中国AI算力芯片的创新与生态发展新篇章

中国算力芯片领域正经历一场静默而深刻的变革。

在2025年华为全连接大会上，华为推出了多款关键芯片新品，涵盖昇腾950系列、960以及970等AI芯片，并展示了未来三年的昇腾AI芯片发展蓝图。

其中，950系列采用了两个不同后缀——PR（Prefill & Recommendation，预填充与推荐）和DT（Decoder & Training，推理解码与训练）。

传统AI芯片在处理大模型推理时面临资源争用难题，而互联网平台企业的推荐算法推理模型所需内存容量同样巨大。如何在算力、内存容量和内存带宽之间实现平衡，是提升投入产出比的核心。

华为的“P/D分离”设计尝试通过为不同应用场景配置差异化的算力、内存容量和带宽来达成这一目标。

这种设计正是应对中国AI市场现实挑战的体现：能够运行DeepSeek满血版几乎成为国内衡量AI计算系统的试金石。然而，要承载671B的参数，仅采用不同版本Memory的成本差异就可能高达数万美元。

可以说，中国AI产业的市场化需求，正倒逼国产芯片实现产品创新。

从产品视角看，发布会上的这一最大亮点，也是一个强烈的行业信号：

1）以DeepSeek为代表的应用与基础模型产业方，在持续且深度地推动中国AI芯片进步；更进一步，受益于中国庞大的数据中心基础设施规模与未来需求，“华为-海光-其他”的生态格局基本形成；

2）时代亟需一个具备技术背景、对市场应用娴熟于心、同时懂得平衡取舍的产品经理人才梯队；

3）AI产业的繁荣与领先，是AI芯片突破与创新的前提。

01 产能已非瓶颈，下一步聚焦生态建设

从近期华为主动释放的信号及行业信息看，华为的产能约束已基本缓解。

数据中心的三大基石是计算、通信（网络互连）和存储，这是分析算力系统必须牢记的前提。在AI算力系统中，影响计算性能的也可划分为三部分：设计算力值、计算核间高速互联以及存储带宽。

在《软银投资20亿，英特尔成为全球高端制造业最大变数》中，笔者曾提到算力大小与工艺制程强相关，而这种高端工艺制程主要体现在Fab的高端产能与先进封装。

为华为提供类CoWoS封装的企业，今年已出现产能盈余并向外释放，说明在7nm节点附近，华为的需求已基本满足。

再来看高速互联。

WAIC期间，超节点成为AI基建的重头戏。其中，华为的CloudMatrix384成为亮点，其特征是点对点、全互联、超高带宽网络，通过UB协议连接所有NPU和CPU。

CloudMatrix384通过Ultra-High-Performance Networking实现了CPU、NPU、内存、网卡及其他资源的完全点对点解耦与池化，其点对点硬件架构包含用于超节点内扩展的超高带宽统一总线（UB）、用于超节点间通信的RDMA，以及用于与数据中心网络集成的虚拟专有云（VPC）。这再次证明，通信技术本就是华为的核心优势。

再来看内存带宽。

华为在通信领域积淀深厚，高速互联技术可谓其“老本行”。

再来看内存带宽。

本次发布会上，华为发布了950、960、970系列产品，其中最引人注目的950系列推出两个版本，从应用上看这标志着PD分离在硬件层面的解偶，而从结果看，内存带宽也跟上了步伐。

计算、高速互联与存储带宽这些硬件均实现重大突破，产能问题解决后，华为需攻克的下一个堡垒是产品生态。

2022年，当业内开始关注CUDA生态对英伟达的意义时，构建生态似乎成为老生常谈。

生态的本质是生意。

Intel构建了X86生态，英伟达构建了CUDA生态，乃至苹果、小米、腾讯都有各自生态。其共同点在于，依附于生态中的每家企业、机构、开发者都能找到生态位、实现商业变现并获利。

总不能指望，当一家企业举起生态大旗，众多企业便不求回报地投入资源。无利不起早，才是商业世界的常态。

具备生意（潜力）是生态建立的基础。

传统华为可能正面临（并进行）模式转变，从封闭到开放，从肥水不流外人田到利益共享。Intel和英伟达作为带头大哥走过的路，华为也需践行。

这条路上华为并不孤独，因为还有海光。

地缘政治风险中，孕育了自主可控机遇。作为技术国产化成功典范，海光凭借X86架构优势，其CPU在信创和国产化市场中所向披靡。随着资本积累日益丰盈，其技术实力与产品涉足领域也与日俱增。除CPU外，AI算力芯片、RAID Controller、高速网络芯片日渐成熟，在数据中心重要芯片上，海光正一步步攻城略地。

2025年5月下旬，海光宣布将合并曙光。更早前，这两家兄弟公司已在生态层面协同，重新定位旗下企业，通过让渡市场措施，实现与国内服务器厂商及其他产业链企业合作，构建系统层面生态。

可以说，“华为-海光-其他”的格局基本形成。

基于此观察，可进一步推演：

华为将在不久后做出选择，到底是IDM还是Fabless模式。当然，无论做何选择，它可能仍保持对产能的强力控制；

合并后的海光下一步，将是入股高端产能，在当前中国，这大概率意味着Fab是SMIC或华虹。从商业实操看，华虹可能性更大。至于OSAT，通富微电本就与海光关系千丝万缕。

02 中国芯片产业步入产品经理时代

上文提到，本次发布的950系列受关注核心在于其PR和DT两个不同型号，这正是业界探索已久的“P/D分离”。

这又是一个类似于DeepSeek发布时的解码游戏。

为解释此概念，需回顾大模型演进历程和中国AI算力面临的实际挑战。

大模型参数量从十亿级别起跳，百亿千亿成常态，直至万亿规模。这些参数需极大存储空间，且计算时需极高速访问存储器，这就要求极高带宽。这催生了HBM这种兼具大容量和高带宽的新型存储器。

计算时，算力大小也决定计算效率，因此AI芯片的目标设计算力也尽量做大。

然而，少有产品经理在设计中深入思考算力与存储带宽的最佳配比。毕竟，除英伟达和Broadcom为大平台订制AI芯片外，能用起来已属不易。

但现实问题是，HBM成本极高，单GB容量的HBM是DDR的近10倍或更高。对中国AI芯片公司，不仅成本压力大，且获取足够产能、甚至稳定供应都是挑战。

一个优秀的产品经理、架构师，之所以合格、优秀，在于会优化、取舍，做好Trade-Off。优化与取舍的前提，是对应用场景有深刻理解与洞察。

在AI应用场景中，对资源需求最高的，除模型训练过程外，一是耳熟能详的大语言模型，一是每家互联网公司的主要利润来源——推荐算法。

在大模型推理中，常用以下两项指标评估性能：

TTFT（Time-To-First-Token）：首token生成时间，即从用户输入完毕到大模型回复第一个字所花时间，主要衡量Prefill阶段性能，这是一种计算密集型任务，对并行能力要求高，但对内存带宽相对可低；

TPOT（Time-Per-Output-Token）：生成每个token的时间，即用户直接感受到的回复速度，主要衡量Decode阶段性能，此阶段对内存容量和带宽要求更高。

当Prefill和Decode在同一块AI芯片上运行时，由于两阶段计算特性差异，会导致TTFT和TPOT间资源争抢。若优先处理Prefill以降低TTFT，Decode性能可能下降。若选择提升TPOT，则会增加Prefill请求等待时间，导致TTFT上升。

这次华为的两个型号，采用不同内存容量和带宽，应采取了PD分离思路，正是为打破此矛盾。

可运行DeepSeek满血版，几乎成为国内衡量AI计算系统的试金石。

然而，要放下671B参数，仅采取不同版本HBM的成本差异就可达数万美元。而在互联网平台企业，其推荐算法推理模型所需内存容量也巨大。若能在算力、内存容量和带宽间取得优化、取舍与平衡，投入产出比就会提高。

时代呼唤专业的AI芯片产品经理。

事实上，国内芯片企业中，真正具备产品经理能力的人才非常稀缺。在芯片主要由外企垄断时代，一家芯片企业的ProductMarketing或Product Line Manager是产品线核心管理岗位，一般由总部极少数人担任，随着中国市场需求与美国出现一定不同，才有中国大陆人逐步跻身此岗位。

而在中文语境下，“市场经理”常被理解为负责市场传播或市场推广的角色。在当今国内AI芯片企业，目前仍是研发岗定义产品。

从DeepSeek满血版提出的要求，到FP8数据精度国产化需求，直至这次P/D分离，隐隐可见模型应用提出需求进而驱动产品定义趋势在中国已然发生。那么理所应当地，一个具备技术背景、对市场应用娴熟于心、同时具有平衡取舍之道的产品经理，将成为下一阶段定义和推动算力芯片与系统发展的主导力量。

此趋势，是AI芯片与AI系统专业化、精细化的开端，是产品运营上新台阶的标志。

此趋势，是“需求决定供给”这一经济学规律在AI中国市场中的再次体现。

03 AI产业是战略高地，AI芯片与AI产业互相促进

正因如此，我们必须旗帜鲜明地说：不能为发展AI芯片，而拖累放缓AI产业进步。

AI产业的繁荣与领先，是AI芯片突破与创新的前提。

AGI和可控核聚变是人类文明当前面对的两座生产力高峰。在当前地缘格局下，大国竞争围绕这两座高峰展开。而企业间竞争，都在力图确保自己留在牌桌上，不被时代甩后。

正如战争一样，不能仅凭热血和口号，但使用落后武器装备去攻占战略高地，我们应利用一切可获优势资源确保战争胜利。

在通讯行业、电力行业、大基建行业，正是由于我们市场规模大、终端产业繁荣，一步步倒逼上游技术突破与产品创新，最终在全行业上下游实现各环节突破。

在AI产业竞争中，首先要确保在竞争中留在牌桌上、甚至成为最领先的佼佼者。正如一次次案例说明、也如经济学规律揭示，只要AI产业我们处于世界领先水平，其所引领趋势、提供的丰富场景和明确需求、以及最重要的资本与人才、行业know-how积累，最终都会推动我们的AI芯片、算力系统取得突破，这只是时间问题。

不过，网络上有句流传很广的话：成年人不做选择，我都要。

作为一个超大规模经济体的中国，在行业丰富度、产业协同度和资本积累程度上，当前基本具备“都要”的实力。也就是说，在市场化经营下，既有着使用世界顶级算力设施冲顶的基础与必要性，也有着扶持AI国产算力所需的资源与意愿。

努力奋斗的目的，正是为争取更多选择空间，于个人、于国家，皆如是。

经过各领域国人同胞们多年不懈奋斗与多方面积累，我们身处产业变革与飞速发展时代，这是理性者的福音，是魄力者的机遇，更是每一个普通奋斗者可能的逆袭之路。

（本文作者姚金鑫（J叔）为芯片创业者，CCF高性能计算专委会执行委员）