徐直军：华为昇腾中国份额已超英伟达！

华为昇腾中国份额超英伟达：AI算力竞争进入“体系化”新阶段

2026年9月17日，华为全连接大会期间，华为轮值董事长徐直军与海思首席科学家廖恒博士面对媒体，披露了一组关键信息：华为昇腾AI芯片在中国市场的份额已超越英伟达。同时，华为发布了面向AI时代的全新计算架构Peerium、互联技术UnifiedBus（灵衢总线）以及基于这些技术打造的Atlas 950 SuperPoD，并透露一个拥有25.6万张计算卡的SuperCluster正在部署和测试中。

这一消息的行业分量，远非一个市场份额数字可以概括。它意味着中国AI算力底座在经历了数年的“单点追赶”后，开始进入“体系化构建”的新阶段——从芯片、总线、集群到软件生态，中国科技企业第一次拥有了可以与美国AI算力体系进行全面对标的自主路径。

一、份额超越背后：从“有没有”到“用不用”的转折

徐直军在回答媒体提问时明确表示，根据华为收集的数据，昇腾已经超越英伟达成为中国市场第一大AI芯片供应商。尽管他同时强调英伟达的市场份额数据“很难收集”，但这一表态仍然具有标志性意义。

更能说明问题的是需求的转向。徐直军谈到，昇腾950PR推理芯片已推向市场，而基于昇腾950DT的SuperPoD训练集群正在测试中，大规模供应将在今年年底或明年年初开始。他直言：“不在于我们要多努力去推动模型提供商，而在于我们有多少供应能力。”这句话背后是一个重要的产业现实：中国头部AI实验室对国产算力的态度，已从“被动的备选方案”转向“主动的产能争夺”。

在回答中国推动芯片自给自足的问题时，徐直军的表述相当笃定：“中国人有强烈的紧迫感，不会接受由别人决定我们能否获得某些产品的未来。即使我们的芯片可能不那么先进，至少供应是有保障的。”这句话点出了昇腾份额超越英伟达的根本逻辑：在地缘政治持续施压的背景下，中国AI产业对“算力供应链安全”的诉求已经从技术选项上升为战略刚需。

二、Peerium架构：AI时代的“新计算机”

昇腾份额超越英伟达，只是结果；真正的技术变量，是华为在计算范式层面所下的赌注。

去年全连接大会，徐直军发布了昇腾芯片路线图和UnifiedBus开放协议。今年，华为将整套技术体系升维为Peerium计算架构。这一架构的要害，不是某一颗芯片的单点性能，而是“让一百万个处理器像一台计算机一样工作”。

传统计算体系建立在冯·诺依曼单机架构和主从模式之上，CPU指挥，其他部件执行。这种模式在单机时代效率不低，但一旦进入“万卡、十万卡、百万卡”集群规模，主从架构的通信开销和同步瓶颈就会急剧放大。英伟达用NVLink解决机架内通信，用InfiniBand解决机架间通信，但两种协议之间的转换延迟以微秒计。

华为的选择是另起炉灶：用嵌套BSP（批量同步并行）扩展图灵并行范式，用统一内存寻址和对等互连替代主从模式，再以UnifiedBus一种协议贯穿机架内、机架间、数据中心间乃至自治区域间的所有通信层级。廖恒对此有一个形象的比喻：“想象一下，如果你的旅程涉及飞机、高铁和汽车，中转相当耗时。有了UnifiedBus，从纵向扩展网络移动到横向扩展网络，可能只需要150纳秒，协议转换开销至少节省了一个数量级。”

值得关注的是，UnifiedBus协议自去年开放以来，下载量最大的地区竟是硅谷。这一细节说明，华为在AI互联技术上的方向判断，已经引起全球最前沿工程师的注意——尽管华为可能并不希望在硅谷获得那么多关注。

三、25.6万卡SuperCluster：正在部署中的“算力巨兽”

在本次大会上，外界最关心的技术参数之一，是华为训练集群的规模化上限。

廖恒在回应中透露，25.6万卡（约20万）规模并非随意选择的数字。这一规模与未来两年中国6到7家前沿AI实验室训练10万亿到40万亿参数基础模型的内存需求相匹配；同时，考虑到单个数据中心园区的电力输送系统设计，20万卡也是一个较为务实的持续训练规模。

不过，需要特别厘清的是：华为目前正在推进的并非已完成部署的25.6万卡集群，而是“正在部署和测试中”的SuperCluster。在产业界极易出现“发布即量产”误读的当下，这一表述的准确性尤为重要。从历史节奏看，华为去年发布的SuperPoD解决方案已出货超1000套（搭载384个910C处理器），而基于昇腾950DT的SuperPoD训练集群，其规模化供应要待今年年底或明年年初才能启动。

即便如此，25.6万卡的测试规模本身已是全球AI算力竞赛中极具分量的一个坐标。要知道，业界最高水平的集群建设也正处于从“万卡”向“十万卡”跃迁的关键时期，多路线并行、多方案并存是当前格局。华为以“正在部署测试”的SuperCluster回应外界对其超大规模集群能力的关注，既是对工程节奏的如实描述，也点明了这一方向的现实挑战——从部署到稳定运行，还有相当长的路要走。

四、NPO的务实主义：华为为何没选CPO

在光互连路线的选择上，华为的取舍也折射出其工程哲学的独特性。

当前业界在解决“光进铜退”的问题上存在两条技术路径：CPO（共封装光学）将光引擎与交换芯片封装在一起，互连距离短但成本高、可维护性差；NPO（近封装光学）则保留了约5厘米的铜互连，将光引擎置于芯片附近，在成本、良率和可维护性之间取得平衡。

徐直军明确表示，华为内部几乎未就这一选择展开辩论，“华为从事光器件、光模块和昇腾芯片，所以我们知道哪个是我们的最佳选择。”这并非对CPO的全盘否定，而是基于工程实施、成本、供应链和可维护性的综合判断——NPO比CPO的成本低近40%，且光引擎出现问题时，AI芯片不会随之报废。

华为此次发布的Hi-ONE模块，即是一个NPO模块，支持7.2T带宽，距离主芯片仅5厘米，光源集成于模块内部。徐直军判断，未来两到三年内，其他厂商难以生产出同级别的模块，这得益于华为在光子学领域多年的积累。

更具风向标意味的是业界的集体转向：在国际光互联论坛（OIF）最近的讨论中，早前坚决支持CPO的部分成员已改变立场，启动了新的NPO项目。据徐直军透露，OIF约40家厂商在看到NPO带来的实际收益后，现在均对这一路线表达了支持。中国光模块产业本就占据全球半壁江山，华为在NPO路线上的坚定推进，也意味着中国AI算力底座在光互连这一关键环节上握有了更多自主定义权。

五、CUDA护城河正在被“新编程范式”填平

谈及昇腾与英伟达的最大差距，业界通常首先想到软件生态。廖恒坦承，昇腾遇到的第一大障碍并非硬件本身，而是软件生态——CUDA的长期主导地位使整个学术界和工业界习惯于“PyTorch加CUDA”的开发模式。

但廖恒同时指出，过去18个月发生了一个关键变化：前沿大模型的编程方式正在从“粗粒度PyTorch脚本”转向“大内核风格编程”，模型计算变得越来越细粒度，单纯依靠PyTorch已无法保持效率，开发者必须转向新的编译器语言和编程范式。

这一转变对后来者而言恰恰是“机会窗口”：当整个行业的技术底座发生位移时，CUDA的多年积累并不自动转化为新范式下的优势。廖恒认为，在软件生态层面，昇腾与CUDA的差距已经“大大缩小了”，甚至正在接近平衡。

当然，这种乐观的表述也需要审慎看待。CUDA生态沉淀了全球数百万开发者、数十年的算法库和工具链，短期内“抹平差距”并不可信。但华为的策略的确切中了要害：与其在CUDA的延长线上竞争，不如在AI计算范式切换的窗口期，用统一架构和开放协议重新定义竞争维度。廖恒所言的“CUDA不再被前沿实验室视为重要，远不如两年前那么重要”，虽有立场使然，但也确实指出了行业正在发生的变化。

六、供应链瓶颈与全球化取舍

对于产能瓶颈，徐直军的回应保持了清醒：“中国大陆的瓶颈基本上与世界各地的瓶颈相同。全球产业没有为我们所看到的AI激增做好准备。”光模块、存储产品的供应商之所以敢报出极高溢价，并非产品有多好，而是供应短缺。

他给出的全球供需平衡时间点是2029年左右，中国大陆可能更晚。而在此之前，华为的策略非常明确：优先供应对算力有迫切需求的中国客户；在中国以外的市场，只向“无法获得替代解决方案或者想要一个替代方案”的有限客户供应。近期有报道称马来西亚正在考虑将昇腾910C加速器作为其主权AI计划的核心，这恰是这一策略的落地案例。

值得注意的是，徐直军在回应中特别将华为的AI战略与其通信产业历史做了承接：“关注通信行业的记者朋友们可能知道华为过去几十年走过的历程。AI也是一样。”2007年至2025年间，华为累计研发投入超过1.8万亿元人民币，其中10%用于基础研究。这样的投入强度，是华为能够同时推进芯片、计算架构、总线协议、光互连、软件栈等多线创新的底层支撑。

在徐直军看来，UnifiedBus不仅是一张“总线”，更是AI计算未来的基座：“只有借助UnifiedBus互连技术，你才有可能构建一台拥有百万处理器的巨型计算机。”他预判，未来几年其他参与者肯定会跟进，这也是华为选择将UnifiedBus协议开放的原因——“我们期待全行业共同努力，迈向通用人工智能。”

结语：超越之后，真正的考验刚刚开始

昇腾在中国市场超越英伟达，无疑是一个值得标记的时刻。它意味着中国AI产业第一次在算力底座的“自主选择权”上获得了实质性突破。但超越英伟达的市场份额，不等于超越英伟达的技术体系。在软件生态的深度、开发者社区的广度、行业应用的工具链完备度上，昇腾仍有明显差距。

华为给出的解题思路不是“在英伟达的路线上跑得更快”，而是“换一条路，带上整个产业链一起跑”。从Peerium计算架构到UnifiedBus统一总线，从NPO光互连路线到开放协议构建生态，华为正在将过去三十年在通信领域积累的“系统能力”迁移到AI算力领域。

这场竞争的终局，也许正如徐直军所言，取决于整个中国产业链的供需平衡何时达成。但可以确定的是，AI算力的竞争已经不再是某颗芯片的独角戏，而是计算架构、互联技术、光电子、软件生态与制造供应链共同构成的“体系化”较量。在这个体系中，中国通信产业过去几十年锻造的工程能力，正在成为AI时代最坚实的底座之一。