华为宣布，昇腾市场份额已经超过英伟达，换新打法了吗？

华为这次最值得琢磨的，并不是又发布了一颗更快的AI芯片，而是准备把25.6万张卡组成一个更大的计算系统。更往前一步，Peerium甚至瞄准了百万级处理器协同工作。

单颗芯片暂时不是最强，就把几十万颗芯片“拧成一股绳”，这条路到底能不能跑通？更有意思的是，徐直军最新谈到昇腾时，已经把主要矛盾从“有没有客户”转向了“能不能供得上”。

当AI算力的竞争开始从一颗芯片扩大到整个数据中心，过去那套看芯片参数判断输赢的办法，可能真的有些不够用了。

一、单颗芯片还有差距，华为先把“比赛场地”放大了

9月17日，在华为全联接大会期间，华为正式公布Peerium计算架构。

按照华为给出的定义，这套架构通过嵌套并行、统一内存寻址和平等互联，希望让百万级处理器能够像一台更大的计算机一样协同运行。实现这件事的关键技术，就是灵衢UnifiedBus。

这个说法听起来很大，但真正值得关注的其实不是“百万”这个数字。

而是华为为什么越来越强调“很多颗芯片一起干活”。

原因并不复杂。

今天训练大模型，早就不是买几张高端加速卡插进服务器就够了。模型参数越来越多，上下文越来越长，真正到了大规模训练阶段，几千张、几万张卡一起工作已经很常见。

芯片数量一多，麻烦也跟着来了。

每张卡都要交换数据，模型参数需要同步，不同节点之间要通信。一部分处理器先算完，也不能自己往下跑，很多时候还得等别的处理器。

换句话说，集群越大，“交通堵塞”越容易成为问题。

这个时候，再单纯提高一颗芯片的峰值算力，效果就没有过去那么直接了。

发动机再强，路堵着，车还是跑不快。

所以华为眼下做的事情，可以理解成把竞争从“发动机”往“整条高速公路”上推。

今年7月公开亮相的Atlas 950 SuperPoD已经把这个思路做成了产品：单个超节点是1024卡，拥有256TB全局统一内存编址空间，提供1 EFLOPS FP8、2 EFLOPS FP4算力，依托TB级NPU互联超大带宽与3微秒超低RTT时延，突破集群内计算、存储等各类资源的通信瓶颈。

到了Peerium这一层，华为又披露，25.6万卡规模的Atlas 950 SuperCluster已经进入部署阶段。

这里要特别说清楚，25.6万卡不是塞进一个超节点，而是大量超节点进一步连接形成的超大集群。

这就很有意思了。

过去看AI芯片，市场喜欢比较谁的制程先进、单卡算力高、显存大。

现在华为希望市场再多看一层：一千颗芯片放到一起还能剩下多少有效算力？十万颗以后呢？

这并不是故意回避单芯片差距。

徐直军自己在近期交流中也没有遮掩这一点。他谈到海外客户时明确承认，昇腾与竞争对手相比仍有差距。问题在于，如果暂时不能只靠单颗芯片正面解决所有问题，系统工程就变得格外重要。

这也是中国AI算力产业目前一个很现实的选择。

先进芯片制造能力不可能一夜之间补齐，但模型公司的算力需求不会停下来等。

怎么办？一边继续补芯片本身，一边把互联、内存、光通信、集群调度一起往上提。

于是，原来容易被视为配角的技术，开始站到舞台中央。

这也是为什么灵衢的重要性可能并不低于某一代昇腾芯片。

按照华为的设计，它希望通过一套开放协议，把CPU、NPU、内存、SSD、网卡和交换机连接起来。

以前这些部件更像不同部门，各说各的话；现在要尽可能减少中间的协议转换，让数据少绕路。

说白了，就是卡多了以后，先想办法让大家少互相等。

这条路如果跑通，华为获得的并不仅仅是一个更大的集群。

它还会把竞争尺度拉大。

竞争对手需要面对的将不再是一张昇腾卡，而是一整套从计算芯片、互联、存储到光通信组成的系统。这恰好又碰到了华为比较特殊的地方：它不只做芯片，同时长期做通信、光网络、服务器和数据中心。

过去这些业务看起来分散，到AI基础设施时代，反而可以被重新拼在一起。

所以Peerium真正释放出来的信号，并不是“芯片已经不重要”。

恰恰相反。而是当单颗芯片越来越接近技术和成本边界以后，决定算力价值的东西开始往系统外扩。谁能把更多芯片真正用起来，谁手里的筹码就会增加。

二、份额刚有变化，华为碰到的新问题却是“有单没货”

比技术架构更耐人寻味的，是徐直军最近谈到市场时透露出的变化。

按照他的说法，在华为能够统计到的口径下，昇腾在中国市场的份额已经超过英伟达。

这个判断需要留一个边界。

徐直军同时承认，目前很难准确获得英伟达在中国市场的完整份额数据，因此不能简单把这句话理解成一份独立第三方机构给出的市场排名。相关媒体的报道也把它表述为“可统计口径下”。

但是，即便把这个口径收紧来看，变化仍然值得关注。

因为几年前谈国产AI芯片，市场最担心的问题还是：有人愿意用吗？

现在华为自己给出的答案是，最大的麻烦反而越来越像“供不上”。

徐直军谈到950DT时说得很直接。

950PR先面向推理市场，但目前上市量还不算大；用于训练的950DT超节点仍在测试，规模供货预计在今年年底或明年初。

真正值得注意的是他后面那层意思：往后影响昇腾推广的关键，可能已经不是推动力度，而是供应能力。

其原话是：“现在能产多少就供多少，我们希望产业链加快扩产，快一点、多产一点。”

这句话比很多漂亮的市场份额数字更能说明问题。

AI产业已经进入一个非常特殊的阶段。一边是模型公司拼命要算力，一边是芯片、HBM、光模块、先进封装乃至电力都开始紧张。因此真正限制AI基础设施放量的，已经不是一个环节。

徐直军甚至判断，全球AI相关产业真正走向供需平衡，可能要到2029年前后，中国可能还会更晚一些。这个判断当然属于企业管理层的预期，不是确定结果，但它至少说明，华为自己并不认为短期产能压力会很快过去。

这会带来一个很现实的变化。

过去国产AI芯片最大的挑战，是客户为什么不用。接下来更大的挑战可能变成，客户想用的时候能不能交货。这两种问题，看起来只差几个字，产业意义完全不同。

前一种意味着市场还没打开，后一种意味着订单机会已经出现，但供应链得跟上。这也是为什么华为目前对海外市场态度很克制。

徐直军表示，供应将以中国市场为主，海外只面向少数确有需求的客户。

不是海外没有需求，而是当前的算力产品连中国市场都还不能完全满足。

从中国AI产业的角度看，这其实把另一个问题推到了前台。

芯片自主化做到最后，从来不是一个企业单打独斗。

晶圆、存储、先进封装、光器件、电源、液冷、交换设备，任何一个地方卡住，大规模系统就很难真正铺开。

所以当华为说“能产多少供多少”时，表面谈的是昇腾，背后考验的其实是一整条产业链。

需求起来只是第一关。能够稳定、持续、大规模地把产品交出去，才是第二关。而第二关往往比第一关更难。

三、5厘米铜线换来近40%成本下降，华为算的不是参数账

如果说Peerium是在放大计算系统，那么华为选择NPO，则暴露出另外一种很典型的工程思维：

技术并不是越“极致”就一定越适合做生意。

目前高速光互联领域，CPO和NPO一直是两条受到关注的路线。

简单理解，CPO希望把光学器件贴得更近，尽可能和芯片深度封装；NPO没有走到这么极端，光引擎仍然保持一定独立性。

从距离来看，CPO当然更漂亮。

徐直军给过一个非常直观的比较：NPO保留大约5厘米的铜连接，而CPO大约可以做到5毫米。

一个5厘米，一个5毫米。

只看技术参数，好像答案已经出来了。

但华为最后偏偏选了前者，原因也很现实。

徐直军表示，按华为测算，相比CPO，NPO成本能够下降接近40%；更重要的是，光引擎坏了以后，不需要把整个AI芯片一起报废。

他同时强调，这并不是说CPO技术不行，两条路线本质上是在工程实现、成本、良率和维护之间做平衡。

这一点非常像制造业最熟悉的逻辑。

实验室里追求的是最好参数，真正大规模铺设备时，要算的是总账。

设备要买多少钱，坏一次损失多少，维修是不是方便，量产良率怎么样，跑三年以后还剩多少可用率。

AI集群规模一旦到几千、几万张卡，小概率故障都会变成日常事件。

这个时候，“方便维修”本身就是性能的一部分。

华为最新发布的Hi-ONE正好能说明这种思路。

这款NPO光引擎单个传输容量达到7.2T，是业界首个量产的NPO产品，也是唯一实现内置光源的NPO产品。用在昇腾960超节点后，华为称5500个Hi-ONE能够替代传统方案中约4.8万个800G光模块，整套系统功耗减少超过550千瓦，可用度达到99.8%。单个昇腾960超节点最高可以做到4096卡。

更关键的是，960本身也在提速。

华为最新披露，昇腾960DT预计在2027年第一季度就绪，比此前规划提前三个季度；960PR预计2027年第三季度就绪。华为还提出以后保持一年一代的演进节奏，2028年、2029年分别推进970和980。

把这些动作放在一起，华为的算盘其实已经比较清楚。

单芯片继续追，但不能只等单芯片，与此同时，把互联效率、统一内存、光模块数量、功耗和维护成本全部往下压。

最终比较的也不再是谁一张卡的宣传参数更漂亮，而是谁能够用更合理的成本，把一座数据中心真正跑起来。

这才是这轮AI基础设施竞争开始发生的微妙变化，英伟达原有的优势当然不会因此突然消失。

CUDA生态、领先GPU产品以及多年形成的开发者习惯，都不是一套新架构发布以后就能轻易改写的。

华为自己也在持续补软件这一课。CANN已经进入常态化开源运营，昇腾正在扩大对主流开源社区的支持。硬件能够连成一大片，软件如果不好用，最后仍然很难形成真正的规模优势。

所以现在还远不到宣布谁已经赢了的时候。

但旧格局确实出现了一个值得观察的松动。

以前AI算力市场很容易被简化成一道题：谁能拿到最先进的GPU？

现在题目正在变长。芯片从哪里来，几十万颗芯片怎么连接，数据怎样流动，光模块耗多少电，系统坏了怎么修，软件能不能迁移，最后每训练一个模型到底花多少钱——这些过去藏在后台的问题，正在一起走到前台。

华为眼下增加的筹码，也恰恰在这些地方。

25.6万卡能不能真正高效运行，950DT能否按计划规模交付，960提前之后能不能顺利量产，这些都还需要真实业务继续验证。

但如果几年之后回头看这一轮AI算力竞争，真正重要的转折点可能不是某一颗芯片跑出了多少分。

而是从这一阶段开始，行业越来越清楚了一件事：一颗芯片可以决定上限的一部分，但当算力进入十万卡、百万处理器时代，真正的大生意，已经是怎样把整座数据中心拧成一股绳。