中国本土芯，成了大头；非GPU芯片，第一次压过了GPU。 文 | 华商韬略 华新 9月17日开幕的华为全联接大会期间，华为轮值董事长徐直军面对媒体颇为自豪：从华为能够统计到的数据看，昇腾在中国市场应该已经超过了英伟达。 几乎同一时间，IDC交出了2026年上半年中国数据中心AI加速器的成绩单：英伟达在华出货约67.8万颗，同比下降44%，份额从2025年全年的约55%降至34%；华为出货57.2万颗，上年同期还只有30多万颗，份额升至28%；加上寒武纪、阿里平头哥，本土芯已经成了大头。 更大的变化藏在另一组数字里：上半年中国AI加速器总出货约200.8万颗，其中GPU同比下降26%，只剩99.1万颗；非GPU加速器同比大增约80%，达到101.6万颗。非GPU，第一次压过了GPU。 【主角易位】 7月9日，广东韶关。 一个总投资约55亿元的智算集群正式上线：30个昇腾超节点，11520张昇腾910C加速卡，总算力9000P。从建设、调试到上线，只用了90天，比业界同规模集群的常规工期缩短一半。 它有一个直白的名字——“国芯训国模”，用国产芯片，训练国产大模型。 这是中国电信打造的粤港澳大湾区首个全国产万卡训练集群。它接下的任务一点不轻：支撑新一代全国产万亿参数基础大模型研发，攻代码生成、智能体自主决策这些高阶能力，还要在国产硬件上，把适配、专用算子、超大模型稳定训练这几道坎一一迈过去。 放在两三年前，这几乎不可想象。那时候训练大模型，默认答案只有一个：抢英伟达的卡。国产芯片能跑跑推理，就已经算不错。 现在，万卡、万亿参数、训练，三个最难的词，都成了国产算力能做的事。 而这样的故事，已经比比皆是。 9月，京东云宣布建设由10万张摩尔线程GPU组成的算力集群，支撑大模型训练、推理和具身智能。这是国内大型AI云厂商第一次把国产GPU部署进10万卡级的核心集群。 7月的世界人工智能大会上，华为披露，昇腾384超节点已商用落地750多套，用进了互联网、运营商、金融、制造等20多个行业的核心业务。 4月24日，DeepSeek发布V4。当天，华为宣布昇腾超节点全系列支持；寒武纪完成“Day 0”适配并开源代码，这已是它连续第二次在DeepSeek新模型发布首日交卷。华为还向路透社表示，V4的部分训练过程用上了昇腾芯片。 而DeepSeek当时还曾对外表示：受限于高端算力，V4-Pro的服务吞吐有限，要等下半年昇腾950超节点批量上市，Pro版价格才会大幅下调。 一家中国顶级大模型公司的定价表，第一次和一款国产芯片的出货节奏绑在了一起。 而在最新的采访中，徐直军还透露，基于华为新计算架构的25.6万卡规模集群，已经在部署和测试中；面向训练的950DT超节点，预计今年底或明年初规模供货。他的判断是，从明年开始，大量模型的训练会构筑在950DT超节点上。 同时，他还语气坚定地强调：今天制约昇腾放量的，已经不是需求，而是供货能力，“现在能产多少就供多少”。 IDC的数据，则给这句话做了注脚。上半年，IDC统计的11家中国厂商中，9家实现出货增长，平头哥、寒武纪、昆仑芯、海光的份额也分别达到约7%、5%、4%、3%；与华为加起来，这五家本土厂商合计份额已约47%，明显压过英伟达的34%。 中国AI算力的主角，已经易位，国产AI芯片，正式从“备胎”变成了主力。 【换道逆袭】 英伟达在中国的失守，不是被一颗更强的单芯片打败的。 论单芯片，华为从不讳言差距。徐直军就说得很直接：华为的芯片设计没有任何问题，只是仍受制于国内工艺。任正非也公开讲过，华为单芯片还落后美国一代，所以要用数学补物理、非摩尔补摩尔、用群计算补单芯片。 逆袭的第一招：不在单芯片上硬拼，而在系统上换道。 过去的大规模AI集群，靠网络把一台台服务器连起来。规模越大，数据搬运和通信等待吃掉的效率就越多，卡买得再多，也有相当一部分在“空等”。 华为这次发布的Peerium计算架构和灵衢总线（Unified Bus，简称UB），要解决的正是这个问题。灵衢用一套开放协议，把CPU、NPU、内存、SSD、网卡、交换机高速连在一起，柜内柜间一套标准，计算、存储、网络平等互联，让数十万乃至百万颗处理器像一台计算机那样协同工作。 徐直军的判断是：单芯片受制于工艺，但把多芯片互联成一台计算机，华为已经处于全球领先。而这条路不是制裁之后才临时起意——2018年华为发布第一颗AI芯片和AI战略，2019年又发布了超节点和集群。 基于这套架构的超节点和集群，能大幅提升模型算力利用率（MFU），也正是头部模型厂商用昇腾950训练最看重的一点：同样的卡，干更多的活，训练成本反而下降，迭代速度加快。 光互联上，华为也走了自己的路。业界争论多年的CPO和NPO，华为很早就选了NPO。NPO的铜线连接约5厘米，比CPO的约