文｜白   鸽

编｜王一粟

中国智能算力市场，苦英伟达久矣。

无论是从价格还是性能，中国公司都要付出比其他公司更多的代价，还有可能存在断供的风险。

痛点就是需求。华为云这次能够硬刚英伟达，除了昇腾本身的升级，更是因为华为云在大规模算力调配上取得了重要突破。

近期，华为云上线了国内首个商用级别的大规模超节点CloudMatrix 384，该超节点在规模、性能和可靠性上全面超越了英伟达NVL72。

性能能超越，是因为CloudMatrix 384超节点跳出单点技术限制，通过系统性软件算法创新，能够“以小博大”，实现AI算力资源从服务器级供给到矩阵级供给的转变。

说白了，单卡打不过，我们就上群架。

打破对单一处理器的“算力依赖”，打造系统化算力，已逐渐成为业界共识。

华为轮值董事长徐直军曾表示，华为的战略核心就是：充分抓住人工智能变革机遇，基于实际可获得的芯片制造工艺，计算、存储和网络技术协同创新，开创计算架构，打造‘超节点+集群’系统算力解决方案，长期持续满足算力需求。

我们能看到，尽管在GPU通用性和高精度计算方面，英伟达仍处于行业领先，但华为云正在通过系统性的工程优化，开辟了一条DeepSeek式的道路。

近年来，凭借自身在政务等市场的优势，华为云赶超腾讯云，成为中国市场第二大云计算厂商。

那么，硬刚英伟达的华为云，能否凭借在国产算力上的布局，在新一轮云厂商们的AI军备赛中实现突围？

从“堆芯片”到“拼架构”，国产算力的崛起

迈入2025年，大模型应用正在快速落地，“小而多”的推理需求逐渐爆发。

原本在大模型预训练阶段，大家比拼的是谁有高性能算力显卡、大规模的算力集群，而迈入推理计算时代，尤其是随着DeepSeek的爆火，整个底层推理计算范式已经发生改变。

DeepSeek在AI Infra层面提出了大规模跨节点专家并行（Expert Parallelism/EP）技术，通过软件层面的系统性创新，能够降低大模型推理计算在硬件门槛、集群建设等方面的要求。

也就是说，通过EP的方式，或许能够用H800跑出H100的性能。

“DeepSeek让更多人看到软硬件协同创新、算法工程系统创新的重要性。”科大讯飞副总裁、AI工程院院长潘青华如此说道。

而这种软件算法层面的系统性创新能力，无疑给国产AI芯片市场带来了更大的发展空间。另外，信创的需求，也成为催生国产算力市场的关键因素。

毕竟，当前众多地区相关政策都明确要求在智算集群建设中，国产AI芯片要占据一定比例。

不过，有多位行业人士都对光锥智能表示，当前国产芯片性能仍与国际厂商存在差距，“成熟度跟英伟达还是有明显的差距，主要表现在稳定性和效率上，国产芯片的故障率还是非常高的。”

但通过软件算法的系统性技术创新，国产AI芯片也能够满足大模型推理计算的需求。

“通过算法加速提升国产芯片算力性能是非常肯定的答案，概括来说，通过算法加速可以让整个集群国产算力表现提升一两倍，甚至两三倍，而针对几代卡，吞吐量则能提升七八倍。”北电数智战略与市场负责人CMO杨震如此对光锥智能说道。

这也就意味着，借“软实力”弯道超车，成为国产算力崛起的关键。

华为云更是深谙其道，“以空间换算力、带宽换算力、能源换算力，应把算力、存力、运力、电力作为一个复合要素考虑。”华为公司副总裁、中国云业务部部长张修征如此说道。

这一系统性思维在CloudMatrix 384超节点上体现得尤为明显。

CloudMatrix 384超节点的核心技术，是将昇腾芯片组网，单卡算力达781.25TFlops，通过集成384张昇腾算力卡，将传统单节点8卡昇腾服务器扩展至384卡，算力规模提升50倍，达到300PFlops，为万亿参数规模的大型语言模型训练提供强大算力。

同时，通过采用 “一切可池化、一切皆对等、一切可组合” 的新型高速互联总线技术，全对等互联总线和共享以太网技术，该超节点将资源互联带宽提升10倍以上，实现2.8Tbps 卡间互联带宽，直接连接GPU、CPU等计算设备，无需经过CPU中转通信，大幅提升数据传输速度。

另外，该超节点在内存池上，还通过统一内存编址、统一标识、统一通信技术，打通内存带宽传输通道，将内存带宽提升至3.2TB/s，卡间单向带宽突破350GB/s，有效提升内存访问效率，满足大模型对内存的高需求。

也就是说，通过高带宽互联技术，将384张昇腾AI芯片、内存等全部连接起来，形成算力池、内存池，其中包括鲲鹏CPU也会形成一个单独的算力池，“在其中进行池化共享。”华为公司常务董事、华为云计算CEO张平安说道。

事实上，如果从单芯片能力来说，据DeepSeek的测试数据，华为昇腾910C在推理任务中的表现仅能够达到英伟达H100的60%。

同时，在单位算力功耗方面，国产芯片也仍比英伟达高得多。

但此次通过系统架构的创新，华为云CloudMatrix 384超节点，相比NVL72算力提升67%。

同时，基于CloudMatrix的昇腾AI云服务可以让大模型训练作业稳定运行40天，互联带宽断点恢复控制在10秒级别，为系统稳定运行提供保障。

这也意味着，国产算力建设从原本堆芯片的模式，进化到拼架构的阶段。

而系统性软件算法创新，也让国产算力能够与国际顶级算力平台比肩，让中国AI落地应用摆脱国际算力依赖，实现算力资源的自主可控。

“华为云，就是要为世界提供第二选择。”张修征说。

大模型落地千行万业，国产算力的练兵场

可以明显看到，当前国产算力的基础设施已经搭建起来，但想要算力真正用起来，却离不开千行万业的真实场景需求。

而大模型的落地应用，无疑成为了国产算力的练兵场。毕竟，大模型落地，早已不只停留在一线城市，而是真正在千行万业中生根。

比如在制造行业，芜湖海螺水泥通过探索AI在水泥建材行业的深度应用，打造水泥建材行业模型，服务多种业务场景；金龙电机通过构建智能 BOM 检索系统与企业级 AI 问答助手，推动电机行业研发效率与知识管理的双重突破等等。

位于天津的石油化工企业天辰工程，更是在短短3个月时间，就完成了DeepSeek的私有化部署，内部资料可以通过智能体快速查询；工业设计端也把AI融入进了工作流，提升了质量效率；就连项目管理，差旅报销等由OA系统处理的高频工作也实现了“一键秒查”。

这些企业能够如此快速地落地AI大模型应用的背后，都是由华为提供的算力支持。

相比其他云厂商，华为云在行业中落地应用最突出的一个特点，就是中国智造升级是其业务中的一个重要板块，目前在国内只有阿里云能在部分头部领域，和华为云分庭抗礼。

而除制造业外，政务云也是支撑起华为云业务的半壁江山。

今年DeepSeek的爆火，带动了国产算力的落地潮，以及政务业务的智能化升级，这对于国产算力及云计算厂商来说，都将是一个不错的市场增量机会。

于华为云而言，国产算力+政务市场需求，无疑更具有市场增长潜力。毕竟，在政务市场中，华为云则是始终保持领先地位，7年蝉联政务云市场第一。

比如，长沙的“政务一朵云”，通过华为云提供的昇腾AI云服务，在强大的算力支持下，让长沙城市运行综合指挥中心接入近160万个城市管理部件，长沙规频云平台汇聚27万余路规频资源，实时掌握城市运行管理状态，快速指挥调度处置各类突发状况。 

相关数据显示，华为云目前已经累计服务超过800个政务云项目，包括国家部委级项目40多个，省/直辖市项目40多个，市县政府和委办局项目630多个。

“盘古大模型将会坚定走行业AI的道路，帮助各行各业的客户打造属于自己的大模型。华为并不发布面向C端的大模型应用，我们更关注的是怎么能让行业客户真正落地AI。”张平安说道。

截至目前，华为云的盘古大模型已在30多个行业、400 多个场景中应用，如矿山、铁路、制造、具身智能等，推动了行业智能化升级。

相关数据显示，盘古大模型在政务、工业、金融3个市场份额位列第一，并位居医疗、药物、气象以及汽车4个领导者象限。

更值得关注的一点是， 今年已经是华为云重点提及云云协同的第四年，而所谓的云云协同，就是华为云与终端云之间的协同。

如华为新一代折叠屏旗舰Pura X搭载全新智慧助手小艺，正是华为云和终端云能力协同之作，得益于昇腾云算力的底座支持，盘古大模型与DeepSeek双模型驱动，为用户带来智慧体验。

当然，除了手机端外，华为目前最大的智能终端体系中，智能汽车绝对占据着举足轻重的地位。而随着鸿蒙生态逐渐向汽车端的融合，想必未来华为云的云云协同也将扩展至汽车端。

无疑，大模型在千行万业的落地，带动了算力市场的增长。而国外算力供应链存在的极大不稳定性和不确定性，更是助推了国产算力在大模型落地应用中的重要作用。

据IDC报告预计，2025年，中国智能算力规模将达到1037.3EFLOPS，较2024年增长43%；中国人工智能算力市场规模将达到259亿美元，较2024年增长36.2%。

日前，中国移动董事长杨杰也表示：“预计，未来3年中国智能算力规模增长超2.5倍，年均复合增速近40%。同时，到2028年推理算力规模将超过训练算力规模。”

得益于国产算力替代市场的崛起和发展，无疑再次给华为云带来了前所未有的机遇，

近年来，华为云实现了飞速增长，在华为内部从原本的边缘业务，逐渐发展为核心业务，在外部，更是赶超腾讯云，成为中国云计算市场规模第二的厂商。

据华为年报显示，华为云2024年实现销售收入688亿元，同比增长24.4%，海外公有云收入增长超过50%，而昇腾AI云服务则实现6倍增长。

那么，华为云想要成为数字世界的“黑土地”，而是否能够借国产算力和大模型落地应用的东风，平遥直上，值得期待。