15 篇博文 含有标签「Domestic Chips」

在美国对华芯片出口管制背景下，中国 AI 芯片市场正在形成"三足鼎立"格局。本文将深度对比华为昇腾、寒武纪 MLU、摩尔线程 MTT 三大国产 AI 芯片厂商的技术路线、产品规格、软件生态和商用进展。

---

核心要点​

• 华为昇腾：国产 AI 训练芯片领导者，昇腾 950 已量产，软件生态最成熟
• 寒武纪 MLU690："中国版 H100"，算力接近 H200，能效比优势明显
• 摩尔线程 MTT S5000：全功能 GPU 路线，2026 年 6 月实现对 Qwen3.5、GLM-5.2 的 Day-0 适配
• 共同挑战：受美国出口管制影响，主要面向中国市场，国际市场受限

---

一、厂商概览​

厂商	成立	创始人	上市	2025 营收	主要客户
华为昇腾	2018（部门）	任正非	未上市（华为全资）	~¥20B（估算）	中国政府、国企、军工
寒武纪	2016	陈天石（中科院）	2020-07（科创板 688256）	~¥5.2B	字节跳动、阿里、百度
摩尔线程	2020	张建中（原 NVIDIA 中国）	2023-12（科创板 688495）	~¥1.5B（估算）	政府、国企、游戏公司

战略定位差异​

厂商	技术路线	核心优势	主要挑战
华为昇腾	AI 训练专用（Da Vinci 架构）	软硬件协同优化、运营商渠道	受美国制裁，制程受限
寒武纪	AI 训练专用（MLUarch 架构）	能效比高、价格有竞争力	软件生态成熟度不足
摩尔线程	全功能 GPU（MUSA 架构）	图形 + AI 通用计算、Day-0 适配	算力不及专用 AI 芯片

---

二、旗舰产品对比​

1. 华为昇腾 950DT（2026 年旗舰）​

项目	参数
BF16 算力	1,000 TFLOPS
显存	144GB HiZQ 2.0（自研 HBM）
显存带宽	4 TB/s
TDP	400W
制程	N+2（7nm 改进版）
发布	2026-04
量产	2026-Q2
单价	~¥80,000（估算）

关键优势：

• ✅ 大模型推理吞吐量高：128GB 大显存，对 DeepSeek R1（671B MoE）友好
• ✅ 软件生态最成熟：CANN 算子覆盖率 ~85%，支持 PyTorch、TensorFlow
• ✅ 运营商渠道强：中国移动、中国电信大规模采购

关键劣势：

• ❌ 制程受限：N+2 性能不及 TSMC 4nm
• ❌ 能效比一般：400W TDP，能效比 2.5 TFLOPS/W

---

2. 寒武纪 MLU690（2026 年旗舰）​

项目	参数
BF16 算力	600 TFLOPS
显存	64GB HBM3
显存带宽	2 TB/s
TDP	280W
制程	TSMC 7nm
发布	2025-Q4
量产	2026-Q1
单价	~¥140,000（估算）

关键优势：

• ✅ 能效比最高：280W TDP，能效比 2.14 TFLOPS/W（H100 的 1.5 倍）
• ✅ 价格有竞争力：~$20,000，比 H100 便宜 33%
• ✅ 已获得头部客户订单：字节跳动、阿里、百度

关键劣势：

• ❌ 显存容量小：64GB 限制大模型训练规模
• ❌ 软件生态不成熟：NeuWare 算子覆盖率 ~75-85%，复杂 LLM 需要手工优化

---

3. 摩尔线程 MTT S5000（2025 年旗舰）​

项目	参数
FP16 算力	~1,000 TFLOPS（推测）
显存	80GB GDDR6X
显存带宽	1.6 TB/s
TDP	~350W
制程	TSMC 4nm（推测）
发布	2025-02
量产	2025-Q2
单价	~¥50,000（估算）

关键优势：

• ✅ 全功能 GPU：图形 + AI + 通用计算，应用场景更广
• ✅ Day-0 适配能力强：2026 年 6 月实现对 Qwen3.5、GLM-5.2、MiniMax M3 的 Day-0 适配
• ✅ 价格最低：~¥50,000，性价比高

关键劣势：

• ❌ 算力不及专用 AI 芯片：FP16 算力约为 H100 的 50%
• ❌ 显存带宽低：1.6 TB/s（H100 的 48%），限制大模型训练性能

---

三、算力对比（BF16/FP16）​

芯片	BF16 算力	显存	显存带宽	TDP	能效比
华为昇腾 950DT	1,000 TFLOPS	144GB	4 TB/s	400W	2.5 TFLOPS/W
寒武纪 MLU690	600 TFLOPS	64GB	2 TB/s	280W	2.14 TFLOPS/W
摩尔线程 MTT S5000	~1,000 TFLOPS	80GB	1.6 TB/s	~350W	~2.86 TFLOPS/W
NVIDIA H100	989 TFLOPS	80GB	3.35 TB/s	700W	1.41 TFLOPS/W
NVIDIA H200	989 TFLOPS	141GB	4.8 TB/s	700W	1.41 TFLOPS/W

关键洞察：

1. 华为昇腾 950DT 算力最高（1,000 TFLOPS），但能效比一般
2. 寒武纪 MLU690 能效比最高（2.14 TFLOPS/W），TDP 仅 280W
3. 摩尔线程 MTT S5000 全功能优势，但显存带宽低

---

四、软件生态对比​

厂商	软件栈	框架支持	算子覆盖率	成熟度
华为昇腾	CANN	PyTorch, TensorFlow, MindSpore	~85%	⭐⭐⭐⭐ (4/5)
寒武纪	NeuWare	PyTorch-Cambricon, TensorFlow-Cambricon	~75-85%	⭐⭐⭐ (3/5)
摩尔线程	MUSIFY	PyTorch, TensorFlow, ONNX	~70%	⭐⭐⭐ (3/5)
NVIDIA	CUDA	全支持	~99%	⭐⭐⭐⭐⭐ (5/5)

软件生态成熟度评估​

华为昇腾 CANN：

• ✅ 优势：算子覆盖率最高，支持 MindSpore（自研框架）
• ❌ 劣势：学习曲线陡峭，文档不完整

寒武纪 NeuWare：

• ✅ 优势：兼容 PyTorch、TensorFlow，迁移成本低
• ❌ 劣势：复杂 LLM 模型需要手工优化

摩尔线程 MUSIFY：

• ✅ 优势：Day-0 适配能力强，支持 ONNX
• ❌ 劣势：算子覆盖率最低，图形 + AI 双引擎复杂度高

---

五、商用进展对比​

厂商	2026 年商用进展	主要客户	出货量
华为昇腾	昇腾 950 量产，中国移动大规模采购	中国移动、中国电信、政府	~100K 片/年（估算）
寒武纪	MLU690 量产，字节跳动、阿里采购	字节跳动、阿里、百度	~50K 片/年（估算）
摩尔线程	MTT S5000 量产，Day-0 适配 Qwen3.5	政府、国企、游戏公司	~30K 片/年（估算）

2026 年 6 月最新动态​

华为昇腾：

• ✅ 昇腾 950DT 全面放量
• ✅ 与中国移动签署 10 亿元采购协议

寒武纪：

• ✅ MLU690 量产出货
• ✅ 字节跳动采购 ~20K 片

摩尔线程：

• ✅ 完成对 Qwen3.5、GLM-5.2、MiniMax M3 的 Day-0 适配
• ✅ MTT S5000 第二代发布

---

六、选型建议​

场景 1：万亿参数训练（GPT-4 级）​

推荐：华为昇腾 950DT

理由：

• ✅ 144GB 大显存，支持超大规模模型训练
• ✅ 软件生态最成熟，算子覆盖率 ~85%
• ✅ 运营商渠道强，获中国政府支持

备选：寒武纪 MLU690（能效比高，但显存容量小）

---

场景 2：百亿-千亿参数训练​

推荐：寒武纪 MLU690

理由：

• ✅ 能效比最高（2.14 TFLOPS/W），TCO 低
• ✅ 价格有竞争力（~$20,000）
• ✅ 已获得头部客户（字节、阿里）验证

备选：华为昇腾 920（算力更强，但能效比一般）

---

场景 3：AI 推理（云端）​

推荐：华为昇腾 950PR（推理专用）

理由：

• ✅ 推理性能优化好，实际吞吐量高
• ✅ 128GB 大显存，对 MoE 模型友好
• ✅ 软件栈成熟，部署成本低

备选：摩尔线程 MTT S5000（全功能 GPU，推理 + 图形）

---

场景 4：边缘 AI / 端侧推理​

推荐：摩尔线程 MTT S5000

理由：

• ✅ 全功能 GPU，支持图形 + AI
• ✅ 价格最低（~¥50,000）
• ✅ Day-0 适配能力强

备选：华为昇腾 310（低功耗，8W TDP）

---

场景 5：国产化替代项目（政府、国企）​

推荐：华为昇腾 950DT

理由：

• ✅ 中国政府首选，运营商大规模采购
• ✅ 软硬件协同优化，性能稳定
• ✅ 获得国家大基金支持

备选：寒武纪 MLU690（能效比高，价格有竞争力）

---

七、未来路线图​

厂商	2026 H2	2027	2028
华为昇腾	950DT 放量	960（FP8 ~2 PFLOPS）	970（N+3 制程）
寒武纪	MLU690 放量	MLU790（5nm，BF16 ~1,000 TFLOPS）	MLU890（3nm）
摩尔线程	MTT S5000 第二代	MTT S6000（HBM3，FP16 ~1,500 TFLOPS）	MTT S7000

---

八、总结：谁是中国版 H100？​

维度	华为昇腾 950DT	寒武纪 MLU690	摩尔线程 MTT S5000
算力	⭐⭐⭐⭐⭐ (5/5)	⭐⭐⭐ (3/5)	⭐⭐⭐ (3/5)
显存	⭐⭐⭐⭐⭐ (5/5)	⭐⭐ (2/5)	⭐⭐⭐ (3/5)
能效比	⭐⭐⭐ (3/5)	⭐⭐⭐⭐⭐ (5/5)	⭐⭐⭐⭐ (4/5)
软件生态	⭐⭐⭐⭐ (4/5)	⭐⭐⭐ (3/5)	⭐⭐⭐ (3/5)
价格	⭐⭐⭐ (3/5)	⭐⭐⭐⭐ (4/5)	⭐⭐⭐⭐⭐ (5/5)
综合能力	⭐⭐⭐⭐ (4/5)	⭐⭐⭐ (3/5)	⭐⭐⭐ (3/5)

最终结论：

• 华为昇腾 950DT 是最接近 H100 的国产 AI 训练芯片，综合能力最强
• 寒武纪 MLU690 是能效比最高的国产 AI 芯片，TCO 最低
• 摩尔线程 MTT S5000 是最便宜的全功能 GPU，适合边缘 AI 和图形 + AI 场景

---

参考资料​

• 华为昇腾 950 系列 - MirrorFrog 详尽规格
• 寒武纪 MLU690 - MirrorFrog 详尽规格
• 摩尔线程 MTT S5000 - MirrorFrog 详尽规格
• AI 算力卡完整对比表 - 100+ 款芯片规格对比
• 2026 H2 AI 芯片路线图重大更新 - 最新路线图动态

---

声明：本文数据基于公开资料整理，实际规格以厂商官方为准。MirrorFrog 持续更新国产 AI 芯片数据，欢迎提交修正。

---

更新日志：

• 2026-06-23：初始版本发布

2026 年，在美国对华芯片出口管制背景下，寒武纪 MLU690 作为"中国版 H100"备受关注。本文从算力、显存、功耗、软件生态、实测性能、价格等维度深度对比，帮助您做出选型决策。

核心结论（先看这里）​

维度	MLU690	H100	胜者	差距
BF16 算力	600 TFLOPS	989 TFLOPS	H100	+65%
显存容量	64GB HBM3	80GB HBM3	H100	+25%
显存带宽	2 TB/s	3.35 TB/s	H100	+68%
TDP	280W	700W	MLU690	-60%
能效比	2.14 TFLOPS/W	1.41 TFLOPS/W	MLU690	+52%
软件生态	NeuWare（75% 覆盖率）	CUDA（100% 覆盖率）	H100	差距大
价格	~¥140,000	~¥200,000	MLU690	-30%
供货	国内现货	受管制	MLU690	✅

一句话总结：MLU690 算力约为 H100 的 60%，但功耗仅 40%，价格仅 70%，适合中国市场 AI 训练和推理。

---

1. 规格对比（详细）​

1.1 算力对比​

精度	MLU690	H100 SXM5	H200 SXM5	说明
FP8	~300 TFLOPS（推测）	3,958 TFLOPS	3,958 TFLOPS	H100 支持 FP8，MLU690 可能不支持
BF16/FP16	600 TFLOPS	989 TFLOPS	989 TFLOPS	H100 领先 65%
FP32	~150 TFLOPS（推测）	60 TFLOPS	60 TFLOPS	MLU690 推测值，H100 实际更高
INT8	1,200 TOPS	1,979 TOPS	1,979 TOPS	H100 领先 65%

关键发现：

• ✅ MLU690 在 BF16 精度下达到 H100 的 60% 算力
• ⚠️ H100 支持 FP8（4 位），MLU690 可能不支持（需要确认）
• ⚠️ H100 的 INT8 算力更高，适合推理场景

1.2 显存对比​

项目	MLU690	H100	H200	说明
容量	64GB HBM3	80GB HBM3	141GB HBM3e	H200 容量最大
带宽	2 TB/s	3.35 TB/s	4.8 TB/s	H200 带宽最高
类型	HBM3	HBM3	HBM3e	H200 使用最新 HBM3e

关键发现：

• ⚠️ MLU690 显存容量比 H100 少 20%（64GB vs 80GB）
• ⚠️ MLU690 显存带宽比 H100 低 40%（2 TB/s vs 3.35 TB/s）
• ❌ 运行 70B+ 参数模型时，MLU690 可能显存不足（需要模型并行）

1.3 功耗对比​

项目	MLU690	H100	H200
TDP	280W	700W	700W
能效比（FP16/W）	2.14 TFLOPS/W	1.41 TFLOPS/W	1.41 TFLOPS/W
8 卡服务器功耗	~3.5kW	~6kW	~6kW
年电费（¥0.6/kWh）	~¥18,400	~¥36,800	~¥36,800

关键发现：

• ✅ MLU690 功耗仅 H100 的 40%，数据中心电力成本大幅降低
• ✅ MLU690 能效比领先 52%，更适合大规模部署
• ✅ 对于推理场景（功耗敏感），MLU690 优势明显

---

2. 软件生态对比​

2.1 框架支持​

框架	MLU690（NeuWare）	H100（CUDA）	说明
PyTorch	✅ 支持（PyTorch-Cambricon）	✅ 原生支持	MLU690 需要额外安装插件
TensorFlow	✅ 支持（TensorFlow-Cambricon）	✅ 原生支持	同上
JAX	⚠️ 部分支持	✅ 原生支持	MLU690 支持有限
ONNX	⚠️ 部分支持	✅ 原生支持	同上
vLLM	⚠️ 适配中	✅ 原生支持	MLU690 需要等待社区适配

2.2 算子覆盖率​

类别	MLU690	H100	说明
基础算子	✅ 95%	✅ 100%	卷积、矩阵乘法等
Transformer 算子	✅ 85%	✅ 100%	Attention、LayerNorm 等
自定义算子	⚠️ 需要手写	✅ CUDA C++	MLU690 开发难度大
LLM 推理优化	⚠️ 基础支持	✅ 完善（FlashAttention、PagedAttention）	H100 领先

关键发现：

• ⚠️ NeuWare 生态仅 5-6 年发展，算子覆盖率约 75-85%
• ❌ 复杂 LLM 模型（如 GPT-4、Claude）可能需要手工优化
• ✅ 常见模型（Llama、Qwen、GLM）已基本适配

---

3. 实测性能对比​

3.1 训练性能​

模型	MLU690（训练时间）	H100（训练时间）	加速比
Llama 7B	~48 小时（推测）	~30 小时	1.6x
Llama 70B	~7 天（推测）	~4.5 天	1.6x
Qwen 72B	~8 天（推测）	~5 天	1.6x

注意：以上数据为推测，实际性能取决于软件优化程度。

3.2 推理性能​

模型	MLU690（tok/s）	H100（tok/s）	说明
Llama 7B	~80 tok/s（推测）	~120 tok/s	H100 领先 50%
Llama 70B	~20 tok/s（推测）	~35 tok/s	H100 领先 75%
Qwen 72B	~18 tok/s（推测）	~30 tok/s	H100 领先 67%

关键发现：

• ⚠️ H100 推理性能领先 50-75%
• ✅ 但 MLU690 功耗仅 40%，能效比更高
• ✅ 对于成本敏感的推理场景，MLU690 更划算

---

4. 价格对比​

4.1 硬件采购成本​

项目	MLU690	H100	H200
单卡价格（国内）	~¥140,000	~¥200,000	~¥300,000
8 卡服务器（含整机）	~¥1,200,000	~¥1,800,000	~¥2,600,000
成本差	-	+50%	+117%

4.2 TCO（3 年）​

项目	MLU690	H100	说明
硬件采购	¥1,200,000	¥1,800,000	MLU690 便宜 33%
电费（3 年）	¥55,200	¥110,400	MLU690 便宜 50%
机房成本	¥150,000	¥250,000	MLU690 便宜 40%
TCO（3 年）	¥1,405,200	¥2,160,400	MLU690 便宜 35%

关键发现：

• ✅ MLU690 的 TCO 比 H100 低 35%
• ✅ 对于大规模部署（100+ 卡），成本优势明显

---

5. 选型建议​

5.1 选 MLU690，如果...​

• ✅ 您的业务主要在中国市场
• ✅ 您受美国出口管制影响，无法采购 H100/H200
• ✅ 您对功耗敏感（边缘数据中心、电力成本高的地区）
• ✅ 您的模型是常见架构（Llama、Qwen、GLM）
• ✅ 您有国产化替代需求（政府、国企、军工）

5.2 选 H100/H200，如果...​

• ✅ 您的业务在全球市场
• ✅ 您需要训练顶级前沿模型（GPT-4 级）
• ✅ 您的模型使用复杂算子（需要 CUDA 生态）
• ✅ 您对性能要求极高（低延迟推理）
• ✅ 您可以合法采购 H100/H200

5.3 混合部署（推荐）​

场景	推荐方案
训练	H100（高性能） + MLU690（低成本扩充）
推理	MLU690（成本敏感） + H100（低延迟）
国产化项目	全部 MLU690
国际市场	全部 H100/H200

---

6. 未来展望​

6.1 MLU690 的不足​

• ⚠️ 软件生态不成熟：算子覆盖率 75-85%，复杂模型需要手工优化
• ⚠️ 显存容量小：64GB 限制了对 70B+ 参数模型的支持
• ⚠️ 互联性能弱：Cambricon Link 带宽低于 NVLink
• ⚠️ 国际市场受限：受美国出口管制影响

6.2 MLU690 的改进方向​

• 📅 MLU790（2027 年）：预计 5nm 制程，算力提升 2x
• 📅 显存升级：下一代可能支持 HBM3e，容量提升至 128GB
• 📅 软件优化：NeuWare 生态持续改进，算子覆盖率目标 95%

---

7. 总结​

维度	MLU690	H100	推荐场景
算力	⭐⭐⭐⭐	⭐⭐⭐⭐⭐	H100 适合顶级训练
显存	⭐⭐⭐	⭐⭐⭐⭐	H100 适合大模型
功耗	⭐⭐⭐⭐⭐	⭐⭐⭐	MLU690 适合推理
生态	⭐⭐⭐	⭐⭐⭐⭐⭐	H100 适合复杂模型
价格	⭐⭐⭐⭐⭐	⭐⭐⭐	MLU690 适合大规模部署
国产化	⭐⭐⭐⭐⭐	❌	MLU690 适合中国市场

最终建议：

• 🇨🇳 中国市场：优先选择 MLU690（国产化 + 低成本）
• 🌍 国际市场：优先选择 H100/H200（性能 + 生态）
• 💡 混合部署：训练用 H100，推理用 MLU690

---

参考资料​

• 寒武纪 MLU690 规格页面
• NVIDIA H100 规格页面
• AI 算力卡完整对比表
• TCO 计算器

---

声明：本文数据基于公开资料和合理估算，实际性能以厂商官方测试为准。MLU690 的软件生态在快速发展中，建议持续关注 NeuWare 更新。

最后更新：2026-06-23

2026年6月6日 —— COMPUTEX 2026 昨日在台北圆满闭幕。本届展会以"AI Together"为主题，创下 1500+ 参展商、6000 展位的历史纪录。NVIDIA、Intel、AMD 三巨头在 AI PC 领域的正面交锋成为本届最大看点。

1. NVIDIA RTX Spark：六月正式上市，$1,399 起​

NVIDIA 与联发科合作的 RTX Spark 超级芯片在 COMPUTEX 发布后不到一周即确认上市时间表：

关键信息	详情
首发 OEM	华硕、戴尔、惠普、联想、微软 Surface、微星
上市时间	2026 年秋季
起步价	尚未公布（外界推测 $3,000-4,000）
核心配置	Arm CPU（最多 20 核）+ Blackwell GPU（6144 CUDA）
统一内存	128GB LPDDR5X（300 GB/s）
模型容量	可运行 1,200 亿参数 模型，最长 100 万 token 上下文

市场反应：AMD/Intel/Qualcomm 股价受压，分析认为 RTX Spark 将从三个方向重塑市场——Windows AI PC、Creator 工作站、边缘推理节点。

---

2. Intel 18A 全面投产：Clearwater Forest + Crescent Island​

Intel CEO 陈立武首次在 COMPUTEX 发表主题演讲，带来两项关键更新：

Clearwater Forest（至强 6+）​

• 288 核 Darkmont 架构
• 首款 Intel 18A 工艺数据中心 CPU
• Foveros Direct 3D 封装
• 已全面投产

Crescent Island AI GPU​

• 480GB LPDDR5x 显存
• 350W 风冷 PCIe 形态
• 原生 FP4 支持，专攻智能体推理
• 2026 H2 出货

陈立武表示："当 AI 迈向智能体时代，CPU 正重返现代 AI 基础设施的中心。"

---

3. AMD Ryzen AI 400 系列出货中​

AMD 在 COMPUTEX 上展示了 Ryzen AI 400 系列（Zen 5 + Zen 5C 混合架构 + XDNA2 NPU）：

• NPU 算力 60 TOPS，x86 最高
• 7 款消费级型号 + 商用 PRO 系列
• 多家 OEM 已上市或即将发布
• 7 月将举办 Advancing AI 2026 峰会（旧金山）

---

4. 国产芯片持续发力​

厂商	产品	状态
华为	昇腾 950PR/950DT	已量产，自研 HBM 突破
寒武纪	MLU690	2 PFLOPS FP8，开始出货
摩尔线程	MTT S5000	1000 TFLOPS 参数公开

---

5. AI PC 元年：三家巨头路线图对比​

维度	NVIDIA RTX Spark	Intel Clearwater Forest + Crescent Island	AMD Ryzen AI 400
CPU 核心	20 核 Grace (Arm)	288 核 Darkmont (x86)	最高 12 核 Zen5+5C
GPU/NPU	Blackwell GPU	Crescent Island (独立 GPU)	XDNA2 NPU (60 TOPS)
AI 算力	1 PFLOPS	TBD	60 TOPS NPU
目标	个人 AI Agent	数据中心+AI PC 双线	Copilot+ PC
工艺	TSMC 4NP	Intel 18A	TSMC 4nm
上市	2026-06	2026 H2	已上市

---

本周算力圈速览（6/1-6/6）​

日期	事件
6/1	NVIDIA GTC Taipei：RTX Spark、Vera Rubin 量产、DGX Station for Windows
6/1	Intel 发布 Crescent Island、Clearwater Forest
6/2	COMPUTEX 正式开幕，"AI Together"主题
6/5	COMPUTEX 闭幕，1500+ 展商创纪录
6/6	RTX Spark 确认六月上市 $1,399 起

---

数据来源：COMPUTEX Daily、腾讯新闻、凤凰科技、雪球、The Silicon Review。

2026 年 6 月 — 华为昇腾 950 系列（950PR / 950DT）已进入正式量产交付阶段，这是中国 AI 芯片产业在 2026 年的标志性事件。与此同时，寒武纪 MLU690 开始出货、摩尔线程 MTT S5000 参数公布，中国 AI 芯片三极格局正式形成。

昇腾 950 系列：自研 HBM 的历史性突破​

华为海思 Ascend 950 系列 是第四代昇腾 AI 芯片，2025 年 9 月华为全联接大会首次披露，2026 Q1 正式量产。

950PR（Prefill 推理专用）​

项目	参数
架构	Da Vinci v5（SIMD + SIMT 双模型）
制程	N+2（SMIC 国产化）
HBM	HiBL 1.0（华为自研），128 GB
FP8 算力	1 PFLOPS（HiF8 格式）
TDP	~400 W
目标	推理 Prefill（视频推荐、实时交互）

950DT（Decode + 训练专用）​

项目	参数
架构	Da Vinci v5（SIMD + SIMT 双模型）
制程	N+2（SMIC 国产化）
HBM	HiZQ 2.0（华为自研），144 GB，4 TB/s
FP8 算力	1 PFLOPS（HiF8 格式）
TDP	~500 W
目标	推理 Decode + 模型训练

历史意义​

自研 HBM（HiBL 1.0 / HiZQ 2.0）是华为昇腾 950 最重要的技术突破——这是中国企业首次实现 HBM 内存的自研量产，彻底摆脱了对 SK Hynix / Samsung HBM 供应的依赖。配合 N+2 国产化工艺，昇腾 950 实现了从 HBM → 计算 Die → 封装 → 系统 的全链条国产化。

寒武纪 MLU690：国产唯一 FP8 支持​

寒武纪第七代 AI 芯片 MLU 690（思元 690） 于 2026 H1 开始量产出货。这是 国产 AI 芯片中首款原生支持 FP8 精度 的产品。

项目	MLU 690
制程	5nm（TSMC / SMIC）
FP8 dense	2 PFLOPS
HBM	192GB HBM3E，5 TB/s
TDP	~500 W
单价（OAM）	~$8,000-12,000

MLU 690 的 FP8 算力（2 PFLOPS dense）在纸面上已经与 NVIDIA Blackwell（B200 FP8 4.5 PFLOPS sparse）相当。寒武纪凭借 科创板上市公司 的融资优势，在 2026 年营收目标达到 ¥15-20B（2025 年 ¥7.2B）。

摩尔线程 MTT S5000：从图形到训推一体​

摩尔线程在 2026 年 2 月公开了 MTT S5000 的详细参数，采用第四代 MUSA "平湖" 架构，单卡 AI 算力 1,000 TFLOPS，80GB GDDR6X 显存，1.6 TB/s 带宽。

摩尔线程走的是全功能 GPU 路线（图形渲染 + AI 计算 + 通用计算），与 NVIDIA 策略最为接近。创始团队来自原 NVIDIA 中国，MUSIFY 工具链可帮助 CUDA 代码自动迁移到 MUSA 平台，降低生态迁移成本。

中国 AI 芯片三极格局​

维度	华为昇腾	寒武纪	摩尔线程
核心架构	Da Vinci v5	MLUv07	MUSA 4th Gen
制程	N+2 国产化	5nm	6nm
FP8 算力	~1 PFLOPS	2 PFLOPS	0.5 PFLOPS（推测）
HBM 自主	✅ 自研 HiBL/HiZQ	❌ 外购	❌ 外购
生态系统	CANN + MindSpore	NeuWare + MindSpore	MUSA + MUSIFY
优势	全链条国产化	最高 FP8 算力	全功能 + CUDA 迁移
2025 营收	（华为内部）	¥7.2B	¥2.2B

全球市场对比（2026 年 Q2 更新）​

梯队	厂商	旗舰芯片	FP8/PFLOPS	HBM	量产时间
第一梯队	NVIDIA	Rubin R200	25 PF（稀疏）	288GB HBM4	2026 H2
第二梯队	AMD	MI400	20 PF（密集）	432GB HBM4	2026
	华为	昇腾 950DT	1 PF（密集）	144GB 自研 HBM	2026 Q1
	寒武纪	MLU690	2 PF（密集）	192GB HBM3E	2026 H1
	AWS	Trainium 3	5.7 PF（密集）	144GB HBM	2025 Q4 GA
第三梯队	Intel	Gaudi 3	1.8 PF	128GB HBM2e	量产
	Google	TPU v7	4.6 PF(TFLOPS)	192GB HBM	2025
	摩尔线程	MTT S5000	1 PF	80GB GDDR6X	2025 Q1

注：NVIDIA 使用 sparse（稀疏） 算力为标准，AMD/华为/寒武纪使用 dense（密集），不可直接比较。

展望 2026 H2​

• NVIDIA Rubin R200：2026 H2 正式出货，288GB HBM4，6 芯片 CoWoS-L 封装
• 华为昇腾 960：路线图 2027 H2，预计 FP8 算力翻倍至 2 PFLOPS
• 寒武纪 MLU790：预计 2027，3nm，384GB HBM4，2.5 PFLOPS
• 摩尔线程：下一代 GPU 预计搭配 HBM3，算力 2× MTT S5000

中国 AI 芯片产业在 2026 年已经形成从 训练（寒武纪 MLU690 / 昇腾 950DT）→ 推理（昇腾 950PR / 摩尔线程 S5000）→ 系统（CloudMatrix / 分布式集群） 的完整产品矩阵。

---

本文基于华为全联接大会 2025（2025-09-18）公开信息、2026 年 4 月行业分析报告及 2026 年 6 月最新市场数据整理。

美国的出口管制持续升级，倒逼中国 AI 芯片产业加速自主化。2025 年的国产 AI 芯片市场已经不再是"能不能用"的讨论，而是"怎么选"的问题。

本文系统梳理国产 AI 芯片的主要玩家、核心产品、实际部署情况，帮助开发者和采购决策者看清竞争格局。