美國封殺Nvidia先進AI晶片，華為新一代Ascend 910C處理器強勢接棒
華為即將大規模出貨其新一代Ascend 910C人工智能處理器，預計最快下月就會向中國客戶批量交付。這個時機正正配合美國對Nvidia先進AI晶片實施更嚴格出口管制，令中國企業不得不尋找本土替代方案。
華為Ascend 910C：規模化設計，性能大躍進
Ascend 910C由華為旗下半導體公司海思研發，是上一代910B的升級版。新一代晶片採用雙芯片封裝設計，處理能力及記憶體容量幾乎倍增。據了解，910C採用先進EDA軟件設計，支援多種AI運算場景，目前已經有部分出貨。
華為之所以能在製程技術受限下維持競爭力，關鍵是「以量取勝」的系統設計思維。華為透過在每個系統中安裝更多處理器，彌補不能使用最先進製程的劣勢。例如CloudMatrix 384這套AI超級計算系統，內置多達384顆Ascend 910C處理器，橫跨16個機架（12個運算、4個網絡），並以6,912個線性可插拔光模組構建全光網絡，實現超高帶寬連接。
CloudMatrix 384在BF16精度下可輸出約300 PFLOPs運算力，遠超Nvidia最新GB200 NVL72系統的180 PFLOPs。它的總記憶體頻寬高出2.1倍，HBM容量更高出3.6倍。每顆910C配備8顆HBM2E記憶體模組，並能透過光學互聯架構實現橫向及縱向擴展。
高性能背後的能耗權衡
不過，這種「蠻力」設計也有代價。CloudMatrix 384全機架耗電高達559千瓦，是Nvidia對手系統的近4倍。換算每瓦運算力，華為系統的效率約為Nvidia的43%。但由於中國部分地區電價下跌，2025年每兆瓦時只需56美元，這種能耗換取性能的策略在本地市場尚算可行。
Ascend 910C針對大型AI模型訓練及推理，單顆可提供780 BF16 TFLOPs，已超越AMD MI250X（383 TFLOPs），但仍落後於Nvidia B200（2.2 PFLOPs）。
華為相信，透過系統級設計和大規模堆疊，整體性能可追上甚至超越國際對手。其設計棄用中央I/O晶片，改用兩顆運算芯片直接封裝，這種架構與AMD Instinct MI250X及Nvidia B200不謀而合。910C採用7nm級製程，部分芯片由中芯國際（SMIC）生產，雖然良率不高，但產能正逐步提升。據報部分芯片透過第三方如Sophgo、台積電間接生產，繞過美國制裁。
供應鏈繞道，國產替代加速
在記憶體方面，910C用到的HBM2E大多來自三星，經CoAsia、Faraday Technology等中間商轉運，避開出口限制。這些零件最終在中國組裝進華為的系統封裝。儘管供應鏈複雜，華為據稱已備足足夠晶圓，2023至2025年間可生產超過一百萬顆910C。隨著中芯國際產能提升，預計更多生產將回流國內。
CloudMatrix 384展現華為維持中國AI發展動力的雄心。其光學互聯網絡橫跨機架，帶寬超過5.5 Pb/s，極大減少訊號損耗與延遲。每個運算機架有32個加速器，設計支援彈性擴展及企業級容錯。
雖然華為在能耗和記憶體頻寬上仍遜於Nvidia，但在硬件短缺下，其可用性與可擴展性成為中國AI企業的首選。隨著Nvidia GB200 NVL72受制裁無法進口，CloudMatrix 384很可能成為中國AI訓練的主流方案。
評論：華為蠻力突圍，AI算力「中國特色」新格局
華為Ascend 910C及CloudMatrix 384的出現，正好反映中國科技企業在全球半導體地緣政治下的適應與突圍。華為無法像Nvidia般依賴最先進的製程技術，但卻以規模化、系統級設計和供應鏈靈活調度，硬生生闖出一條「中國特色」AI算力之路。
這種「以量取勝」的策略，表面看似粗放、能耗高，但在中國本土電力便宜、政策傾斜、供應鏈逐步國產化的背景下，實際上非常務實。華為不再追求單一晶片的極致性能，而是透過大規模堆疊、光學互聯等方式，將整體算力推到新高度。這不僅是技術上的妥協，更是策略上的自信：中國可以用自己的方法，彌補與西方科技巨頭之間的差距。
然而，這條路同時暴露出中國半導體產業的兩難。即使突破美國封鎖，製程良率、記憶體自給率、能效比等核心指標仍有明顯短板。如果未來全球AI產業進一步向低能耗、高效能演進，華為這種「蠻力」模式未必能長期維持優勢。因此，華為的成功是中國AI產業「韌性」的體現，但同時也提醒我們：真正的技術自主，還需時間和更多原創突破。
最後，這場半導體博弈不單是技術競賽，更是全球產業鏈、政策和市場的多維角力。華為的CloudMatrix 384或許只是起點，未來中國AI基礎設施的路會怎樣走，值得我們繼續觀察。
