华为昇腾拿下50%中国份额！但真正厉害的是改写英伟达的游戏规则

华为全连接大会上，徐直军披露了一组让全场安静的数字：昇腾在中国AI芯片市场的份额达到50%，英伟达降到8%。四年前这两个数字是反过来的，英伟达95%，昇腾3%。

这组数字出自机构测算，不同口径的统计差异不小，但50%对8%的格局本身已经不需要争了。值得琢磨的不是"昇腾怎么做到的"，而是50%和8%到底在衡量什么。

它衡量的是芯片的颗数，不是有效算力。 一颗芯片摆进采购清单就是一颗，不管封装等级、算力规格、片上带宽，数过去就是一颗。训练大模型吃的是有效吞吐：同一颗芯片放在不同架构里，真正能兑现的浮点算力利用率差距可以是好几倍。采购名单上写的是颗数，集群里跑的是有效算力。

但我想说的是：昇腾这四年做的事，是把竞争的基本单位从一颗芯片换成了一整套系统。单颗算力暂时追不上，就把一百万颗芯片变成一台计算机。

受国内先进制程节点限制，单看一颗芯片的性能，昇腾和英伟达仍有差距。徐直军自己也坦陈了这一点。但华为没在这条道上硬刚，不跟你比单芯，跟你比整个集群怎么协同。这套打法的底层叫Peerium计算架构，核心是两条：嵌套并行打破图灵范式的串行，统一内存寻址加对等互联，突破冯·诺依曼的主从架构。换句话说就是让百万级处理器不再是一堆互相等数据的孤岛，而是像一台计算机那样协同工作。

支撑这套架构的关键技术叫灵衢（UnifiedBus），解决一个老问题：传统数据中心里PCIe、NVLink、以太网十几种协议并存，跨节点流量要在协议之间来回转换，每次转换都卡微秒级的等待，集群规模一铺开，计算单元大量时间在空等数据。灵衢做的事就是把十几种协议统一成一套，计算、存储、网络全在一条总线上平等互联，协议转换的中间开销从微秒级压到纳秒级，柜间通信带宽做到800GB/s。带宽翻倍不稀奇，难的是协议统一。CPU、NPU、内存、SSD、网卡、交换机的底层设计得同时改，不是单买几块交换芯片就能搭出来的。

光协议统一还不够，电互联的物理瓶颈在那摆着。高速信号走铜线，距离稍长就衰减、发热、占地方。华为的解法叫Hi-ONE，业界首个量产的近封装光学NPO引擎。单引擎传输7.2T，36条光通道每条跑200G，最难啃的是内置光源：业界多数方案走外置光源，一个光源馈送32路信号，功率得放大32倍，耦合接口容易出问题。徐直军判断，未来两三年内很难有其他厂商做出内置光源方案。主芯片到光引擎的距离只有约5厘米，就剩这一小段用铜线，其余全部走光。

数据算一下。昇腾960超节点用约5500个Hi-ONE，替代了原本需要的4.8万颗800G光模块。一个Hi-ONE顶9颗光模块，省掉的是4万多颗模块的采购成本、插损和功耗。系统功耗直接降了550多千瓦，相当于少了一个中型数据中心一年几百万元的电费。无故障运行时间提升一倍，可用度到99.8%。这不是省几块钱的事，是整个节点的供电和散热设计都跟着简化了。

协议统一了，光互联拉近了，最终落在一个可量化的结果上：10万卡集群的模型浮点算力利用率（MFU），从行业普遍的20%跃升到35%。别小看这15个百分点，它把同等硬件规模下的有效训练吞吐多拉了七成多。传统架构下10万张卡里有8万张在等数据传输，通信占了训练时间四成以上，集群越大通信开销越重，MFU越往下掉。灵衢统一了协议、Hi-ONE把光互联拉近了，跨柜往返时延压到约2微秒，4096卡超节点还能省掉196公里铜缆。在万亿参数模型上，这15个百分点意味着训练周期按周计地压缩。汪涛在会上说，MFU每提升1个百分点，模型迭代时间就能提前约3天。15个百分点，就是一个半月。

这些指标不是理论值，已经在商用产品上跑出来了。昇腾910C超节点已部署超过1000套，联合3000多家伙伴孵化了7000多个行业方案，覆盖互联网、运营商、金融、教育、医疗、交通、制造20多个行业。新一代昇腾950超节点（Atlas 950 SuperPoD）已经规模商用。昇腾960超节点单节点支持4096卡、8EFLOPS FP8、1PB HBM统一内存，风冷版计划2027年二季度上市、液冷版三季度上市。一个25.6万张卡的超级集群正在部署测试，对应的是未来两年中国6到7家前沿实验室训练10万亿到40万亿参数基础模型的需求，这个规模也受制于数据中心电网承载力。

能把芯片、总线、光引擎、液冷、软件同时改到位，门槛不在某个零件，在跨环节协同。华为把昇腾超节点、鲲鹏超节点和KV Cache子系统放到同一套灵衢协议下对等互联，热、温、冷数据分层访问，KV Cache一跳直达。系统能力是在这种协同里长出来的。单个部门搞不定，得芯片、网络、存储、散热几个团队一起改。

软件这一层的进度比硬件更难量化。两年前昇腾最大的坎是PyTorch和CUDA筑起的软件壁垒。海思首席科学家廖恒在同场演讲里说，近18个月随着模型数学复杂度提升、新编译器语言不断涌现，前沿实验室对CUDA的依赖已经明显下降，软件差距在快速收敛。CANN开源后进了PyTorch官方支持列表，和英伟达、AMD、英特尔并列，社区月活开发者超过5200人，外部开发者占比61%首次超过内部，已建成26个行业算子库。2026年7月，华为联合百度、京东云、中国移动和电子标准院发布OPEN NPO国内统一MSA多源协议，把接口标准从一家企业的方案推到行业协同，还在全球光互联标准组织OIF提了NPO标准立项。标准这件事的价值不在于谁先想到，在于谁把它写进规范里。

份额过半是个阶段性读数，不代表替代已经走完。徐直军说了一句大实话：目前制约昇腾进一步放量的主要问题不是市场需求，是供货能力。他判断全球AI算力供需平衡大概在2029年实现，中国可能稍晚。960液冷版2027年三季度才上市，25.6万卡集群的部署结果还在测，这几个时间点能不能赶上，决定了替代是持续的还是阶段性的。

读一家公司发布会的价值，不在它宣布了什么，在它给出的时间表能不能被后续事实验证。但有一件事现在就可以下判断：当算力竞争的单位从一颗芯片换成一套系统，英伟达那套"卖最先进单卡+收CUDA税"的游戏规则，就已经被从根上改写了。