2026年7月初的上海，世博展览馆外面排着长队。WAIC 2026的世界人工智能大会开展第一天，humidity高得让人喘不过气，但没人顾得上擦汗。所有人的目光都盯着华为展台中央那台沉默的黑色机柜——Atlas 950 SuperPoD真机。这是它第一次在公开场合以完整形态亮相，1024张昇腾950芯片整齐排列在液冷机柜里，散热管路像血管一样缠绕其间，机身上的指示灯每隔几秒闪一次绿光，仿佛某种巨大生物在缓慢呼吸。

人群中有一个穿格子衬衫的中年男人叫周明远，他是某头部大模型公司的算力架构师。2024年公司决定全面切换到国产算力平台时，他带着团队在大兴的机房里连续熬了三个月。"那时候910B刚扛起来，我们心里其实没底。"周明远回忆道，"大家都在说制裁、说断供，但真正经历过的人才知道，最难的不是缺芯片，而是整个软件生态要从头搭。CANN那会儿文档不全，算子覆盖也不够，我们团队的人一边骂一边写，硬是手写了400多个自定义算子。"

图片：article1_img1.png 华为Atlas 950 SuperPoD真机在WAIC 2026展台首次公开亮相，黑色液冷机柜中1024张昇腾950芯片整齐排列

周明远的经历是整个国产AI芯片生态变迁的缩影。要理解昇腾从910到950这七年走过的路，必须回到2019年。那一年，华为在ISSCC上发布了昇腾910，采用的是自研的达芬奇架构。达芬奇架构的核心设计理念在当时颇为超前——它不是在通用GPU上做加法，而是从零开始为AI计算量身打造。架构集成了三种计算单元：矩阵计算单元负责大规模矩阵乘法，这是深度学习最核心的操作；向量计算单元处理激活函数、归一化等向量运算；标量计算单元则负责程序控制和数据流调度。这种3D Cube的设计思路，让昇腾在AI训练场景下的算力利用率远超传统架构。

但910的故事并不顺遂。2020年之后，供应链制裁的阴影笼罩过来，台积电代工通道被切断，910的后续迭代被迫搁置。这个打击几乎让昇腾产品线陷入停摆。一位不愿具名的华为前工程师告诉我，那段时间整个团队士气低到了谷底，有人选择了离开，但更多的人留了下来。"我们当时开了一个闭门会议，领导说了一句话：没有先进制程，我们就用成熟制程把性能堆出来。这句话听起来像是画饼，但后来910B和910C真的做到了。"

910B的诞生是一个典型的压力催生创新的案例。在无法获得先进制程的情况下，华为选择了在成熟制程上做架构优化和封装创新。910B在性能上虽然无法与最先进的英伟达芯片正面比拼单卡参数，但它解决了一个更关键的问题——产品连续性。在制裁环境下，"能用"比"最强"重要得多。910B让华为的AI算力产品线没有断档，也让下游客户有了可用的国产替代方案。

真正让业界刮目相看的是910C。这颗芯片采用了双Die Chiplet方案，把两颗裸片通过先进封装技术集成在一起。Chiplet不是新概念，但在AI芯片上大规模商用，910C是国产芯片中走得最早的一批。双Die设计的好处显而易见：在单片良率受限的情况下，通过小芯片拼接可以获得更高的整体良率和更大的有效面积。华为的工程师在封装层面做了大量创新，包括高速互连接口的设计和热管理方案的优化。据内部人士透露，910C的双Die互连带宽达到了Tb级别，这个数字放在2024年的国产芯片里是相当领先的。

图片：article1_img2.png 昇腾910C双Die Chiplet封装方案示意图，两颗裸片通过高速互连集成

但910C仍然是一个过渡产品。真正代表昇腾下一代技术方向的是950系列。在WAIC 2026的技术论坛上，华为昇腾计算业务首席科学家详细拆解了950的架构设计，最引人注目的是PR和DT的分型策略。这个设计思路背后有一个深刻的判断：大模型的推理和训练正在走向完全不同的算力需求特征。Prefill阶段需要极高的计算密度来处理首Token的生成，推荐系统场景对吞吐量有极致要求；而Decode阶段和训练场景则更看重显存带宽和长时间的稳定输出。传统的一颗芯片打天下的做法，在这两种场景下都存在浪费。

950 PR面向Prefill和推荐场景优化，DT面向训练和Decode场景优化。这种分型设计让人联想到CPU领域里服务器CPU和AI加速器的分化——当应用场景足够多样化时，专用化是必然趋势。950系列的目标参数也相当激进：FP8精度下1 PFLOPS的算力，FP4精度下2 PFLOPS。这意味着华为在低精度计算上下了重注。FP8和FP4是2025年以来AI芯片领域最热的方向，英伟达的Blackwell架构也在推FP4，但华为在950上同时支持两种低精度格式，显示了对不同应用场景的覆盖野心。

图片：article1_img3.png 昇腾950系列架构分型设计：PR面向Prefill/推荐场景，DT面向训练/Decode场景

回到展台现场，周明远站在SuperPoD前面看了很久。他注意到机柜的散热设计有了明显改进——上一代集群需要外置冷却单元，而950 SuperPoD把液冷系统集成到了机柜内部，管路布局也更紧凑。华为的工作人员告诉他，这套系统在满载运行时的PUE可以控制在1.15以下，这在千卡规模的集群里是一个相当优秀的数字。

"1024卡，1 EFLOPS FP8。"周明远念叨着这个数字，眼神里有一种复杂的情绪。三年前他带队做910B集群的时候，千卡规模的稳定训练还是个巨大的挑战，故障率居高不下，每周都要停机检修。而现在，华为宣称950 SuperPoD在连续72小时的满载压测中没有出现任何单点故障。如果这个数据是真实的，意味着国产算力在系统可靠性上已经跨过了一个关键门槛。

但硬件只是故事的一半。在WAIC的另一个分论坛上，CANN开源社区的负责人分享了一组数据：目前CANN开源社区已有67个项目，代码总量超过1244万行，月活开发者3500+。这些数字背后的意义远比表面看到的要大。AI芯片的竞争从来不只是硬件参数的比拼，软件生态的厚度才是决定胜负的关键。英伟达的护城河不是CUDA本身的性能有多强，而是十几年来积累的开发者习惯和海量优化代码。

华为显然意识到了这一点。CANN从闭源走向开源，从单一供应商走向社区共建，这个战略转变的意义不亚于910到950的硬件演进。一位来自某高校的AI研究员告诉我，他所在的实验室两年前还完全依赖英伟达平台，但从2025年开始，越来越多的学生在学习阶段就接触CANN和MindSpore。"当学生开始用你的工具写论文、做实验，这个生态就有了自生长的能力。"

图片：article1_img4.png CANN开源社区数据展示：67个项目、1244万行代码、月活开发者3500+

周明远在展台前站了将近一个小时，最后走到华为工程师面前问了一个问题："950的量产时间表是什么？"对方笑了笑，说了一句官方口径的话："今年内会有更多信息。"周明远点点头，没有追问。他知道，在国产芯片领域，每一个承诺都伴随着巨大的交付压力。

离开展馆的时候，上海下起了小雨。周明远撑着伞走在世博轴上，给公司发了一条消息："950值得等。SuperPoD的系统设计比我想的成熟，如果量产进度不拖，我们明年的训练集群可以认真考虑。"发完消息他犹豫了一下，又补了一句："但软件生态还需要时间，别抱太高的短期预期。"

这种矛盾的心态，其实是整个国产AI芯片行业的真实写照。硬件上，从910到950的七年演进证明了华为有能力在极端压力下持续推进架构创新。达芬奇架构从第一代走到第三代，3D Cube的设计理念在低精度计算时代反而显示出了更强的适应性。Chiplet封装让成熟制程也能拼出先进性能。950的分型设计则是对未来AI计算分化趋势的提前布局。这些都不是简单的参数追赶，而是基于对AI计算本质理解的系统级重构。

但在软件生态层面，1244万行代码和3500个月活开发者虽然是一个不错的起点，但与CUDA生态相比仍有数量级差距。更重要的是，生态建设不是砸钱就能速成的事情，它需要时间、需要场景、需要一代开发者的成长周期。CANN选择开源路线是正确的方向，但从开源到繁荣，中间还有漫长的路要走。

WAIC 2026结束后的第三天，周明远在公司内部做了一场技术分享，主题是"从910B到950：我们的国产算力之路"。台下坐了上百号工程师，有人问他："你觉得昇腾追上英伟达了吗？"周明远沉默了几秒，说："追上这个词本身就不对。我们不是在追，我们是在重构。达芬奇架构、Chiplet封装、950分型设计、CANN开源——每一步都不是在模仿别人走过的路，而是在想AI计算应该是什么样的。追平是模仿者的心态，重构是创造者的心态。"

图片：article1_img5.jpg 周明远在WAIC 2026华为展台前驻足观看Atlas 950 SuperPoD真机

这大概是对昇腾七年最准确的概括。从910到950，华为走出的不是一条追赶之路，而是一条重构之路。这条路目前还远没到终点，950的量产交付、CANN生态的持续繁荣、更多开发者的加入，都是接下来的关键节点。但至少方向是对的——当你不再执着于追赶别人的尾灯，而是开始定义自己的道路时，真正的创新才有可能发生。WAIC 2026上那台沉默的黑色机柜，不仅仅是一台机器，它是一个信号：中国AI芯片的故事，正在进入一个新的章节。