ARTICLE · 1048202
华为AI算力连国内需求都还满足不了, 背后的真相竟然不只是“缺芯”
2026年9月17日，上海，华为全联接大会2026。
华为轮值董事长徐直军谈到AI算力时表示，华为当前AI计算产品的产能仍不足以完全满足中国国内市场需求，因此暂时没有全面拓展海外AI计算市场的计划。Reuters随后报道了这一表述。[1]
如果只看到这里，这是一个熟悉的故事：需求增长、先进算力紧缺、国产芯片补位。
但同一天，另一位华为轮值董事长汪涛公布的路线图，把故事从“一颗芯片”推到了“一整套计算系统”。昇腾960DT预计2027年第一季度就绪，比原计划提前三个季度；960PR预计2027年第三季度就绪；之后还有2028年的970与2029年的980。[2]
今天谈AI芯片，我们最容易记住的是峰值数字：FLOPS、HBM、制程、带宽。
但模型一旦进入十万卡规模，单颗芯片性能与整个系统性能就不再是一回事。
汪涛在大会上表示，传统服务器架构下，10万卡训练集群内部通信可能占据超过40%的训练时间。华为马尔科夫实验室的仿真则显示，同样10万卡规模，由4K级超节点组成的集群，相比传统8卡服务器组成的集群，MFU——模型浮点算力利用率——提高约2.75倍。[2]
这个数字很重要，但必须同时写上限制条件：2.75倍来自华为内部实验室仿真，并非独立第三方在真实10万卡生产环境里的验证结果。
百万卡当然足够吸引眼球。但真正值得盯的不是“卡有多少”，而是这些卡有多少时间没有在等待。
百万卡是规模，MFU才是效率。
一种很容易传播的解释是：中国先进制程受限，单颗芯片短期内难以追上，于是华为不比单卡，改做大集群。
这个故事太简单。
Nvidia早已不是一家只卖GPU的公司。Vera Rubin平台覆盖CPU、GPU、NVLink、Spectrum-X、BlueField、网络与软件栈；Nvidia还把Spectrum-X Ethernet Photonics明确指向百万GPU级AI Factory。[3]
所以真正发生的不是华为把“芯片战”变成了“系统战”，而是：
华为给出的答案之一是Peerium。按照华为官方说明，Peerium通过嵌套并行、统一内存寻址与平等互联扩展到百万级处理器；灵衢UnifiedBus则以一套开放协议连接CPU、NPU、内存、SSD、网卡与交换机。[4]
AI芯片的下一场战争，不只发生在芯片里，也发生在芯片之间。
“100万”适合做新闻标题，但真正能看到系统工程价值的，是一个小得多的数字：5500。
华为披露，昇腾960超节点采用NPO——Near-Packaged Optics，近封装光学。一套系统使用约5500个Hi-ONE NPO光引擎，用来替代传统方案中的约4.8万个800G光模块；公司口径显示，功耗可降低超过550千瓦，系统无故障运行时间提高一倍，可用度达到99.8%。[5]
规模越大，系统摩擦越多：光模块、交换设备、功耗、散热、链路和故障点都会一起增长。
所以系统工程真正要解决的不是“怎么把卡堆到100万”，而是：
昇腾960超节点官方给出的最大规模是4096卡，理论性能为8 EFLOPS FP8、16 EFLOPS FP4。[5]
这些峰值当然重要，但客户最终更关心的是训练完成时间、稳定性和成本。
理论算力负责告诉你机器有多强，单位Token成本才决定这门生意划不划算。
这是全文最容易在二次传播中被写歪的一处。
华为官方称，Peerium能够扩展到百万级处理器；但这不等于今天已经存在一台100万卡的华为AI集群。
9月17日的Peerium官方材料写得很明确：25.6万卡Atlas 950超节点集群已经在部署中，基于NPO的Atlas 960系统仍在测试。[4]
科技新闻最常见的误差，就是把“能够支持”写成“已经建成”。工程世界里，这两句话之间可能隔着数年的产品化、交付、可靠性和成本验证。
徐直军在此次大会上表示，他认为昇腾在中国AI芯片市场的份额可能已经超过Nvidia。Reuters同时注明，华为没有给出支撑这一估计的具体市场份额数据。[1]
而IDC关于2025年中国AI加速卡出货量的数据，给出了另一张快照：Nvidia约220万张，占55%；中国厂商合计约165万张，占41%；其中华为约81.2万张。[6]
因此目前更稳妥的结论不是“华为已经超过Nvidia”，也不是“华为肯定没有超过”，而是：
一颗国产AI芯片能把模型跑起来，只说明通过了第一关。
第二关更难：开发者愿不愿意长期留下。
华为官方披露，CANN外部开发者占比已达到61%，月活开发者超过5200人，基于昇腾+CANN原生训练的模型超过40个，昇腾已覆盖90多个主流第三方开源项目。华为还称，昇腾已经成为PyTorch官网可直接安装的算力平台。[2]
这些数字不能证明昇腾生态已经追上CUDA。Nvidia多年积累的库、框架、工具、教程、人才与开发习惯，仍构成很高的迁移成本。
真正的平台竞争，不是一次采购形成的，而是开发者留下来以后形成的。
华为今天大规模投入AI芯片与计算系统，当然绕不开供应安全。美国出口限制改变了中国获得先进AI芯片的方式，也加快了国内算力体系建设。[1]
所以“国产替代”回答的是第一个问题：有没有。
真正成为长期计算平台，还要回答两个问题：好不好用，以及愿不愿意一直用。
国产替代解决供应问题，系统工程解决效率问题，软件生态解决使用问题。
规模越大，故障域、通信拥塞、内存一致性、任务恢复、供电散热和运维复杂度都可能快速上升。
所以未来真正值得跟踪的，不是“百万卡”这一个数字，而是四个指标：
能连起来，不等于能高效地一起工作。
本文基于截至2026年9月19日的公开资料整理。凡涉及华为产品性能、MFU、系统可用度、部署规模、开发者数据等，均明确按“华为披露/华为仿真”口径表述；涉及中国AI加速卡市场份额，采用Reuters转述IDC的2025年出货量统计。不同统计口径与不同时间点的数据不可直接互相替代。
本文关于“系统战”“资本/供应约束”“软件生态”等内容属于基于公开事实的行业分析，不代表华为、Nvidia、IDC或其他相关主体的官方立场。文章不构成证券投资建议、产品采购建议或技术性能承诺。
真实照片均来自Wikimedia Commons，并在图注中标明作者、用途与许可。为避免误导，服务器与数据中心照片均明确注明并非华为实际设施。