對話徐直軍：為什麼華為不兼容英偉達CUDA，一定要搞開源

（文/觀察者網 呂棟 編輯/張廣凱）

「算力是中國人工智能的關鍵，國內AI要多少算力就給多少算力，你要什麼樣的算力就給你什麼樣的算力。中國無論是誰想訓練多大參數的大模型，都是有商業基礎和算力提供的。」在剛剛結束的華為全連接大會上，華為輪值董事長徐直軍對觀察者網等媒體説道。

這次大會上，徐直軍時隔六年再度公佈昇騰和鯤鵬芯片的進展，讓外界頗感意外。從華為披露的信息，我們可以得到兩個確定性結論：一昇騰、鯤鵬兩大計算芯片將持續演進；二包括昇騰在內的國產AI芯片，仍將受制於國內芯片工藝的落后，單卡性能或長期落后英偉達。

那國內的AI算力需求怎麼被滿足？徐直軍向觀察者網強調了華為「5個字」核心戰略，就是「超節點+集羣」，「AI算力不等於芯片性能，單顆芯片性能的短板可以通過‘超節點和集羣’方式解決，且實現性能更強，同時國內的電力基礎施優勢也解決了算力用電問題。」

圖源：觀察者網

在當下，包括摩爾線程、壁仞科技、沐曦集成電路等初創GPU公司，已經紛紛表示兼容英偉達的CUDA計算生態，外界近期傳出華為也可能調整戰略，發展GPU併兼容CUDA。

但從徐直軍的表態來看，昇騰兼容CUDA的傳言並不可靠。他表示，華為要做開源開放的生態，不兼容CUDA是從長遠考慮，「CUDA現在也不能隨便用，都是過去的版本。如果哪天CUDA生態兼容不了怎麼辦？只要大家心往一處想，都來使用，國內生態一定會發展起來。」

芯片製程落后，昇騰單卡算力受限

這次大會，最受關注的莫過於華為再度公佈昇騰芯片的技術進展，讓外界能更直觀地瞭解昇騰芯片的實力和未來規劃，也讓大家對國產AI算力有了更多底氣。

按照華為公佈的信息，昇騰910C在今年一季度已推出，它的FP16（半精度浮點數）算力為800TFLOPS（每秒萬億次浮點運算，0.8PFLOPS），內存為128GB，帶寬為3.2TB/s。

作為對比，英偉達「中國特供」H20芯片的FP16算力為148 TFLOPS，內存為96GB，帶寬為4TB/s；H100同等精度下的算力為990TFLOPS，內存為80GB，帶寬為3.35TB/s。

簡單對比就會發現，昇騰910C的FP16算力已是英偉達H20的5倍多，逼近H100。而在內存容量上，昇騰910C也超過了H20和H100，只是帶寬還略有落后。

這或許就是中國監管敢於直接對H20「后門」問題出手的底氣，畢竟昇騰910C的實力已不輸於H20。但H20畢竟還是「閹割版」，與英偉達最先進的芯片相比，昇騰芯片的實力又如何呢？

圖源：觀察者網

以華為計劃在2027年四季度推出的昇騰960芯片為例，它的FP8精度下算力為2PFLOPS，FP4精度下算力為4PFLOPS，內存容量為288GB，帶寬為9.6TB/s。

作為對比，英偉達去年3月發佈的B200芯片，FP8精度下算力為4.5PFLOPS（稠密模式，稀疏計算會更大），FP4精度下算力為9PFLOPS，內存容量為192GB，帶寬為8TB/s。

不難看出，即便是兩年后的昇騰960，在單芯片算力上與B200仍存在一倍的差距。

直到計劃2028年四季度推出的昇騰970，它的FP8算力為4PFLOPS，FP4算力為8PFLOPS，顯存容量為288GB，帶寬為14.4TB/s，這些指標才能與B200一較高下。

昇騰已經是國產AI芯片的領跑者，其他芯片企業的單卡性能與英偉達存在更明顯的差距。比如正在衝刺IPO的摩爾線程，它的MTT S5000計算加速卡在FP32精度下的算力為32TFLOPS，這個數據與H20的44TFLOPS比較接近，但只有H100的一半。

國產單卡的落后原因可能是多方面的，最關鍵的還是芯片製程，畢竟英偉達可以隨意使用臺積電的先進製程，購買更先進的HBM，而中國企業在制裁封鎖下只能自力更生。

徐直軍坦言，智能化的可持續，首先是算力的可持續。中國半導體制造工藝將在相當長時間處於落后狀態，可持續的算力只能基於實際可獲得的芯片製造工藝。

華為核心戰略在5個字上，芯片之外都是優勢

算力是全球人工智能發展的關鍵，已經是不爭的事實。在美國持續封鎖中國AI單芯片的大背景下，我們怎麼才能獲取更多算力，為AI產業提供支撐？

徐直軍在全連接大會上對觀察者網坦言，華為的核心戰略就是「超節點+集羣」，整個戰略在這5個字上，「我們認為只有依靠超節點和集羣，才能規避中國的芯片製造工藝受限，能夠為中國的AI發展提供源源不斷的算力支持和供給。」

這次全連接大會上，華為公佈了Atlas 950超節點，它將在2026年四季度上市，由8192顆昇騰950DT芯片全光高速互聯而成，是今年商用的CloudMatrix384超節點的20多倍，FP8算力達到8E FLOPS，FP4算力達到16E FLOPS，互聯帶寬達到16PB/s。

「單顆芯片相比較英偉達有差距，生態還有差距，但是做成超節點集羣，我們有自信和底氣。因為AI就是並行計算，所以我們的解決方案就是開創計算架構，基於靈衢互聯協議打造超節點和集羣，來滿足我國無窮無盡的算力需求，這是我們對自己的目標，又是對產業界的承諾，更是對國家的承諾。」他説道。

圖源：觀察者網

徐直軍表示，Atlas 950超節點，至少在未來多年都將保持是全球最強算力的超節點，相比英偉達將在明年下半年上市的NVL144，Atlas 950超節點卡的規模是其56.8倍，總算力是其6.7倍，內存容量是其15倍，達到1152TB；互聯帶寬是其62倍，達到16.3PB/s。即使是與英偉達計劃2027年上市的 NVL576相比，Atlas 950超節點各方面依然領先。

超節點的本質還是堆卡，但又不是簡單堆卡。以CloudMatrix384超節點為例，它是華為光通信、網絡、供電等多種能力「大雜燴」的結果。更重要的是，它打破了傳統以CPU為中心的馮諾依曼架構，憑藉高速互聯總線的關鍵突破，實現了更大的算力密度和互聯帶寬。

但超節點也會帶來一個重要問題，就是功耗。按照海外機構SemiAnalysis發佈的數據，華為CloudMatrix384超節點的算力是英偉達NVL72的1.7倍，功耗則達到了4.1倍。

在徐直軍看來，這並非瓶頸。「超節點+集羣有能力為中國AI產業提供充足算力，讓中國沒有算力之憂。但是功耗大一點，電要耗多一點，但無論怎麼説，我們有（資源），而且我們國家電價相對便宜。除了單顆芯片比它的算力小一點，功耗大一點，其他都是優勢。」

為什麼華為不兼容CUDA生態？

在AI的大規模計算中，芯片能力固然很重要，但同樣離不開軟件的協同。以英偉達為例，它的GPU雖然性能強大，但仍然需要CUDA的協助，才能充分釋放GPU的性能。

根據公開數據，目前英偉達CUDA閉源生態中已有500多萬開發者，超過900個高性能庫/框架，並且已連續迭代了18年。在當下，CUDA已不僅是編程框架，而是事實上的「AI計算操作系統」，競爭對手先得複製這18年的「代碼+人才+習慣」沉澱，纔敢談替代。

也就是在這個背景下，包括摩爾線程、壁仞科技、沐曦集成電路等初創的國產GPU企業，率先發力兼容CUDA生態，並伺機發展自主生態，以向開發者提供更方便的使用體驗。

但華為並沒有像早期鴻蒙兼容安卓一樣兼容CUDA，而是堅持發展CANN和MindSpore等全棧能力。

「為什麼我們不兼容CUDA生態，一定要搞開源生態和MindSpore，也是為長遠考慮的，我一直做，我投這麼多錢兼容CUDA生態，而且CUDA現在也不能隨便用，都是過去的版本。如果哪天CUDA生態兼容不了怎麼辦？為什麼我還堅定不移搞一個MindSpore呢？當時專家都反對。我們的AI，從達芬奇到昇騰芯片到整個一切，包括所有的軟件生態都不依賴於西方生態和供應鏈。所以長遠來考慮的話，要把生態構建起來。」徐直軍説道。

圖源：觀察者網

今年8月，華為宣佈CANN 編譯器和虛擬指令集接口開放，其它軟件全開源，CANN基於昇騰910B/C芯片的開源開放將於2025年12月31日前完成，未來開源開放與產品上市同步；Mind系列應用使能套件及工具鏈全面開源，並於2025年12月31日前完成；openPangu基礎大模型全面開源。

「華為為什麼做開源開放的生態？我們的進步是在和客户不斷地交互過程中相互促進與進步的。説‘開源開放’這四個字是難啊，尤其是對華為這種成長型的公司，大家習慣把源代碼捂得死死的，因為是核心資產，為此我們要説服大家到底從哪里掙錢。」徐直軍坦言，華為的變現靠昇騰硬件，其他的一切都可以開源開放。開源開放是促進硬件規模和硬件的普遍使用，「大家都用了，我賣得多了，開源開放的錢就掙回來了。」

但現在華為有一個明顯的挑戰是，在訓出準萬億參數的盤古Ultra MoE大模型之后，怎麼吸引更多像DeepSeek一樣的外部頂級大模型在昇騰平臺上訓練，這樣才能不斷證明昇騰與英偉達的抗衡能力。

「國內AI企業用昇騰訓練大模型，主要看是他們用不用，就像談戀愛，不談的話，你怎麼知道對方的優缺點，合適不合適，你要談一下，要用一下。在用的過程中有問題解決問題。當然了，第一是我們的生態和整個的工具鏈肯定是比英偉達有差距的；第二個原來在英偉達應用很熟練，就像我們用蘋果手機用得很熟練，就不願意轉過來，它是工程師的習慣問題，而不是高層的問題。雖然芯片供應問題阻礙了昇騰生態發展，但生態是用出來的，只要大家心往一處想，都來使用，國內生態一定會發展起來。」徐直軍表示。