華為CloudMatrix 384 AI超級集群超越Nvidia GB200：以規模取勝，能耗為代價
華為最新發佈的CloudMatrix 384 AI超級集群，標榜以大規模部署自家Ascend 910C處理器，直接向Nvidia旗艦GB200 NVL72架構挑戰。這個系統於美國政府進一步限制Nvidia H20 AI晶片出口中國後（約於4月15日）公佈，明顯是要填補中國AI算力缺口，成為本土替代方案。
在多項理論性能指標上，CloudMatrix 384甚至超越了Nvidia目前的頂級GB200 NVL72系統。不過，華為選擇以「規模」而非「矽片先進度」取勝，這種策略下，能耗大幅提升成為明顯代價。
CloudMatrix 384的基礎是Ascend 910C雙晶片設計，每顆可輸出780 TFLOPS（BF16格式，AI常用數值型式）。全系統整合384顆加速器，據SemiAnalysis估算，總BF16算力達到300 PFLOPS，遠超Nvidia 72顆GPU的GB200 NVL72所標榜的約180 PFLOPS。記憶體方面，華為方案提供49.2 TB HBM（高頻寬記憶體）容量及1229 TB/s總頻寬，對比Nvidia分別只有13.8 TB和576 TB/s。
以數量壓倒質素，能耗成最大短板
這種性能優勢，主要源於加速器數量超過Nvidia五倍，但總系統功耗亦暴增。CloudMatrix 384全機需559千瓦（kW）電力，幾乎是GB200 NVL72（145kW）的四倍。
換算下來，華為系統每TFLOP算力的能效比Nvidia差2.3倍，每TB/s記憶體頻寬的能效也差1.8倍。至於每TB HBM容量的能效，華為也多用約1.1倍電力。
這其實反映中國當前的現實：高階、節能晶片受美國出口管制影響難以取得，但國內電力資源充裕且便宜。據報導，2025年初中國部分地區電價已跌至每兆瓦時56美元，相比2022年高峰時的91美元大降，令高能耗的AI集群方案在中國更具經濟可行性。
全光網絡架構：光纖取代銅線成集群骨幹
CloudMatrix 384的網絡架構以全光互聯為核心，無論機櫃內外，384顆Ascend 910C處理器都以全互連（all-to-all mesh）方式連接。這套系統動用了6,912個800Gbps的LPO（Linear Pluggable Optics）光收發模組。
LPO技術被業界認為比傳統DSP光模組在短距離數據中心應用下更省電，雖然如此大規模光網絡的訊號完整性管理亦是挑戰。總內部帶寬超過5.5 PBps（Peta bits per second），據SemiAnalysis計算，華為方案的集群內帶寬是Nvidia的2.1倍，跨集群帶寬更達5.3倍。
這套16個機櫃的設計（12個運算櫃+4個網絡櫃）與Nvidia未上市的DGX H100 NVL256“Ranger”平台相似，後者因複雜及成本過高未能量產。
制裁下的供應鏈突破
這種策略能否持續，關鍵在於華為能否在美國嚴格出口管制下取得關鍵零件。雖然中國SMIC能生產7納米級晶片，但目前Ascend 910C多數仍用台積電代工。據報華為透過Sophgo等中間商繞過直接制裁，取得足夠晶圓，預計2025年前可組裝超過一百萬顆910C。
至於關鍵的HBM2E記憶體，華為則透過三星、CoAsia Electronics等第三方流入中國。流程包括Faraday Technology設計、SPIL封裝，然後拆解再用於華為910C模組。這些繞道手法突顯了科技出口管制執行上的困難。
中國AI競賽下的戰略豪賭
CloudMatrix 384的推出時機極為關鍵。美國封殺Nvidia H20後，中國市場專屬的合規AI GPU頓時消失。H20本屬Nvidia為中國特製、性能較低的產品，甚至比華為910B還弱，但禁令令Nvidia為此庫存要計提55億美元損失。
這一政策空窗，讓華為不僅以CloudMatrix填補，更同時發佈新一代Ascend 920晶片。Nvidia CEO黃仁勳更在禁令後親赴北京，公開表示希望繼續與中國合作。
分析員Patrick Moorhead直言：「中國企業將直接轉用華為。」這亦吻合中國加快本土半導體自給的國策，如逐步淘汰外國通訊晶片、以及“國家大基金”推動本土半導體產業。華為CloudMatrix 384展示了在地緣政治夾縫下，中國即使犧牲能效，也能組建具競爭力的AI算力平台，並在灰色供應鏈中尋找突破。
編輯評論：華為CloudMatrix 384，是中國AI自主路上的「能耗豪賭」
華為CloudMatrix 384的出現，標誌著中國AI產業在外部壓力下的「自力更生」新階段。它以「用電力換算力」的思路，直接無視能效指標，靠大規模堆砌硬件，硬生生在算力上壓倒Nvidia——這種戰略背後，是中國電力成本低、能源供應穩定的特有國情。
但這種「規模壓倒質素」的模式，真的可長可久嗎？一方面，這讓中國在短期內不至於在AI競賽上被「卡脖子」，但長遠來說，無論是環保壓力、運營成本，還是技術升級的可持續性，都會成為必須面對的難題。尤其在全球碳中和、節能減排的大趨勢下，「用電力換技術」的路線註定只是權宜之計，難以成為最終答案。
另一方面，CloudMatrix 384背後的供應鏈繞道，亦反映出全球科技產業「你中有我、我中有你」的複雜現實。美國雖然不斷加碼出口管制，但真正做到「滴水不漏」幾乎不可能。這種「貓捉老鼠」的遊戲，或許會推動中國半導體產業加快自立，但短期內，全球供應鏈的灰色地帶仍會繼續存在。
最後，這場「AI算力戰」已經不單是技術之爭，更是地緣政治、產業安全、國家戰略的多重較量。華為CloudMatrix 384雖然在能效上犧牲不少，但在中國當下的背景下，這種「能耗豪賭」未嘗不是一種現實且有效的選擇。不過，當中國AI產業真正邁向世界舞台時，能否從「堆規模」到「拼效率」，才是真正考驗的開始。
