一颗芯片，而是谁拥有更完整的体系、更成熟的生态以及更持续的创新能力。我们只有去理解这个体系过后，才算真正的看懂了这场科技的竞争，我是陈十一，明白了吗？拜拜。
1257你好陈十一
00:43查看AI文稿AI文稿国产 ai 芯片可能正在迎来一个关键转折点。有最新行业预测认为，二零二六年国产 ai 芯片在中国高端市场的份额可能接近百分之九十。如果这个趋势继续下去，未来 ai 芯片的竞争可能就不再是简单的英伟达。对国产芯片真正的战场是整个 ai 算力生态。从华为升腾、 韩五 g、 海光碧刃、木兮摩尔现成，到国产服务器 ai 集群，再到国产软件生态，都在加 苦其短板。因为 ai 时代，芯片只是第一步，谁能把芯片、服务器、软件模型和数据中心全部串起来，谁才真正掌握 ai 算力的主动权。所以，接下来国产 ai 芯片的真正大戏可能才刚刚开始。
33具身圈
00:31查看AI文稿AI文稿老黄和叔妈急破房，英伟达和 amd 在 中国市场高端芯片份额断崖式下跌，两家加在一起现在只剩不到百分之十，剩下九成全被国产芯片拿下了。 要知道，就在去年，英伟达一家还占着国内百分之五十五的份额，巅峰时期简直是一家独大，短短一年，格局彻底反转，其中华为生腾一家就吃下了近半数市场。说白了，这波封锁硬是把国产算力逼上了一条全占自主的路。但份额不等于能力，真正的考验才刚刚开始，你觉得国产芯片能走出自己的一条路吗？
143肖博聊创业
01:34查看AI文稿AI文稿华为升腾九五零 p r 正式对标英伟达 h 二零，国产 ai 芯片算力超英伟达 h 二零将近三倍，你没听错，不是一点一倍，是二点八七倍。华为放大招了，最新发布的升腾九五零 p r 段力直接反超英伟达二点八七倍，一张卡能干三张 h 二零的活。升腾九五零 p r 的 算力大概是超越了 h 二零两点八倍，差不多三倍，我觉得这是可喜可恶的事情， 虽然有很大的进步，但是我们也得清楚这当中的一个差距， h 二零是什么？ h 二零应该是目前我们国内通过正规渠道能够买到的最强的一个推理芯片，二零二二年 h 一 百发布， 但是呢，英伟达的 h 一 百没有办法直接卖给中国的客户，因为是受限制的，所以他们只能搞搞了一个阉割板，也就是 h 八百。但是随着时间的推移， h 八百的性能这个老美那边认为还是超标了，所以后面他又搞了一个 h 二十的阉割板，也就现在我们刚才说的 h 二零。 而这个阉割版相比二二年推出的 h 一 百的性能大概差，差距是在算力的差距是在有七八倍左右，所以三分九五零对比的是 h 二零，而 h 二零是二二年发布 h 一 百的阉割版的阉割版。而现在老美那边最先进的架构是 b 两百， 然后 b 两百前面还有个 h 两百，所以整体的这个差距大家应该可以看到， 从时间线上来看的话，差距应该是在三年左右，有进步是值得这个欣喜的，但是我们仍然要看到差距，千万不能骄傲自大，整天遥遥领先，事实的差距他就摆在这里。
1359我叫CJ
04:51查看AI文稿AI文稿为什么华为升腾参数不出英伟达，价格还便宜一半，各大互联网巨头却还是疯抢涨价缺货的 h 一 百？绝大多数人都误以为胜负取决于芯片算力。可行业真实答案恰恰相反， 算力只是门面一套，垄断全球二十年的软件生态，才是所有互联网巨头绕不开的枷锁。巨头们花几十亿美金抢购的这些芯片，买回去到底在跑什么？答案就四个字，大模型训练。说白了就是算惩罚，而且是海量的惩罚。 你想象一张巨大的 excel 表格，里面上万一个数字要跟另一张表格里上万一个数字挨个相乘，再相加一遍，算完还不算完，同样的操作得重复几百万次，这就是大模型训练的日常。传统 cpu 干这活是什么画风？就像让一个大学教授解一万道小学数学题， 教授脑子再聪明一次也只能算一道，算完再算下一道，一万道题算下来天都黑了。 j p u 就 不一样了，它相当于找来一万个小学生，人手一道题同时开算，哗啦啦几分钟全部搞定。 这就是并行计算的核心逻辑。也是为什么 c p u 只能做日常调度，根本扛不住大模型训练。但你要是以为堆核心就是英伟达的全部底牌，那就太小看他了。 核心数量这事， amd 和华为都能堆。英伟达真正狠的地方，是围绕这套并行架构量身定做了一整套加速外挂，贪丝扣专算矩阵，乘法效率翻倍。 低精度计算，用八位小数代替三十二位，速度快四倍。 hbm 把数据通道从单车道扩成八车道，不堵车。 nv 可直接在每两张卡之间拉条专属高速路，省掉四成算力损耗，攻得四刀，有伤就追不上。 但以上这些，都还不是英伟达最可怕的地方，真正的护城河，叫哭的一套你看不见摸不着的软件生态。硬件可以抄，参数可以追， 但二十年攒下来的软件家底不是几年能赶上的。打个比方你就懂了，其他芯片厂商卖给你的是一台顶配电脑硬件啦们盼着透虎人，英伟达卖给你的是这台电脑加上 windows 系统，再加上 office 全家桶， 再加上应用商店里所有软件。你买别家电脑回去，发现开机没系统，系统装好了没软件，想装软件，得自己一行一行写代码。 酷达就是英伟达的 windows。 在 这套系统上，英伟达攒了几千个线虫的工具箱，训练、推理、调优、躲卡、调度，全给你安排明白了。更关键的是，全球所有主流 ai 开发工具， python、 tensor、 flow 这些全部原声适配。 哭搭什么意思呢？全世界几百万程序员都在用同一种语言写代码，所有教材教程、开源项目都寄予这套体系。 你写一行代码，底层自动调用最优方案跑得飞快。换套别家芯片，什么画风？就像把你扔到一个只说土著语的小岛，语言不通，工具没有，想干活得自己从头造。所有代码不能直接用，算法得重写，参数得重调，出个 bug 连百度都搜不到答案。 给你讲个圈内真事，某大厂去年组了个上百人的博士团队，想把训练机群从英伟达换到国产芯片，干了八个月，烧了三千万， 最后发现，光是最底层的算子适配这一项，时间就够他们把模型重新训两轮了。这不是换个零件，这是把整个地基挖了重盖。英伟达这套玩法就是典型的杨某。硬件是门票，生态是监狱。 你用他的卡出问题，全网都是解决方案。你用别家的卡出问题，官方文档都可能对不上。现在招一个懂 c、 u、 d、 a 的 工程师，年薪百万起，招懂其他生态的，简历都收不到几份。 华为升腾，国产标杆，硬件水平相当，能打，但配套的看了生态才积累几年，跟酷的二十年沉淀比，差距是实打实的。高阶功能适配不全，射距活跃度只有英伟达十分之一。中小模型没问题，超大模型全流程训练还有明显瓶颈。 谷歌 tpu 呢？听着很牛，但它是苹果系统，只给自己用，不兼容外面主流软件，想拿它跑，开源模型代码从头改一遍，有内功夫不如直接买英伟达 a、 m、 d 的 r o c m。 硬件参入确实能打，但软件生态像个半成品 工具箱，缺东少西，大量高级功能跑不了，轻量级模型错后用万亿财主，大模型一上，稳定性直接崩。 一句话他们都能算，但只有英伟达能让你算得省心，算得放心，算得不秃头。这就是为什么 h 一 百卖到二十万还得配货，巨头们咬着牙也得抢。 不是英伟达便宜，是换了别人代价大到扛不住。国产芯片的破局点，从来不在硬件跑分上追平英伟达，而在于让全球几百万开发者真心觉得用你真想那一天还很远，但路在脚下，硬件可以弯道超车，生态没有捷径。
679灵GO
02:10查看AI文稿AI文稿全网都在说的全球要芯片前五名，今天一条视频说清楚，记不住的点赞收藏，买车买房都用得上。第五名，英超英特尔 英超的看家本领是 zion 志强系列和边缘专用的伽利高迪系列， 主打一个通用算力，加低延迟，虽然不在 c 位，但全球服务器机房里依然到处是它的蓝色 logo。 第四名，华为海思华为升腾九幺零 b， 纯国产七纳米制成，自主研发，高速互联。别管外面风浪多大，他硬是撑起了国产大模型的算力计量，唯一的国货之光排在第四。 第三名， google 谷歌最新的 t p v 六，这是谷歌给自家大模型詹姆奈开的专属小灶， 能耗比极其变态，训练成本能打骨折。这位大佬很低调，但没他 ai 搜索的卡程 ppt。 第二名， amd 这两年杀疯了 mi 三百 x mi， 同级别算力下价格能把隔壁友商卷哭，凭借极致的性价比，两年逆袭坐稳全球第二把交易。 第一名， andy 英伟达，没办法，还得是皮衣刀客 h 一 百 b 一 百，明年还有爆炸级的 ruben 架构， 全球百分之七十的 ai 大 模型都得靠它吃饭。一张卡换一辆保时捷，这身价，这算力，绝对的垄断霸主。 这前五名里，你觉得谁最有可能在二零二六年把英伟达拉下马？咱们评论区见，关注我，看硬核科技。
49认知科技
00:44查看AI文稿AI文稿美国刚收紧芯片，华为反手就在上海扔出一枚算力核弹，外媒集体破防，评论区直接炸锅，啥玩意这么猛？一千零二十四张深腾芯片，当成一台电脑协同干活。 好比一千个顶级数学家用心灵感应解同一道题，三微秒就同步一次，效率碾压传统方案六点七倍。现场甄姬跑着直接拿了大会最高奖。 更恐怖的是，官方说这玩意理论上能堆到八千一百九十二张卡，是英伟达顶级方案规模的十四倍。算力挤进全球超算前五名， 专攻万亿级大模型，训练时间直接砍半。这哪是超节俭，这是太空堡垒！关键是前代产品已落地商用七百五十多套银行互联网都在用。这不是 ppt， 是 真金白银下单的东西。美国到底制裁了个寂寞，还是逼出了更强大的对手？评论区 battle 一下。
48眼前一亮
06:25查看AI文稿AI文稿朋友们，今天咱来聊聊二零二六年算力圈的大变天。你们有没有发现一个事， ai 的 玩法彻底换剧本了。三年前，衡量一家 ai 公司牛不牛，标准就一个，你囤了多少张？ h 一 零零那会，训练大模型就是 ai 的 全部大厂砸百亿抢英伟达的卡，搞算力军备竞赛， 英伟达有多猛？全球 ai 训练芯片百分之八十到百分之九十的市场份额是他的， amd 在 第二梯队吃灰，其他厂商基本在夹缝里求生存。 h 一 零零现货基本枯竭，缺口大概四十三万张，交付周期动辄一年半。 h 二零零呢？实际出货时间到现在还没个准信。但是到了二零二六年，画风突变，推理，也就是 ai 真正干活，回答问题的那个环节，正在吃掉算力的大头。 联想董事长杨元庆在五月业绩发布会上说了句话，特别火，现在百分之七十到百分之八十的 ai 算利用在训练上，推理只占百分之二十到百分之三十，但未来这个比例会彻底倒过来，推理算力要占到百分之七十以上。 transforce 的 数据更刺激北美五大云厂商二零二六年训练算力预计增长百分之五十六，推理算力直接暴增百分之一百二十二，后者增速是前者的两倍还多。全球 ai token 使用量上半年同比增长了四倍，推理需求已经超过训练需求八倍。 这意味着啥？算力的主战场从集中式训练转向了长期大规模运行的推理场景。而推理这事，不要求单卡算力登顶，他要的是成本、能效和规模化部署的可能性。 这些需求恰好是国内 ai 芯片厂商苦等多年的突围窗口。好，那咱先说训练短，英伟达在训练这块目前还是神一样的存在。 二零二六年英伟达高端 gpu 出货里， blackwell 系列占比从百分之六十一猛涨到百分之七十一。虽然下一代 ruby 系列因为供应链调教问题有延迟风险，但 blackwell 已经成熟到可以大规模出货了。英伟达还在疯狂砸钱搞生态。 黄仁勋在 gtc 二零二六上提出了 token 工厂经济学，把数据中心重新定义为生产 token 的 工厂，每瓦性能、每瓦 token 吞吐量成了衡量竞争力的终极标准。 谷歌、麦塔这些大厂也没闲着，谷歌自研的 tpu 已经发展到第八代，训练、推理全都有。麦塔今年三月也公布了自研芯片路线图，计划二零二七年底前部署四款新品。但说实话，短期内谁也撼动不了英伟达在训练端的统治地位。 三六零的周鸿祎今年一月就预测过，二零二六年 ai 芯片市场会形成英伟达主导训练、多家厂商分时推理的双轨格局。现在看来，这个判断准的离谱。那推理端呢？好戏全在这。 推理不要求单卡算力登顶，这让国产芯片有了弯道超车的可能性。而且推理成本在 ai 系统全生命周期里能占到百分之八十到百分之九十，谁能把推理成本打下来，谁就能吃到最大块的蛋糕。先看华为升腾，二零二六年第一季度， 面向推理场景的九五零 p 二加速卡和 atles 三五零服务器率先上市，一百二十八 gb 大 内存，数据吞吐速度一点六 tb 每秒， 单卡算力达到了英伟达 h 二十的二点八七倍。到了八月，更猛的九五零 dt 提前上线，自研 hbm 芯片性能翻倍，内存带宽从一点六 tb 每秒飙到四 tb 每秒。 华为轮值董事长徐志军早就画过路线图，一年一代算力翻倍。更狠的是超节点方案，把八千一百九十二张芯片连在一起， f p 八精度下总算力高达一亿 f lobbs 上一代三八四卡超节点已经出货超五百套，被华为自己称为国内唯一真正大规模商用的超节点。 再看软件生态，升腾在算子编程层面实现了 triton 和 tile launch 接口百分之一百兼容，开发周期缩短到一周。升腾软件全面开园开放，拆成二十九个模块儿，编印效率提升百分之五十八。 黄仁勋自己在 cnbc 采访里都承认，英伟达已经大致把中国 ai 芯片市场让给华为了。除了华为，其他选手也在猛冲。 蒜苗科技六月十六号刚宣布，全国产自研的三 d token pu 芯片完成流片三 d 混合堆叠架构，十六 tb 每秒。超大待宽，从底层解决了大模型推理待宽不足的痛点。全流程国产化，从设计到制造全在国内完成。 中号新鹰深耕 tpu 全站，自研自研软件站已经适配了 deepsea、 智普通、一千万这些主流大模型，他们计划一到两年内把算力使用成本降到原来的十分之一以内。 天树至新更猛。路透社报道，字节跳动正在跟他洽谈采购至少五万颗 ai 推理芯片，用来支持豆包等 ai 产品，如果成了天树至新，将成为字节继华为和韩五级之后的第三大国产 ppu 供应商。 还有轻微智能与智源研究院联合发布的可重构智算超节点，集成四千零九十六颗自主研发芯片，单极群算力达到每秒五百千万亿次 数据最能说明问题。英伟达在中国 ai 芯片市场的份额从三年前的百分之九十五暴跌到百分之八左右，国产 ai 加速卡市场份额突破百分之六十。 摩根士丹利预测，二零二六年，华为一家就要拿下中国 ai 加速器市场百分之六十二的份额，含五 g、 百分之十四，百度、阿里各百分之五左右。朋友们，你们品品这个变化，三年前是英伟达百分之十四，百度、阿里各百分之五左右。朋友们，你们品品这个变化。三年前是英伟达百分之六十加，这是渐近式变化，这是彻底翻盘。 当然，咱也得客观说，单芯片性能和英伟达最顶级的还有差距，但推理场景对单卡峰值算力没那么苛刻，更看重集群效率、能效比和成本。国产厂商走的路线是用集群规模弥补单芯片差距， 你一张卡比我强，我一千张卡连起来跟你拼。还有一个变量电力。周鸿祎特别指出，未来致力 ai 发展的核心瓶颈会从算力芯片转向稳定充足的电力供给，全球科技竞争将升级为能源大战， 而中国依托东数西算和绿色电力能力，在这场新竞争里已经占了先发优势。最后总结一下朋友们二零二六年的算力格局，就是一个双轨制，训练端，英伟达继续当老大，推理端国产芯片集体突围， 这不是谁取代谁的问题，而是市场在分化，需求在转移，机会在重构。三年前，大家拼的是谁能用最低成本让 ai 干最多的活。 这场算力大洗牌才刚刚开始，后面还有更多好戏看。好啦，朋友们今天先聊到这，觉得有用，点个赞，咱们下期见！
510AI 启示录🇨🇳
