发生了什么
华为宣布，2027年中国很大一部分AI模型训练将迁移到基于Ascend的SuperPoD和SuperCluster系统。轮值董事长徐直军表示，Ascend芯片在国内市场份额已经超越Nvidia，但没有提供具体数字。该公司推出了 Atlas 960 SuperPoD 和 Peerium 计算架构，同时指出生产限制将使这些系统主要在中国境内运行。
在上海举行的华为全联接2026大会上，轮值董事长徐直军告诉记者，从明年开始，大量的AI模型训练将基于搭载Ascend 950DT处理器的SuperPoD或SuperCluster系统。徐声称，华为专有的升腾芯片在中国国内市场份额已超过Nvidia，但他没有提供具体的百分比数据来证实这一说法。
这一消息发布之际，Nvidia 上个月证实，根据新的美国许可安排，该公司已恢复向中国运送 H200 处理器。然而，这些销售额仅占 Nvidia 第二季度数据中心收入的不到 1%。 《南华早报》上个月援引中国主要人工智能开发商的消息称，中国最先进的人工智能模型仍在 Nvidia 芯片上进行训练，这表明市场份额声明与实际高端模型训练基础设施之间存在滞后。
华为周四推出了全新的Atlas 960 SuperPoD计算集群，该集群搭载Ascend 960芯片，据称训练和推理性能是其前身的两倍。该公司还推出了 Peerium 计算架构，旨在互连一百万个处理器以充当一台计算机。虽然 Peerium 已经部署在 Atlas 950 系统上，但目前正在新的 Atlas 960 硬件上进行测试。
尽管取得了这些技术进步，徐警告说，华为最新硬件的国际供应仍然受到限制。他表示，生产限制将使这些系统大部分留在中国境内，并指出该公司没有足够的产能来满足国内需求，更不用说以成熟的方式扩展到国际市场了。然而，华为一直在向海外运送少量产品，以便在高需求地区进行测试。
华为报告称，已在 370 多家企业客户中部署了 1,000 多个 Atlas SuperPoD 设备。徐强调，许多客户选择升腾是因为地缘政治风险和对多供应商策略的偏好，并表示推动全芯片自给自足是中国前进的必由之路。他预计，全球人工智能计算供需将在2029年左右达到平衡，中国将在2030年稍晚时达到平衡。
为什么这很重要
这标志着全球人工智能硬件格局的关键转变，表明美国的出口管制可能正在加速中国国内半导体的自给自足，而不仅仅是限制其能力。向华为基础设施的过渡表明中国人工智能发展与Nvidia生态系统的脱钩，这对供应链弹性以及美国和中国人工智能硬件提供商之间的竞争动态具有实际影响。
向华为基础设施的转变标志着中国人工智能生态系统的结构性变化，减少了对美国半导体技术的依赖。这一发展是对美国旨在限制中国获得先进芯片的出口管制的直接反应，表明这些管制可能无意中培育了强大的国内替代品。
奥升德在国内市场份额超越Nvidia的说法意义重大，但缺乏独立验证或具体数据点。这一说法与最近有关中国顶级模型仍在 Nvidia 芯片上训练的报道之间的差异凸显了过渡的复杂性以及一般市场份额和高性能训练基础设施之间的潜在差距。
对于全球人工智能产业来说，此举预示着硬件市场的分化。中国人工智能开发人员可能会越来越多地对华为生态系统进行标准化，从而创建一个单独的技术轨迹，这可能会影响中国开发的人工智能模型相对于世界其他国家的互操作性和竞争格局。
华为提到的生产限制表明，虽然战略转变正在进行，但实际实施受到制造能力的限制。这一瓶颈可能会推迟预计 2027 年转变的全面实现，从而使 Nvidia 在中国高端应用市场保持重要地位，直到华为扩大生产规模。
互动机制：它实际上是如何运作的
以交互方式探索这一发展背后的基础技术。
Which component of an AI application is the machine-learning model itself?
接下来看什么
监控Ascend 950DT和960芯片在中国主要人工智能开发商中的实际部署率，以验证所声称的市场份额变化。关注美国有关 Nvidia H200 向中国发货的许可政策的任何变化，以及华为在 2027 年之前扩大生产以满足国内需求的能力。
市场份额声明的独立验证至关重要。寻找第三方分析师的数据或中国主要人工智能实验室披露的有关 2026 年和 2027 年实际培训基础设施构成的数据。
监控 Atlas 960 SuperPoD 和 Ascend 960 芯片与 Nvidia 最新产品的性能基准。训练大型语言模型的实际性能将决定“双性能”主张在实际工作负载下是否成立。
关注中美半导体谈判的最新动态。出口管制的任何进一步放松或收紧都可能加速或阻碍华为芯片的采用以及 Nvidia 的 H200 在中国的供应。
跟踪华为的产能扩张情况。该公司满足国内需求的能力将成为衡量 2027 年转变是否可行或供应限制是否将继续限制采用速度的关键指标。