华为近期确立了一项新目标：对标英伟达。

华为监事会主席郭平表示：“对于ICT业务及计算领域，华为的目标是成为英伟达。”这意味着要让全球各类大模型在华为的芯片、超节点和集群上顺畅运行。

我最初的反应是：华为的主营业务不是手机吗？

在我的认知中，华为因禁令导致手机销售受阻，才开始开发鸿蒙系统和自研芯片，它凭什么能与英伟达相提并论？

不过，郭平提到的“ICT业务”引起了我的注意……

实际上，华为收入最大的板块是ICT（信息与通信技术）基础设施，而手机所在的终端业务排在后面。ICT正是华为的核心优势。

华为凭什么能与英伟达相比

根据华为2025年年报，ICT是华为最核心的业务，收入超过终端。

华为2025年ICT业务收入为3750.14亿元，占整体营收的42.6%，高于终端业务的3444.73亿元。

回顾华为历史，手机等终端业务收入超越ICT的时期，仅出现在华为手机最火爆的2019年和2020年。

那么，华为的“ICT”为何如此强大？

因为华为本质上就是一家“通信”公司，ICT是其起家的业务。

1987年华为成立时，从事代理销售，卖的是“电话交换机”。这类设备通常用于酒店或企业内部，用于连接电话线路，使每部电话既能拨打内线也能拨打外线。

1990年，华为开始自主研发交换机技术。随后业务规模不断扩大，连接设备从一栋楼里的电话扩展到乡镇、城市的电话网络。

此后，华为涉足无线通信、基站和传输设备领域，在5G标准中拥有多项核心专利，围绕一种名为“极化码”的编码技术，负责优化手机与基站之间的数据传输速度和准确性。

值得注意的是，华为研发AI芯片并非因禁令所迫。昇腾310于2018年发布，比华为被列入美国实体清单早了近半年。

郭平的原话限定明确，指的是“ICT业务及计算领域”，手机、汽车、光伏等不包含在内；华为的优势在于能让全球大模型在华为硬件上运行，对标的是英伟达占总收入九成的数据中心业务。

这项业务规模有多大？

英国《金融时报》2026年5月报道，华为AI芯片收入在2025年约为75亿美元，2026年预计约120亿美元（路透社称无法独立核实）；英伟达2026财年数据中心收入为1937亿美元，两者相差约16倍。

但在国内，华为的情况不同。IDC统计显示，2025年中国售出约400万张AI加速卡，其中华为卡占81.2万张，接近所有国产厂商总和的一半。英伟达H20被禁后，中国要求使用国家资金新建的数据中心必须采用国产AI芯片，黄仁勋表示英伟达在中国的份额“从95%变成了0”。

利用通信优势进军AI赛道

这样来看，华为当前的目标就容易理解了。过去几十年，华为积累了一项核心能力：让大量设备之间的数据传输更快、更稳定。进入AI时代，成百上千颗芯片需要协同工作，同样需要频繁交换数据。除了单颗芯片的性能，如何让这些芯片高效协作，恰恰给了华为发挥老本行的空间。

因此，华为在AI芯片领域的策略很明确：以量取胜。

单颗芯片的计算能力与英伟达相比差距明显，所以华为在910C这一代采用“双拼”方式，将两块裸片封装在一起，以增强计算能力。

然后，将大量这种“双拼芯片”连接起来，组成更大的“超节点”。

这个“超节点”实际上是多个服务器节点的集合。这么多芯片能够实现高速互联，依靠的是华为在通信技术领域数十年的积累。

搭载910C的华为Atlas 900 A3 SuperPoD包含16个机柜，而英伟达的NVIDIA GB200 NVL72集群只有一个机柜。

华为宣传的下一代Atlas 950 SuperPoD包含160个机柜，设备占地面积近1000平方米。

但这会带来巨大挑战。

首先是耗电量巨大。

SemiAnalysis对华为CloudMatrix 384的测算显示，整套系统功耗约为559千瓦，是英伟达GB200 NVL72超节点的4.1倍。

其次，如此大规模的集群，信息传输也是一个重大问题。

因为连接更多芯片，并非简单增加几根线。连接距离拉长，需要采用“光互联”技术；而训练任务持续运行时，光链路的短暂故障可能导致整个节点通信中断。

开源模型Llama 3的技术报告披露，使用16384张H100的训练集群，在54天观察期内发生了466次中断，其中419次是意外中断。训练必须同步，一张卡损坏就需从存档点重新开始。因此，能否稳定连接、中断后能否快速恢复，与单颗芯片的速度同样重要。

但作为一家以通信技术起家的公司，这正好是华为的强项。

华为的解决方案是重新设计光器件和互联芯片，在光路上实现百纳秒级的故障切换，将光互联的可靠性提升100倍，距离延长至200米。

此外，华为在传统通信和云服务领域已在国内建设了大量机房，电力规划并非难题。华为云在芜湖、贵安、乌兰察布等地布局了自建自营的数据中心，这些积累为超节点的供电、散热和部署提供了基础。

凭借通信技术优势，华为弥补了计算能力的短板，成功研发出昇腾系列芯片和Atlas系列服务器节点。

华为目前成熟的910C（即前述“双拼芯片”）超节点已累计部署超过1000套，而一年前这一数字还是300多套。950超节点在9月17日的全联接大会上宣布已规模商用，下一代960芯片中的960DT比原计划提前三个季度，将于2027年一季度准备就绪。

照此势头，华为能否真正成为“中国英伟达”？目前还有多大差距？

距离“中国英伟达”还有多远

首先，差距在于HBM（高带宽内存）。

我们通常所说的“卡”或“计算模块”上，除了AI芯片，还需要内存。

AI芯片运算时需要不断读取海量数据，内存速度跟不上，芯片再快也无用。为了尽可能提高内存数据传输速度，HBM将内存带宽拉至很高。

我们常说的“5090显卡”上的GDDR7内存单颗粒位宽为32比特、266根导线，而1024比特的HBM3e有足足3982根导线。

要制造HBM，除了排列这些导线，还需解决芯片减薄、硅通孔、精密堆叠和散热等一系列工艺难题。

目前，全球能量产HBM的只有三星、SK海力士和美光三家。2024年12月，美国商务部将高带宽密度的HBM全部纳入管制，华为无法从海外采购这三家成熟量产的HBM。

华为手头还有管制前囤积的HBM2E库存，自研的HiZQ 2.0已做到144GB、4TB/s，与H200水平相当。

8月31日，The Information报道称，国内内存厂长鑫已开始小批量生产HBM。但HBM3初期良率仅约25%，而业界量产标准在80%左右。产能严重不足，明年才能扩大生产。

不过，相比技术本身，良率提升相对容易。三星的HBM4良率今年2月还不到60%，半年内就提升至80%。

静候长鑫佳音，长按屏幕为他加速助力。

反观英伟达，背后有SK海力士和美光的大规模量产供货。因此，即使华为拥有AI芯片，高速内存这一环节仍未补齐，整个计算模块的能力与英伟达仍有差距。

此外，对于前沿模型公司来说，主要有两大算力需求：训练和推理。

简单来说，训练是公司内部开发新模型的过程，对计算能力和稳定性要求更高；而推理是面向用户的服务，即用户对话过程中模型思考所消耗的算力，对计算能力上限的要求相对较低。

训练需要几千张卡连续运行几十天，任何故障都需回退重来。因此，国产芯片从推理入手是自然的选择。

但在中国市场，英伟达的同类产品目前无法合法进口。因此，作为可购买的芯片，昇腾已成为一些国产AI公司的选择。

此外，价格也是优势。性能相近的华为910B整机租金比英伟达A100低40%。

毕竟，与训练相比，推理对芯片能力的要求并不那么高，便宜更重要。

但最关键的问题是软件生态。

CUDA是建立在英伟达GPU之上的一整套软件系统。这实际上是英伟达最深的护城河，目前几乎所有AI训练都在英伟达CUDA架构下完成。

华为也开发了自己的对标CUDA的软件系统“CANN”，但与已发布近20年的CUDA相比，仍有不小差距。

CUDA中的工具、模型和教程大多是现成的，出现问题也容易在文档和社区中找到答案。但CANN不仅社区文档不成熟，稳定性也远不如CUDA，需要频繁重新适配、反复测试，甚至为单个模型单独优化，对使用华为系统的开发者能力要求很高。

而且，CUDA生态中最有用的部分并非英伟达编写。大模型相关的研究在开源时默认只提供CUDA版本，英伟达一行代码未写，护城河却自行加深。相比之下，CANN社区的月活开发者今年才刚超过华为内部开发者数量。

即使解决了软件稳定性和软件栈薄弱的问题，用户对软件系统的使用惯性也对CANN的广泛应用产生很大影响。

我从Windows切换到苹果操作系统都需要适应很久，对于习惯了CUDA的工程师来说，从一个在训练领域已垄断整个体系的生态，短时间内切换到华为的新生态，代价巨大。

尽管道路漫长，但最近也看到了华为昇腾和CANN体系在AI领域应用的第一线曙光。

Deepseek V4-Flash的训练中有昇腾的参与。华为还通过CANN开源了V4-Flash和V4-Pro的续训练方案。

此外，有第三方团队在千卡级的昇腾910C集群上完成了V4-Pro的后训练。

根据AI研究机构Epoch AI的分析，尽管华为在芯片技术上比英伟达落后3到4年，国产HBM产能也远远落后于SK海力士、三星和美光。

但华为确实可以作为中国代表与英伟达一较高下，CANN未来也有超越英伟达护城河的可能：

“尽管CANN目前不如CUDA成熟，但它具备成为竞争者的可行性……鉴于中国实验室的开源倾向以及它们对加强中国国内计算能力的关注，它们可能比闭源的西方实验室更愿意与华为分享架构细节，并为生态系统做出贡献。”

从1987年代理别人的电话交换机，到今天将上万张华为自己的卡连接成一台逻辑计算机，华为走了近四十年。“成为英伟达”眼下仍是一个目标，但华为已用能力证明自己能制造昇腾芯片、能开发CANN系统。接下来就是沿着这条路继续努力。

郭平曾说过：“真正阻碍华为发展的并非外部环境，而是内部能力。”这种难度的事，华为过去也不是没做成过。

本文来自微信公众号 “硬核看板”（ID：yinghekb），作者：王芮，36氪经授权发布。