博士算力猎场· 2026年6月28日 06:00 · 行业洞察
Dr. Wu | UCLA Ph.D | 近30年ICT/AI/分布式计算领域资深专家
中国AI行业有一个绕不开的问题：NVIDIA进不来了，我们用什么？
这不是假设性讨论。H100受限、H20也随时可能收紧。国产GPU替代，已经从"备选方案"变成了"必答题"。
今天系统性地梳理三条主要路线的现状、差距和前景。这是一个需要认清楚的问题，不要被市场宣传遮蔽判断。
三条路线全景
路线 | 核心产品 | 背后资方 | 技术路线 | 定位 |
昇腾（华为） | 昇腾910C / 950PR / 950DT | 华为自研 | 自研达芬奇架构 | 综合最强，生态最完整 |
寒武纪 | MLU590 | A股上市，国资背景 | 自研思元架构 | 学术/科研场景见长 |
海光 | DCU Z100系列 | 海光信息（A股） | 基于AMD授权GPU架构 | CUDA生态兼容性强 |
路线一：华为昇腾——当前国产最优选
产品现状
产品 | 状态 | 性能定位 |
昇腾910B | 已大批量出货 | 对标A100（性能约A100的70-80%） |
昇腾910C | 2025-2026年主力出货 | 对标H100（性能约H100的60-75%） |
昇腾950PR | 2026年Q1量产，已售超75万片 | 对标H200（接近级） |
昇腾950DT | 2026年8月上市（提前2个月） | 训练增强版，对标H200（更强级） |
昇腾960 | 研发中 | 下一代，预计2027年 |
昇腾970 | 路线图中 | 再下一代 |
关键信息：华为跳过920、930、940三个代号，直接从910C跳到950PR。950PR于2026年Q1量产面世，至今已销售超过75万片——这个数字说明昇腾已经进入真正的大规模商业化阶段。950DT原计划10月上市，现已官宣提前两个月，8月即可供货。
软件生态（CANN + MindSpore）
维度 | 情况 |
框架支持 | PyTorch via torch_npu、MindSpore、PaddlePaddle |
CUDA迁移 | 需要适配工作，不能直接跑CUDA代码 |
算子库 | 覆盖主流AI算子，但长尾算子有缺失 |
大模型支持 | Llama/Qwen/ChatGLM等主流模型已有官方适配 |
痛点 | 代码迁移成本真实存在，部分CUDA第三方库无法直接用 |
商业化现状
维度 | 数据 |
国内出货规模 | 910C累计超百万片（估算），950PR已售超75万片 |
主要客户 | 国有大行、央企、国内主要互联网公司（字节、百度等） |
建设案例 | 多个省级智算中心（如杭州、武汉、成都算力中枢） |
价格 | 昇腾910C约20-30万/颗（低于H100市价） |
路线二：寒武纪——有亮点但商业化进展慢
产品现状
产品 | 状态 | 性能定位 |
MLU370 | 上市中 | 对标A10/A30推理场景 |
MLU590 | 当前旗舰 | 对标H100（性能约H100的40-60%） |
下一代 | 路线图中 | 规格未公开 |
优劣势
优势 | 说明 |
学术合法性 | 中科院系背景，在高校/科研院所有认可度 |
推理场景适配 | 低功耗推理卡产品线完善 |
政府采购资质 | 信创名录在列 |
劣势 | 说明 |
集群规模受限 | 互联技术（寒武纪MLU-Link）成熟度不及昇腾Atlas |
训练场景能力弱 | 大规模分布式训练的软件栈有缺口 |
商业规模偏小 | 2025年出货量估算约5,000-15,000颗，远少于昇腾 |
生态闭合度低 | 主流AI框架的适配覆盖度不如昇腾 |
路线三：海光DCU——CUDA迁移成本最低的选择
产品现状
产品 | 状态 | 性能定位 |
DCU Z100 | 量产中 | 对标A100水平 |
DCU Z100L | 当前主力 | 改进版，训练性能接近A100 |
最大优势：ROCm生态接近CUDA
这是海光DCU最核心的差异化：基于AMD GPU架构授权，运行ROCm代码几乎不需要修改。
迁移场景 | 昇腾910C | 海光DCU |
PyTorch代码迁移 | 需要适配（1-4周工作量） | 几乎零修改（ROCm兼容） |
CUDA第三方库 | 部分不可用 | 大部分可通过HIP转换 |
算子缺失问题 | 有 | 少 |
迁移学习曲线 | 陡 | 平缓 |
劣势
劣势 | 说明 |
性能上限 | Z100系列性能天花板约为A100水平，距H100有差距 |
集群互联 | 互联技术弱于昇腾，大规模集群通信效率有瓶颈 |
技术主权存疑 | 基于AMD授权架构，长期依赖授权合规性 |
下一代产品节奏 | 路线图透明度不高，迭代速度慢于昇腾 |
三条路线对比总结
评估维度 | 昇腾（华为） | 寒武纪 | 海光DCU |
训练性能 | ★★★★☆ | ★★★☆☆ | ★★★☆☆ |
推理性能 | ★★★★☆ | ★★★★☆ | ★★★☆☆ |
软件生态 | ★★★★☆ | ★★★☆☆ | ★★★★☆ |
CUDA迁移成本 | 高（需适配） | 高（需适配） | 低（ROCm兼容） |
集群互联能力 | ★★★★☆ | ★★★☆☆ | ★★★☆☆ |
商业化成熟度 | ★★★★★ | ★★★☆☆ | ★★★☆☆ |
价格竞争力 | ★★★★☆ | ★★★☆☆ | ★★★★☆ |
政策支持 | ★★★★★ | ★★★★☆ | ★★★★☆ |
Dr.Wu的判断与建议
当前（2026年6月），如果必须选国产GPU，推荐优先级：昇腾950PR > 昇腾910C > 海光DCU Z100L > 寒武纪MLU590。
950PR已大规模出货（75万片+），是当前国产GPU中性能和成熟度最高的选择。910C作为上一代主力，性价比仍不错。950DT提前到8月上市，对正在做采购决策的团队是一个重要变量——可以评估是否值得等两个月拿到训练增强版。
但这个排名不是绝对的：
如果你的工程团队深度依赖CUDA，迁移成本是第一优先考量，海光DCU的低迁移门槛值得额外加分。 如果是政府/国央企大型智算中心项目，昇腾有明显的政策优势和售后体系保障。 如果是科研/高校场景，寒武纪的学术认可度有一定优势。
国产GPU还差多远？坦率说：
对标目标 | 差距 | 追上时间（乐观估计） |
NVIDIA H100 | 昇腾910C约60-75%性能 | 已基本达到可用水平 |
NVIDIA H200 | 昇腾950PR/DT当前对标级 | 2026年已进入实质对标阶段 |
NVIDIA B300 | 差距约1代 | 2027-2028年（960/970代际） |
NVIDIA Vera Rubin | 差距约1.5-2代 | 2028-2029年（不确定） |
差距在加速缩小，但尚未追平。75万片950PR的出货量意味着昇腾已经跨越"样品阶段"进入真正的规模化商业部署，当前性能对标H200级别。950DT提前两个月面世，也说明华为的研发-量产节奏在明显加快。但要追上B300，还需要960/970这一代。这是客观判断。
关注国产算力路线？加入算力猎场，第一时间了解一线部署反馈。
加入方式 | 信息 |
加 Dr. Wu 微信 | michaelwqs |
加 Alan Ng 微信 | alanngw |
扫码入群 | 扫描下方二维码，加入算力猎场微信群 |
[算力猎场群二维码]
群里有实际部署过昇腾/DCU项目的工程师，可以聊真实的使用体验。
博士算力猎场 | 行业洞察 Dr. Wu | UCLA Ph.D | 近30年ICT/AI/分布式计算领域资深专家