中国的人工智能竞赛：华为的大胆赌博可能重塑全球科技主导地位

快速阅读: 据《DevX.com》最新报道，华为发布全新AI GPU，性能接近NVIDIA同类产品的两倍，标志着中国技术自主的重要进展。尽管面临制造挑战，但通过系统级集成和软件优化，华为在AI数据中心领域取得突破。能源与水资源或将成为决定AI领导地位的关键因素。

全球人工智能竞赛热度正在迅速攀升。华为发布的全新AI GPU，为云矩阵384提供动力，标志着我认为对中国技术自主性具有里程碑意义的时刻。这一进展代表着中国利用本土技术构建的最强大的AI数据中心解决方案，其性能几乎达到NVIDIA同类产品的两倍。可以将其视为中国在AI数据中心领域的“深度搜索时刻”。

尽管NVIDIA在全球范围内占据主导地位，但华为正在为中国市场构建一个完全平行的生态系统，从晶圆制造到芯片设计工具，建立自己的供应链。

华为的新GPU表现如何？这项成就的核心在于华为的Ascend 910C GPU，这是他们对NVIDIA最先进Blackwell 200 GPU的回应。随着行业趋势向更大GPU发展以处理指数增长的AI模型，华为采用了双芯设计，两个GPU芯片通过互联桥相连。根据官方规格，这款新GPU在16位精度下提供800万亿次浮点运算（tFLOPS）的计算能力。举例来说：它的性能是中国境内NVIDIA合法销售的最先进芯片H20的四倍，但它仍然仅为NVIDIA顶级GB200 GPU性能的三分之一。据悉，它采用台积电7纳米技术制造。虽然单个GPU的原始性能略逊于NVIDIA的顶级产品，但华为的系统级架构彻底改变了游戏规则。

云矩阵384：华为的激进方法

华为的云矩阵384由384个910C GPU组成——比NVIDIA的72-GPU NVL72系统多五倍。这种大规模扩展允许华为即使每个单独的GPU性能较低，也能将近翻倍的整体系统性能。这种做法之所以真正激进，是因为华为决定完全采用光学方案。虽然NVIDIA主要在其机架内使用铜连接（约1500根铜电缆），但华为不仅在机架之间，还在单个GPU之间实施了光学连接。这既带来了优势也带来了重大挑战：光学方法提供了巨大的数据传输带宽；但它消耗大约600千瓦，而NVIDIA为145千瓦（四倍功率）；它需要成千上万个光模块，使系统更加复杂且容易出现故障。这种高耗电的方法在西方市场可能显得不切实际，但在能源成本较低且电网已大幅扩展至可再生能源、核能以及不幸的是煤炭的中国，这具有战略意义。

软件：中国的隐秘优势

在讨论硬件时经常被忽视的是中国在软件开发方面的日益增长的实力。云矩阵运行在华为专有的CANN软件栈上，类似于NVIDIA的CUDA，但针对其神经处理单元（NPU）进行了优化。该软件处理从编译器到图形优化和工作负载分布的一切——在管理复杂的易出故障系统时至关重要。随着系统的复杂性增加，这一软件层变得越来越重要。

制造仍然是阿喀琉斯之踵

尽管取得了这些令人印象深刻的成就，但制造仍然是中国面临的最大挑战。有报道称，910C GPU晶圆仍由台积电在7纳米工艺下制造并进口到中国。虽然我无法完全核实这一点，但显然中国继续依赖外国技术来获取关键组件。然而，随着时间、资金和毅力——中国在这方面拥有丰富的资源——这一差距可能会缩小。据报道，下一代华为GPU（Ascend 910D和920）已经投入生产。

真正的长期较量：资源展望

技术竞争的更远未来，我相信AI领导地位的真正长期决定因素将是获得丰富且廉价的能源和水资源的能力。一个典型的100兆瓦的数据中心每天消耗约200万升水，其中70-80%最终蒸发。中国正在探索应对这一挑战的新方法，包括在海南三亚附近的实验性海底数据中心。虽然这允许直接水冷，但也带来了维护噩梦，并可能对海洋生态系统造成潜在的毁灭性影响。

华为的故事说明了现代技术竞争的一个关键点：这不再仅仅是打造最好的单一组件的问题。系统级集成、基础设施和资源管理正成为全球AI竞赛中同样重要的战场。正如英伟达首席执行官黄仁勋所指出的那样，他们现在认为自己是一家基础设施公司而不是仅仅一家芯片公司。在这个新的范式中，中国可能找到了一种方法，尽管在硅技术方面落后，但仍能通过专注于系统、网络和软件整合来竞争。

常见问题

Q: 华为的新GPU与NVIDIA的产品相比如何？

华为的Ascend 910C GPU在16位精度下提供800万亿次浮点运算（tFLOPS），使其成为中国境内NVIDIA合法销售的最先进芯片H20的四倍强大，但仍然仅为NVIDIA顶级GB200 GPU性能的三分之一。然而，通过在云矩阵系统中使用384个GPU而非NVIDIA的72个GPU，华为实现了将近两倍的整体系统性能。

Q: 华为的云矩阵系统有什么独特之处？

云矩阵384因其全光学架构脱颖而出，用光链路连接所有384个GPU而非铜缆。这提供了巨大的带宽，但代价是更高的功耗（600千瓦对比NVIDIA的145千瓦）以及由于成千上万个光模块导致的系统复杂性和故障风险增加。

Q: 这些系统是否仍然依赖外国技术？

是的，制造仍然是中国最大的挑战。有报道称，910C GPU晶圆仍由台积电在7纳米工艺下制造并进口到中国。中国继续依赖美国和欧洲的技术来获取关键组件和工具，尽管他们正在努力开发国内替代品。

Q: 华为系统的高功耗为何在中国不那么重要？

中国的能源成本通常低于美国和欧洲。此外，中国近年来显著扩大了其电网，包括可再生能源、核能和不幸的是煤炭。虽然在西方市场可能更注重能源效率，但中国客户或许更能接受较高的能耗以实现更大的性能和技术独立性。

Q: 决定AI领导地位的长期因素是什么？

除了芯片技术外，获得丰富且廉价的能源和水资源很可能将决定长期AI领导地位。数据中心需要大量这两种资源。中国正在探索新方法，如海底数据中心，尽管这些方法带来了维护挑战和潜在的环境问题。智能的成本最终将与能源成本趋同，因此能源基础设施成为一个关键投资领域。

记者乔·罗斯威尔于DevX撰写