昇腾910系列全年出货量下调
随着美国针对GPU的限制越来越多，大家对国产GPU尤其是华为昇腾系列GPU的表现和出货量都非常关心，前段时间老黄还说华为芯片性能已超H200，华为的CloudMatrix云架构也已经超英伟达。当然老黄这么说肯定是有夸张的成分，他一直对美国政府出台的这些限制政策很不爽，既让英伟达损失了很多中国的大客户，又让国产GPU在这段时间取得了突飞猛进的发展。由于华为从未对外公布过昇腾系列的出货量，因此我们只能参考第三方的调研，本文中关于昇腾910系列出货量的数据，是参考自本营最近的一份调研纪要。国产GPU采购情况相信本文的读者们应该都看到过关于CSP大厂的资本开支，字节预计2025年投入1600亿，阿里宣布未来3年投入3800亿建设云和AI硬件基础设施，腾讯预计2025投入900亿。根据公众号“AI半导体专研”的一个调研，在H20被禁后，国内大厂对于国产GPU卡的态度和采购计划如下：字节最为积极，主要采用寒武纪和昇腾，并广泛测试国内其他品牌，2025年计划增加采购这些品牌的卡。阿里则较为谨慎，除了自研的平头哥外，还上线了部分昇腾卡，但性能表现不佳；2025年预计首次采购海光和寒武纪的卡，同时继续加大英伟达产品的储备。腾讯在这三家公司中对国产卡的态度最为保守，首选英伟达，其次为H公司的产品，最后考虑寒武纪和海光，并且也认证了摩尔线程。腾讯2025年的资本支出包括大量GPU采购、服务器采购以及算力租赁，以应对快速增长的需求和合规要求。整体来看，这三家公司都在寻找适合自己的平衡点，既保证技术先进性又兼顾供应链的安全与稳定。昇腾910系列的最新情况根据最新的市场调研报告，我们了解到截至6月初，昇腾910B和910C的整体出货情况呈现出不同的趋势。910B型号自年初以来一直保持稳定出货，累计出货量达到了约16万张。相比之下，910C虽然性能更优，但因量产计划延迟，截至同一时间点仅出货约2.7万张，预计后续单月出货量将逐步增加至5万张左右。在客户反馈方面，910C在国产芯片中表现出色，尤其在集群能力上领先于其他国产竞争对手，不过相较于NVIDIA的产品仍有差距。尽管如此，910C凭借其卓越的单卡性能获得了市场的初步认可。然而，除了性能之外，服务端支持和生态系统建设依然是亟待解决的问题。下图是Morgan Stanley一份研报中给出的性能对比图，大家可自行参考。
值得注意的是，互联网巨头如字节跳动、阿里巴巴和腾讯等对910C的需求波动较大。这些企业正在调整采购策略，部分原因是由于训练卡缺口较大而推理卡需求相对较小，同时受到910C出货节奏延后的影响。此外，阿里平头哥自研芯片的逐步替代也对市场需求产生了影响。因此，原定全年出货目标不得不进行相应调整，从最初的85万张下调至70万张左右，其中910B和910C各占一半。具体来看，910B的主要用户集中在地方超算中心以及运营商领域，而910C则更多地被大型互联网公司采用，尤其是字节跳动占据了近三分之一的需求份额。有趣的是，尽管一体机的需求曾一度高涨，但由于市场热度下降，这类产品的出货量预计将低于预期。关于昇腾系列卡的应用场景分布，大约15%到20%用于模型训练，其余主要用于推理任务。然而，在实际应用中，使用昇腾卡进行训练面临着成本高昂和技术难题两大挑战，这限制了其在高端训练领域的广泛应用。目前，只有少数几家头部企业如DeepSeek、科大讯飞以及华为内部团队正在尝试利用昇腾卡进行特定类型的模型训练。与此同时，随着FP8成为推理侧硬件的基本要求，各大厂商都在努力提升产品兼容性和效率。多模态模型的发展趋势推动了更高标准的硬件需求，例如CloudMatrix 384超节点方案正逐渐成为行业标杆。面对这一变化，国产芯片制造商也在加紧追赶，力求缩小与国际领先品牌的差距。对于NVIDIA即将推出的适配中国市场的新一代算力卡，尽管其性价比并不突出，但在推理场景下仍有一定的竞争力。尤其是在生态系统的构建上，尽管存在一定的不兼容性问题，但寒武纪、海光等品牌已经取得了不错的进展。长远来看，随着国内生态体系不断完善，国产芯片有望进一步扩大市场份额。最后，针对互联网大厂而言，选择与昇腾合作进行定制化开发虽然能够带来一定的性价比优势，但仍需投入大量的人力资源来完成适配工作。相比直接使用NVIDIA卡，这种方式增加了额外的时间成本和技术难度。因此，如何平衡成本效益与技术实现成为了各大厂商必须考虑的关键问题。综上所述，昇腾910B和910C虽然在市场上取得了一定的成绩，但仍面临着来自性能优化、生态建设等方面的挑战。未来，随着技术进步和市场需求的变化，国产芯片产业将迎来更加广阔的发展空间。
页:
[1]
