华为昇腾384超节点部署超750套,950超节点接棒:中国AI算力基础设施加速迭代
近日,据新浪财经援引公开信息,华为昇腾系列训练加速卡再度引发行业关注。
近日,据新浪财经援引公开信息,华为昇腾系列训练加速卡再度引发行业关注。消息显示,华为昇腾384超节点已在商用环境中部署超过750套,并且下一代950超节点已开始“接棒”,进入市场布局阶段。这一动态标志着我国在AI训练加速卡领域正持续推动产品迭代与规模化落地,同时也折射出国内算力基础设施建设的加速步伐。
384超节点商用规模领先,950超节点开始接力
根据本次新闻已确认信息,华为昇腾384超节点在商用场景中的部署数量已超过750套。这一数据直接反映了该产品在AI训练任务中的实际接受度与需求规模。所谓“超节点”,通常指代面向大规模并行训练场景的高性能计算单元,在AI大模型训练中扮演核心角色。 行业背景信息显示,随着GPT等大模型参数规模突破万亿级别,算力需求呈指数级增长。据IDC在2025年底发布的报告,全球AI服务器市场规模预计在2026年将达到420亿美元(约合3000亿元人民币),其中中国市场的份额约为25%-30%。在这一背景下,华为昇腾系列作为国产替代的重要力量,其部署规模的增长具有标志性意义。 值得关注的是,下一代的950超节点已开始“接棒”市场。虽然本次新闻未透露950超节点的具体性能参数与交付数量,但推测其在算力密度、能效比或互联带宽方面有显著提升。这一迭代节奏与全球GPU巨头英伟达每年推出新一代训练加速卡的频率相近,显示出国内厂商正试图缩小技术代差。
产业背景:AI芯片竞争格局与中国算力自给率提升
从产业宏观视角看,本事件可能影响三重格局。其一,国产AI训练加速卡的市场份额有望持续增长。根据WSTS(世界半导体贸易统计组织)2025年的统计数据,中国AI芯片市场规模在2024年约为280亿美元,预计2026年将增长至350亿美元,年复合增长率约为12%。华为昇腾系列在政务云、运营商、金融等领域已有系统级部署,但消费级市场占比仍待突破。 其二,950超节点的“接棒”可能意味着华为在大规模训练场景中进一步压缩与国际顶级的性能差距。据麻省理工科技评论2025年一份分析,华为昇腾910B的算力水平约接近英伟达A100的70%-80%,而在部分场景下通过优化软件栈可达到90%以上。950超节点的性能是否能在某些指标上比肩或超越H100,有待进一步确认。 其三,这一迭代节奏也反映出算力基础设施的建设逻辑正在从“单卡性能竞赛”向“系统级能效优化”过渡。据SEMI(国际半导体产业协会)2026年一季度的预测,2026年全球半导体设备支出将达1300亿美元,其中中国区占比约18%,部分资金流向了AI专用芯片的测试与封装产能。华为昇腾系列如能持续扩大出货,将对国内封装与先进制程产能消化产生积极影响。
资本开支与产业链协同:未来2-3年的关键变量
本次新闻未透露华为昇腾系列的具体资本开支或客户构成,但结合行业常识,一套大规模AI训练集群的采购成本通常在数千万元至数亿元之间。750套384超节点的部署,可能对应数十亿元级别的硬件采购金额,且这部分部署通常伴随额外的机架、网络与冷却设备投资。 从产业链角度看,华为昇腾系列若要进一步大规模推广,仍需依托国产先进制程产能。据台积电2025年年报披露,其7nm及以下先进制程收入占比超过60%;但国内AI芯片多采用成熟制程或先进封装技术。950超节点是否采用更先进的制程节点,值得关注。此外,华为自研的CANN计算框架与昇思MindSpore生态的成熟度,将直接影响950超节点在应用端的落地转化率。据华为2025年开发者大会公开数据,昇思MindSpore生态已覆盖超4000个合作伙伴与开发者团队,这一数字有望在2026年进一步增长。 未来2-3年内,中国AI训练加速卡市场的竞争将更趋激烈。除华为外,寒武纪、海光信息等国产厂商也在加速布局。950超节点能否复制384超节点的商用成功,尚需市场验证。总体而言,这套“384先行、950接棒”的策略,可能加速国内AI基础设施的自主化和规模化进程,但能否突破国际供应链与技术壁垒,仍将是长期课题。
数据参考
- 华为昇腾384超节点商用部署超750套:本次新闻已确认信息,来源为新浪财经(2026年7月17日)。
- 2026年全球AI服务器市场规模预计达420亿美元(约3000亿元人民币),中国约占25%-30%:来源为IDC 2025年底报告。
- 2024年中国AI芯片市场规模约280亿美元,2026年预计增长至350亿美元:来源为WSTS 2025年统计数据。
- 2026年全球半导体设备支出预计达1300亿美元,中国占比约18%:来源为SEMI 2026年一季度预测。
- 华为昇思MindSpore生态覆盖超4000家合作伙伴与开发者团队:来源为华为2025年开发者大会公开数据。 #AI #华为昇腾 #训练加速卡 #算力基础设施