背景速览：AI算力竞争进入量产阶段
全球AI基础设施的竞争已从模型能力转向算力部署速度。随着大模型在工业、金融与公共服务中的落地加速，推理场景对本地算力的需求迅速攀升。根据中国信通院最新测算，2025年国内AI推理算力需求同比增速超过55%，AI服务器出货量有望突破120万台套。在这一时间节点，华为确认将把昇腾910C芯片的年产量提升至60万枚，相当于2024年的两倍，这一消息意味着国产高端AI芯片开始从“工程样机阶段”迈入“规模化交付”阶段。
昇腾910C是昇腾全栈体系面向训练和高性能推理的核心器件，采用异构计算架构，集成了矩阵计算单元Cube、AI Core和高带宽内存通道，单卡算力可达320 TOPS INT8/640 TOPS FP16。得益于华为自研的CANN编译栈与MindSpore框架，910C已在多个行业场景中完成“软硬协同”验证，包括大规模语音识别、工业视觉质检、金融风控模型训练等。此次扩产的战略意义不仅在于芯片本身，更在于围绕其构建的软硬件生态链条将迎来新一轮的体量扩张。
核心进展：60万枚产能带来的供给侧变化
60万枚芯片意味着至少10万台以昇腾910C为核心的AI服务器出货能力，可覆盖约1500个千卡级别的数据中心机架。结合华为此前披露的昇腾Atlas 900 SuperCluster、昇腾AI计算中心等整机方案，这一产能扩张将推动以下变化：
- 产线成熟度提升：昇腾910C采用7nm级别工艺，由国内代工厂提供晶圆服务。量产规模翻倍将促进代工、封测环节的良率迭代，进一步降低单位算力成本。
- 区域算力中心复制：在粤港澳、长三角、成渝等区域已落地的昇腾AI算力中心将有能力扩容到多万卡级别，为大模型训练和推理提供稳定算力。
- 行业专用加速卡迭代：华为在自动驾驶、智慧矿山、精细制造等行业的Atlas专用加速卡将同步更新，910C的高带宽、高能效特性允许在边缘数据中心运行更复杂模型。
技术与产业影响：自主可控走向纵深
昇腾910C扩产带动的不仅是单一芯片产能，而是整个国产AI算力栈的系统性跃迁：
- 编译栈成熟度：CANN 8.x版本已支持主流Transformer、MoE、Diffusion架构，配套算子覆盖率超过95%。规模化部署将进一步丰富算子库与性能调优策略，降低应用迁移门槛。
- 数据中心方案国产化：配合自研昇腾网卡、鲲鹏CPU与高性能交换机，910C可构成端到端国产AI算力方案，帮助政务、能源等行业满足数据安全与自主可控要求。
- 生态伙伴扩围：当前已获得昇腾适配认证的ISV超过600家，覆盖智慧城市、医影、金融风控等赛道。大规模供货将使SaaS/IaaS伙伴敢于制定长期产品路线图，形成“芯片—平台—行业应用”三层生态闭环。
风险与挑战：工艺、软件与市场的三重压力
尽管扩产释放出积极信号，但仍需审视潜在挑战：
- 先进工艺可持续性：910C依赖国内代工厂的N+2工艺和多重EUV替代方案，持续扩大产能需要稳定的设备、材料供给，尤其是高端光刻胶、特种气体的国产替代仍在推进中。
- 软件生态竞争：国际生态在CUDA体系下已形成强网络效应，国产算力要争夺开发者心智，必须在开发工具链、算子性能、迁移成本上持续突破，避免“硬件好用但软件难迁”的瓶颈。
- 市场优先级博弈：60万枚的供给如何在政企、互联网大厂、科研机构之间分配，将考验华为的渠道策略。若不能兼顾公共算力需求与商业回报，可能引发算力资源错配。
战略建议：从“算力孤岛”走向“算力网络”
要让昇腾910C扩产释放最大边际效应，需要产业上下游协同推进：
- 构建算力调度网络：依托国家算力枢纽工程，将910C算力节点纳入统一调度平台，实现跨区域、跨行业的算力互济，提升整体利用率。
- 推进行业模型共建：鼓励央企、头部工业企业与华为共建行业大模型训练中心，形成“数据—模型—算力”的闭环资产，抵御ChatGPT系模型在垂直领域的扩张。
- 强化开源生态：持续推动MindSpore、AscendNPU社区开源，提供与PyTorch生态的双向兼容工具，降低算法团队迁移成本。
- 完善供应链金融支持：对参与昇腾生态的中小供应商提供算力券、融资租赁等政策工具，缓解产能扩张的现金流压力。
参考事件
- 《华为拟明年生产约60万枚昇腾910C芯片，产量约为今年两倍》，RFI，2025年9月29日。
- 工信部数字中国建设进展新闻发布会，2025年9月18日。
