2026.09.30 | AC | China AI | China AI Chips: Supernodes & HBM Bottlenecks

摘要

1、性能迭代及出货节奏; 2、超节点大规模组网及训练性能对比; 3、HBM供应瓶颈及国产化进展。

以下为专家观点：

请介绍一下昇腾系列AI加速卡（910、950、960系列）的性能、对标产品、技术规格情况？

昇腾系列目前主要涵盖910、950和960三个系列。 910系列目前主要是910C，其单卡性能对标NVIDIA A100，大约能达到A100性能的90%。该系列产品出货量已相对较小。950系列包含950PR和950DT两个型号，主要对标NVIDIA H100。算力方面，950系列提供1 PFLOPS的FP8算力和2 PFLOPS的FP4算力。在HBM配置上，DT版本为144GB容量、4TB/s带宽的HBM3；PR版本为128GB容量、2TB/s带宽。为应对HBM供应紧张，也推出了96GB HBM和DDR显存的降规版本。960系列是最新发布的产品，对标NVIDIA B300，但实际性能存在较大差距。该系列算力较950系列翻倍，达到2 PFLOPS的FP8算力和4 PFLOPS的FP4算力。HBM配置也显著升级，DT版本配备288GB容量、9.6TB/s带宽的HBM3E，容量和带宽相较于950DT分别提升了一倍和超过一倍。960系列同样分为PR和DT型号，该系列预计于2027年开始出货，主要面向互联网客户。在产品定位上，PR型号主要用于推理和推荐场景，而DT型号则侧重于训练和解码任务。

公司的“超节点”集群方案与NVIDIA的方案相比，在技术路径、规模和应用场景上有何差异与优劣势？

公司从910系列开始就已具备“超节点”集群方案，并延续至950和960系列，但与NVIDIA的方案在技术思路上存在显著差异。在小规模集群（如NVIDIA的72卡或576卡集群）范围内，NVIDIA凭借其自有的交换芯片、NVLink和NVSwitch等技术，在组网能力和延迟控制方面具有明显优势，其算力利用率和延迟指标均显著优于公司的方案。公司的优势在于能够构建更大规模的集群，例如384卡、1,024卡乃至4,096卡的集群。由于单卡性能相对较弱，公司的战略是通过大规模互联，将多张卡作为一个整体使用，以弥补单卡算力的不足。因此，当集群规模超过NVIDIA的常规范围时，公司在组网和协议层面的优势便得以体现。在应用场景方面，NVIDIA的集群方案主要用于模型训练。而公司的“超节点”方案则兼顾两方面：一方面是通过集群化降低推理成本，目前已有许多推理场景在“超节点”上运行；另一方面是为未来做技术储备，当单卡性能提升后，能够基于现有集群架构支持大规模训练任务。

目前有哪些客户大规模采购了公司的产品用于模型训练？

目前主要有三家客户大规模采购用于训练，分别是科大讯飞、DeepSeek和美团。

这些大规模部署训练集群的客户主要采购了哪种规格的超节点方案？

客户主要采用两种方案：一种是直接采购整套超节点方案，其中1,024卡或384卡的配置较为普遍；另一种是采购64卡的机柜方案，然后自行进行组网。

客户选择采购64卡机柜自行组网，而非直接购买1,024卡或384卡的整体方案，主要原因是什么？这种自行组网的方式与整体方案相比，在成本和效果上是否存在差异？

客户选择自行组网主要有两个原因。首先，公司的整体方案存在一定的溢价，价格会略高一些，客户通过采购64卡机柜自行组合，其总成本会比直接购买1,024卡方案更便宜。其次，许多客户希望保留一定的灵活性，并应用自身的一些组网优化方案。不过，在效果上，客户自行组网的方案与公司提供的整体方案相比，性能表现上肯定会差一些。

从客户实际使用反馈来看，公司的集群方案在训练场景下与英伟达的产品相比性能表现如何？主要存在哪些挑战？

根据客户的实际使用反馈，公司的集群方案在训练场景下的表现还不是特别好，主要面临延迟较高和稳定性风险较大的问题。虽然能用，但从稳定性、使用成本以及最终的精度表现来看，与英伟达的产品相比仍存在较大差距，尚未达到易用的程度。不过，公司自身在训练侧的能力正在不断迭代优化和补强，同时相关生态也在逐步建立并形成亮点，预计未来情况会逐渐好转。

在与英伟达B系列芯片的万卡集群进行性能对比时，公司的950DT芯片集群需要达到多大的规模才能与之匹敌？

若要与英伟达B系列芯片的万卡集群性能相当，公司的950DT芯片集群大约需要4万张卡以上的规模，大致相当于用四张950DT卡来对标一张英伟达B系列卡。

目前国内市场在推理应用场景中，除了主流国产芯片外，还有哪些其他竞争产品？与训练场景相比，推理场景下不同产品间的性能差距表现如何？

在国内推理市场，除了主流产品外，还存在其他竞争产品，例如寒武纪的590和690系列、海光信息以及沐曦的芯片。目前，推理任务基本都由国产芯片承担，因为英伟达的芯片供应短缺，其有限的算力主要被用于训练。与训练场景相比，不同芯片在推理应用上的性能差距要小得多。

950 PR芯片在推理性能上与英伟达的H100和H200相比如何？

950 PR芯片的推理性能介于H100和H200之间，略优于H100，但尚未达到H200的水平。与B系列芯片相比，950 PR在推理场景下的性能差距会相对小一些，但预计差距仍然显著。

目前国内客户从原厂采购HBM的情况如何？HBM价格是否存在下跌的可能性？

目前国内客户基本无法从原厂直接采购到HBM。自2026年第二季度开始，原厂货源已大幅减少，第一季度尚有部分存量可供采购。当前，任何原厂价格的HBM都已无法获得，只能通过溢价渠道购买。鉴于市场需求旺盛而供应受限，HBM的价格预计不会下跌。

国产HBM的最新进展如何，预计何时能够实现批量出货？其推出后对市场格局将产生何种影响？

国产HBM目前仍处于验证阶段。预计验证工作将在2027年第一季度末完成，而HBM3的大批量出货可能要到2027年第三季度，即下半年才能实现。尽管届时海外主流产品可能已迭代至HBM4，但国产HBM在国内市场仍有其应用价值，主要在于解决供应短缺问题，形成性价比优势。短期内，受限于产能和良率较低，国内市场仍将高度依赖海外供应。长期来看，如果国产HBM的良率和稳定性得到显著提升，将对海外产品构成冲击，但这至少需要两年以上的时间，预计在2028年之后才能显现。目前国产与海外产品之间始终存在约两代的技术差距。

对于国产AI计算卡产业而言，2027年的主要制约因素是HBM供应还是晶圆厂产能？

2027年，HBM的供应约束将是比晶圆厂产能更大的制约因素。即使能以每颗100美金的价格获得HBM，这些货源也并非无限量供应，属于消耗性库存，用完即止。

目前服务器OEM的主要供应商是哪些公司？

当前服务器OEM的主要供应商是超聚变和华鲲振宇，这两家公司占据了较高的市场份额。相比之下，浪潮信息和华勤技术等厂商在这一领域的业务量较少。