首页 > 见识

　　到底什么时候才能明白，现在我们所谓芯片的弯道超车， 

　　其实只是在推理芯片上的弯道超车。

　　在训练芯片上还差得远。

　　推理芯片是AI链条的下游。

　　而训练芯片是上游推理芯片。

　　它做的其实就是调用训练好的固定参数模型，然后处理。

　　们交给AI的任务，比如跟AI聊天问答，让它生成图片视频，

　　再比如说做一些软件开发等等。

　　这意味着推理芯片只做单向、前向的运算。

　　而在AI整个链条上，推理芯片是属于落地的那个环节。

　　而训练芯片才是真正掌握AI生产资料的环节。

　　训练芯片做的是把海量的高质量数据，也就是经过标注、分析、归类、处理的数据投喂给大模型。

　　通过前向和反向传播反复调整。

　　大规模的参数进而把大模型给训出来。

　　也就是说，训练芯片在整个AI链条上是属于AI能力生产环节的角色。

　　所以大家不要被他俩的名字给误导了，觉得说好像推理属于抽象的能力更难，

　　而训练好像没有什么技术含金量。

　　但事实并不是这样的。再简单点来理解，就以你手里的这个手机为例，

　　推理芯片就好比你能把这个手机玩得很溜。比如你可以。

　　用它拍出3D高斯泼溅的场景。

　　再比如你可以用它自带的AI功能点外卖等等。

　　你可以把它所有的功能发挥得淋漓尽致。

　　训练芯片则相当于你要造出这台手机。

　　一个使用，一个是生产。这就是它俩最本质的区别。

　　者的难度，你用天差地别来形容也不是特别过分。

　　现在我们的推理芯片确实很厉害。

　　这几年的进步非常大。不仅整体追平了国际的水平，

　　实现了规模化的国产替代。

　　而且在部分的应用场景上甚至还反超了国际水平。

　　但另外一个扎心的事实是。

　　我们的训练芯片目前却只有能用的水平。

　　跟国际先进水平的差距非常大。

　　这也是为什么说在国产芯片这一块没人能碰瓷寒武纪和升腾芯片。

　　因为目前在最难的这个推理芯片上只有武纪和升腾芯片在推进。

　　但即使强如华为，每年那么大的研发比例，在训练芯片上的进展也依旧没大家想象中的那么快。

　　前几天，华为昇能910C千卡集群成功完成DeepSeek V4 Pro一点点6万亿参数Mo，

　　OE全参数后训练，这件事儿不知道大家刷到没，其实这件事儿对国产训练芯片本身来说，它的进展。

　　并不小。以前我们国产算力在大模型领域只能做推理和轻量化的微调。

　　一旦涉及大规模尤其是全参数后训练分分钟就得歇菜，

　　而华为昇腾910C这次就是把这个困境给打破了，

　　那他的成绩怎么样呢？这里要拿一个业内的专业数据来评价，

　　就是mfu u mfu, 简单点来理解就是AI芯片利用率的百分比，

　　大概就是用你这个芯片实际干活用的算力，跟它理论上最多能用的算力做一个比值，

　　算出来的就是mfu，它不是一个确切的值，而是在一个区间。

　　然后这次升腾910C，在轻卡规模拿到的mfu是30%~34.9%。

　　而跟它同规模的英伟达H100的mfu是35%~42%。

　　也就是说在mfu上差了5~10个百分点。

　　但能力上的差距可就不是5~10个百分点了。

　　更何况我们现在连万卡规模的边都还没摸到。

　　所以说这次的进步确实不小。

　　但跟国际水平相比还是差很多。

　　首先，这次做的是全参数后训练，跟国际先进水平的从林预训练在数据量上差得还是很多。然后算力上只有。

　　S只有千卡不是万卡，距离极致吞吐极致成本还是很远。

　　如果按计划，华为升腾950 DT能在今年年底亮相。

　　且实现对标H200的性能。

　　那么我们跟英伟达的差距才能被缩短到1~2代。

　　而且像英伟达的CUDA生态，它可是绑了20年积累的600万开发者，

　　以及900加专用加速库，所有框架默认给CUDA做深度优化，

　　既使国产训练生态在硬件上追平了，但让所有人把代码迁过来的隐性成本，

　　依旧还要3~5年才能抹平。

　　而对英伟达来说，升腾910C单卡追上H100并不可怕。

　　因为这只是产品上的突围，真正可怕的是，升腾芯片已经在和DeepSeek等国产实力形成了除CUDA之外

　　的第二套生态。最后问题来了。

　　你知道除了训练芯片，我们在AI整个生态链上还有哪些环节是比较薄弱的吗？