昇腾#

华为覆盖芯片、灵衢互联、Atlas 整机、CANN 软件栈和云服务。910C 支撑现有超节点，950PR 已上市，950DT 面向下一代训练系统。

950PR 一行采用 Atlas 350 板卡规格；950DT 的数据来自产品规划。

华为在 2026 年全联接大会展出了 Atlas 950 超节点，并发布 Peerium 计算架构。Ascend C 新增 SIMD/SIMT 编程模式和 PTO ISA，芯片与软件栈同步迭代。960DT、960PR 的计划上市时间也提前到 2027 年一季度和三季度：

950PR 侧重计算密集的 prefill 和推荐，950DT 则为 decode 和训练提供更高的带宽与互联规格。

寒武纪与海光#

• 寒武纪：思元系列走专用 AI 加速器路线。2026 年上半年营收约 60 亿元、归母净利润约 23.1 亿元，收入几乎全部来自云端产品。
• 海光信息：DCU 采用 GPGPU 架构，软件栈包括 DTK、DAS 和 DAP，已适配多款主流模型。公司上半年营收约 91 亿元，包括 CPU 与 DCU 两条产品线；CUDA 项目迁移到 DCU 主要依靠 HIP 和对应的算子库。

摩尔线程、沐曦、壁仞与燧原#

2026 年，这四家已有产品进入量产或客户交付，后续型号仍在开发：

路线分化#

软件迁移主要有三条路径：摩尔线程 MUSA 和沐曦 MXMACA 提供 CUDA 源码适配，海光 DCU 使用 DTK 与 HIP，昇腾 CANN、寒武纪 Neuware、燧原 TopsRider 则有各自的算子与运行时。迁移成本落在目标模型的算子、低精度格式和集合通信适配上。

单卡#

图中再加入 B200，可以看出这几代卡的容量、带宽和算力如何分化：

910C 的显存容量高于 H100 的 80 GB 型号，带宽与 H100 接近；到 B200 这一代，算力和带宽又拉开了距离。显存决定模型能否常驻，推理速度还要结合模型精度和 KV cache 占用看。

互联#

910C 的卡间互联标称 784 GB/s，与 H100 NVLink 4 的 900 GB/s 属同一量级；950DT 规划提升到 2 TB/s。2026 年公布的 Peerium 架构进一步把灵衢互联和跨节点统一编址纳入系统设计，目标是扩大多卡协作的计算域。

制程约束#

芯片设计之外，制程、HBM 和封装产能共同决定供货。950PR 已少量上市，950DT 的训练超节点仍在测试；这轮产品迭代的推进速度也取决于供应链扩产。

CloudMatrix 384#

Atlas 900 A3 SuperPoD 把 384 颗 910C 组成超节点，CloudMatrix 384 是华为云基于它提供的服务。Atlas 900 A3 的部署量从 2026 年 7 月的 750 多套增长到 9 月的 1000 多套。

SemiAnalysis 在 2025 年对 CloudMatrix 384 和 GB200 NVL72 做了系统级估算：

384 颗对 72 颗：CloudMatrix 用更多芯片换来了更大的总显存和标称算力，也付出更高的功耗与整机成本。这组数字解释的是系统架构取舍；采购时还要比较目标模型的吞吐、能效和机房成本。

从 384 卡到 950 超节点#

2026 年 7 月展出的 Atlas 950 SuperPoD 实机为 1024 卡，华为公布 FP8 1 EFLOPS、FP4 2 EFLOPS 与 256 TB 统一编址空间。单套 8192 卡、16 PB/s 是满配规划；华为披露正在部署测试的 25.6 万卡 则是多套超节点组成的集群。华为云宣布 950 智算集群服务从 9 月 30 日起在国内商用。

光互联让计算域跨越单柜。CloudMatrix 384 大量使用可插拔光模块；2026 年发布的 Atlas 960E 则采用近封装光学（NPO）方案，规划单套扩展至 4096 卡，使用 5500 个 Hi-ONE 模块。960DT 芯片的计划上市时间是 2027 年一季度。

P/D 分芯#

按第二篇的 roofline 理解，prefill 更吃矩阵算力，单请求 decode 更吃访存带宽。950PR 的 Atlas 350 板卡提供 1.4 TB/s，950DT 规划使用 4 TB/s 的 HiZQ HBM，对应两种不同负载。

拆分部署时，KV cache 要从 prefill 节点传到 decode 节点；传输成本和请求批量一起决定整套系统的吞吐。

软件栈#

昇腾与 NVIDIA 软件栈的功能层次对照如下，迁移工作主要落在框架、算子和通信上：

PyTorch 通过 torch_npu 使用 CANN，集合通信由 HCCL 提供；推理侧可以选择 MindIE 或 vLLM-Ascend。后者已支持部分 Ascend 950 型号、模型与低精度格式，部署时按 HDK、CANN、torch_npu 和推理引擎的兼容矩阵选定版本。海光、摩尔线程和沐曦各有自己的软件栈与适配路径。

迁移成本#

推理侧先检查 attention、MoE 和量化算子，再按相同输入长度与 batch 测首字延迟、逐 token 延迟和显存占用。训练侧还要验证精度、集合通信、检查点恢复与多机长稳。遇到缺失算子，需要移植或重写 kernel，工作量取决于模型使用了多少专用算子。

适配进度#

vLLM-Ascend 在 2026 年陆续加入 Ascend 950、MXFP8/MXFP4 和更多模型的支持。官方矩阵列出了卡型、模型、精度及对应的软件版本，也标明仍处于实验阶段的组合。选型时可直接用目标配置对照矩阵。

个人#

华为在 2026 年全联接大会推出开发者 100 NPU-Hour 计划，适合先试算子和模型。长期使用可租华为云昇腾实例或第三方算力，950 智算集群服务也已宣布在国内商用。想研究数据中心 NPU，租用对应卡型比购买桌面消费卡更直接。

企业与集采#

企业采购要核对目标模型的精度与吞吐、多卡通信效率、故障恢复时间、供货周期和软件支持。950PR 供货有限，950DT 训练系统仍在测试；沐曦 C600 已量产，C700 仍在开发。交付阶段会直接影响项目排期。

沿用第三篇的显存、带宽、互联与总成本框架，再加上软件迁移和供货计划，就能把不同国产方案放进同一张选型表。