文章图片
文章图片
科技 I 渝码科技
7 月 11 日 ， 《The Information》援引多位供应商人士消息称 ， 华为正酝酿一次“推到重来”式的芯片重新设计 。
将现有昇腾系列所采用的 ASIC（专用集成电路）路线 ， 整体转向更接近 GPGPU（通用图形处理器）的架构 ， 并同步推出兼容 CUDA 的中间件 。
该消息若属实 ， 这不仅意味着华为在AI芯片技术路线上的重大调整 ， 更可能重塑中国 AI 算力市场的竞争格局 。
1、为什么“改弦更张”？
在 A100/H100禁售、特供版“阉割”的背景下 ， 英伟达仍通过 GUDA生态牢牢占据中国 AI 训练 90% 以上份额 。
国内大模型初创公司宁可高价求购“水货” ， 也不愿迁移到其他平台 ， 核心原因就是软件栈迁移成本过高 。
同时 ， 昇腾 910B在INT8/FP16推理场景下能效比出色 ， 但面对大模型训练所需的高带宽、双精度浮点、稀疏计算等需求 ， AISC 的固定管线难以灵活扩展；而GUDA的可编程性天然适合算法快速迭代 。
此外 ， 华为 CANN平台虽持续迭代 ， 但开发者规模、开源模型仓库、第三方框架插件与 CUDA 相比差距明显 。
兼容 CUDA， 等于拥抱现成的十万级开发者与数千个加速库 。
2、“重新设计”到底改什么？
根据爆料 ， 华为新一代 AI 芯片将在三大层面动刀：
架构：放弃纯 ASIC 的“硬化”思路 ， 转向 GPGPU 的 SIMT（单指令多线程）+ Tensor Core 混合设计 ， 保留部分可配置矩阵单元 ， 兼顾能效与灵活性 。
互联：或采用类似 NVLink 的 die-to-die 高速总线 ， 方便多芯堆叠 ， 解决大模型训练中“内存墙”问题 。
软件：推出“CUDA-to-CANN”动态翻译层 ， 开发者无需改一行 CUDA 代码即可在华为芯片上运行；同时继续维护原生 CANN 栈 ， 确保长期可控 。
3、时间表与落地挑战
供应链消息指出 ， 华为内部已成立“GPU-Lab”特别项目组 ， 由 2012 实验室与海思联合牵头 ， 目标 2025 Q2 完成首颗流片 ， 2025 Q4 小规模送测 。
真正的挑战在于：
先进工艺：GPGPU 对 5 nm 以下 EUV 产能需求高 ， 在美国制裁阴影下如何持续获得良率可控的代工资源 ， 仍是最大不确定因素 。
IP 风险：SIMT 指令集、纹理单元、缓存一致性协议等核心 IP 是否涉及英伟达/AMD 专利？华为需要绕开或取得交叉授权 。
商业闭环：兼容 CUDA 只是“敲门砖” ， 如何在训练、推理、云、端之间形成可持续的订阅或授权商业模式 ， 比做一颗芯片更难 。
4、产业影响：谁喜谁忧？
云厂商：阿里、腾讯、百度等原本被迫“囤货”英伟达 ， 一旦华为 GPGPU 性能/软件差距缩小 ， 议价权将显著增强 。
服务器 OEM：浪潮、超聚变等可顺势推出“国产 GPU 整机” ， 降低供应链风险 。
国产 AI 芯片初创：壁仞、沐曦、天数等原本走 GPGPU 路线的公司 ， 将面临华为在资金、渠道、生态上的降维打击；而坚持 ASIC 路线的寒武纪、地平线 ， 则需要在细分场景里跑得更快 。
最终用户：大模型创企、高校、科研院所 ， 短期内多了一个“能用 CUDA”的国产备选方案 ， 长期看仍需观察性能、价格、可持续供应 。
个人认为 ， “做芯片 ， 十年磨一剑；换架构 ， 等于把剑回炉重铸 。 ”华为此次若真从 ASIC 转向 GPGPU ， 既是一次技术路线的自我否定 ， 也是一场生态战略的豪赌 。
赌赢了 ， 中国在 AI 算力的“第二选择”将真正落地；赌输了 ， 则可能丢掉昇腾多年积累的 ASIC 优势 。
但可以确定的是 ， 在美国持续加码的出口管制下 ， 留给中国厂商“试错”的时间窗口 ， 正在迅速收窄 。
【从“专用”到“通用”—华为 AI 芯片架构大转向背后的信号】?
推荐阅读
- 2025 表现「最佳」小屏手机
- 骁龙8至尊版旗舰重回低价，6260mAh+8T屏，国补后依然“真香”
- 小米果断“发飙”，16GB+1TB+骁龙8至尊版，售价更给力了
- 从落后到反超！华为Mate70系列销量超越小米15，领跑国产旗舰
- 为销量“不择手段”，骁龙8Gen3+6100mAh，已跌至1669元
- 千元机诞生“新卷王”，180W跑分+7000mAh泰坦电池，仅售1393元
- 半导体材料，从幕后走上台前
- 打官司输给龙芯！MIPS处理器第五次卖掉自己 接盘的是“AMD女友”
- 华为等被排除在外，“理由”站不住脚！
- “一句话秒出PPT“的荣耀YOYO，AI生产力有多强？