隨著英偉達(dá)H20芯片重新獲批在中國(guó)銷售，整個(gè)AI圈再次聚焦芯片之爭(zhēng)。

而與此同時(shí)，業(yè)內(nèi)傳出華為將從昇騰專用的ASIC路線回歸通用GPGPU架構(gòu)的消息。結(jié)合此前盤(pán)古員工自曝基于昇騰的AI模型訓(xùn)練不力，甚至小模型仍然在使用英偉達(dá)芯片。以上種種，反映出的不僅是兩大硬件技術(shù)路線之爭(zhēng)，更是對(duì)中國(guó)AI芯片自主化路徑的一次重新審視。

昇騰已至臨界點(diǎn)：新老架構(gòu)之分，形似神不似

提及英偉達(dá)CEO黃仁勛此次來(lái)華，恐怕給業(yè)內(nèi)印象最為深刻的就是其對(duì)于中國(guó)相關(guān)企業(yè)（例如華為、小米等）的贊賞有加。而這之中，華為因其昇騰是與英偉達(dá)H20在AI領(lǐng)域最直接的競(jìng)爭(zhēng)對(duì)手，黃仁勛的夸獎(jiǎng)更是意味深長(zhǎng)，發(fā)人深思。

那么事實(shí)究竟如何？

從底層架構(gòu)來(lái)看，華為昇騰系列芯片采用的是專用ASIC設(shè)計(jì)，其在某些高并發(fā)推理任務(wù)中具備一定能效優(yōu)勢(shì)。但這條路注定與GPU的“通用路線”不同，限制也異常明顯。

以訓(xùn)練大模型為例，昇騰面臨明顯的適配瓶頸。由于ASIC設(shè)計(jì)天然依賴特定算子、調(diào)度機(jī)制與任務(wù)模式，昇騰難以快速響應(yīng)算法迭代，導(dǎo)致其在應(yīng)對(duì)像基于Transformer這類快速演進(jìn)的大模型時(shí)表現(xiàn)不佳。而在模型移植時(shí)，開(kāi)發(fā)者還需要耗費(fèi)大量精力進(jìn)行算子替換、流程重構(gòu)等，從而延長(zhǎng)開(kāi)發(fā)周期，增加成本和團(tuán)隊(duì)負(fù)擔(dān)。

更致命的是，昇騰在生態(tài)上的短板。

盡管華為一直在努力構(gòu)建MindSpore、CANN等生態(tài)組件，但目前仍與英偉達(dá)的CUDA體系差距巨大。而從框架兼容性、工具鏈完整性，到社區(qū)活躍度和第三方資源，昇騰都處于“非標(biāo)平臺(tái)”的尷尬境地，具體表現(xiàn)在實(shí)際應(yīng)用中，來(lái)自字節(jié)跳動(dòng)和阿里巴巴等中國(guó)主要科技公司的報(bào)告稱，與英偉達(dá)行業(yè)標(biāo)準(zhǔn)的CUDA相比，其神經(jīng)網(wǎng)絡(luò)計(jì)算架構(gòu)（CANN）軟件平臺(tái)存在局限性。此外，CANN框架被指仍然不穩(wěn)定，需要華為現(xiàn)場(chǎng)工程師進(jìn)行代碼故障排除等。

基于此，我們認(rèn)為，H20一旦重返市場(chǎng)，對(duì)于AI芯片客戶而言無(wú)疑是“實(shí)用與可選”的明確信號(hào)，而在GPU已經(jīng)形成事實(shí)標(biāo)準(zhǔn)的背景下，堅(jiān)持選用昇騰平臺(tái)，無(wú)異于選擇一條更窄、更貴、更慢的路徑。

重啟GPGPU：疑似對(duì)舊路線的現(xiàn)實(shí)否定

正是在上述背景下，華為傳出正嘗試將AI芯片轉(zhuǎn)向GPGPU架構(gòu)，并可能支持CUDA指令的中間件兼容。這一消息在業(yè)內(nèi)被廣泛解讀為，昇騰原有ASIC架構(gòu)的發(fā)展邏輯已接近瓶頸，重啟GPGPU路線，實(shí)屬無(wú)奈中的戰(zhàn)略轉(zhuǎn)向。

然而，轉(zhuǎn)向GPGPU架構(gòu)的新路線并不比原來(lái)更輕松。事實(shí)上，從專用芯片（ASIC）切換至通用芯片（GPGPU），本質(zhì)上是一次從硬件設(shè)計(jì)邏輯到軟件工具棧的全鏈條重構(gòu)，挑戰(zhàn)重重，短期內(nèi)難以形成可商用的成熟體系。

眾所周知，從硬件架構(gòu)設(shè)計(jì)到生態(tài)構(gòu)建，GPGPU的難度遠(yuǎn)高于ASIC。原因在于，GPU要實(shí)現(xiàn)通用并行處理能力，需要構(gòu)建復(fù)雜的指令集、調(diào)度系統(tǒng)、內(nèi)存一致性機(jī)制等，設(shè)計(jì)難度高、IP依賴強(qiáng)，技術(shù)壁壘大。而從零起步構(gòu)建一套與CUDA功能媲美的工具鏈，更是一項(xiàng)長(zhǎng)期投入，極難在短期內(nèi)落地商用。

更關(guān)鍵的是，即便實(shí)現(xiàn)了兼容CUDA指令，也仍面臨兼容但不穩(wěn)定、性能損耗大、適配Bug頻出等工程現(xiàn)實(shí)。而在AI芯片市場(chǎng)競(jìng)爭(zhēng)中，生態(tài)不是“有”就行，而是要“穩(wěn)”、“廣”、“快”。

但現(xiàn)實(shí)是，昇騰原有生態(tài)還未站穩(wěn)，新生態(tài)又面臨難產(chǎn)，極可能陷入“雙生態(tài)空轉(zhuǎn)”的尷尬，從而給用戶帶來(lái)選擇和應(yīng)用遷移的極大挑戰(zhàn)。

對(duì)手早已跑遠(yuǎn)：兼容為先的生態(tài)戰(zhàn)略方為破局之道

如果說(shuō)上述是華為轉(zhuǎn)向GPGPU架構(gòu)其自身面臨的挑戰(zhàn)，那么當(dāng)我們站在整個(gè)GPU產(chǎn)業(yè)生態(tài)的視角去橫向比較，華為此時(shí)轉(zhuǎn)向GPGPU，在象征其國(guó)內(nèi)AI芯片路線“回到原點(diǎn)再出發(fā)”的同時(shí)，還面臨GPU生態(tài)的主流們?cè)缫雅苓h(yuǎn)的尷尬。

首先是英偉達(dá)，其CUDA生態(tài)。不僅在全球AI開(kāi)發(fā)者中已成事實(shí)標(biāo)準(zhǔn)，更在產(chǎn)業(yè)層面形成“平臺(tái)鎖定效應(yīng)”。從HuggingFace到Meta、從清華智源到阿里、字節(jié)，大模型訓(xùn)練，幾乎都是基于英偉達(dá)GPU及其工具鏈展開(kāi)，PyTorch更成為國(guó)內(nèi)外主流科研與產(chǎn)業(yè)并行使用的平臺(tái)。

其次是國(guó)內(nèi)已有多家廠商（例如摩爾線程、沐曦、海光等）從一開(kāi)始就選擇走“兼容主流生態(tài)”的路線，分別支持PyTorch、ONNX、ROCm、甚至部分CUDA語(yǔ)義，通過(guò)中間件降低開(kāi)發(fā)遷移門(mén)檻。

需要說(shuō)明的是，這些廠商起步雖晚于英偉達(dá)，但正因?yàn)椤捌鸩郊醇嫒荨保虼松鷳B(tài)構(gòu)建更具現(xiàn)實(shí)性與工程效率。反觀華為，若從頭開(kāi)發(fā)GPGPU，即便是實(shí)現(xiàn)指令級(jí)兼容CUDA，也仍需面對(duì)性能差距、驅(qū)動(dòng)優(yōu)化、算子庫(kù)重構(gòu)等漫長(zhǎng)周期，更何況GPU芯片自身研發(fā)復(fù)雜度遠(yuǎn)高于ASIC。

與此同時(shí)，GPU芯片自身的制造環(huán)節(jié)高度依賴先進(jìn)工藝與供應(yīng)鏈保障。但當(dāng)前華為依舊面臨國(guó)際制裁，其是否具備全鏈條的能力仍是未知數(shù)。

因此，我們認(rèn)為，此時(shí)用戶繼續(xù)投入使用當(dāng)前昇騰平臺(tái)，已不再是“支持國(guó)產(chǎn)”的合理選擇，而是一種面對(duì)現(xiàn)實(shí)路徑的遲疑與搖擺。面對(duì)未來(lái)注定屬于“開(kāi)放、兼容、共建”的路線，而不是單一廠商封閉推進(jìn)的孤島生態(tài)，何去何從？

寫(xiě)在最后：所謂透過(guò)現(xiàn)象看本質(zhì)。當(dāng)業(yè)內(nèi)為H20回歸中國(guó)市場(chǎng)和幾乎與此同時(shí)華為欲開(kāi)辟GPGPU新賽道而或喜或憂之時(shí)，我們更應(yīng)看到的是其背后中國(guó)AI芯片自主路徑面臨的再選擇。是“自研、封閉、重構(gòu)”的老路，還是轉(zhuǎn)向“兼容、開(kāi)放、共建”的新路徑？

事實(shí)上，更現(xiàn)實(shí)的一個(gè)問(wèn)題已經(jīng)擺在眼前，作為昇騰的用戶、開(kāi)發(fā)者與合作伙伴，當(dāng)原有的AISC架構(gòu)路線抵臨瓶頸，新架構(gòu)又尚未成熟，而搭上開(kāi)放式生態(tài)快車(chē)道的對(duì)手們?cè)缫堰h(yuǎn)去，前期已深度捆綁昇騰的他們又該如何抉擇？

一切不言自明。

而種種事實(shí)，讓我們可以肯定的是，“兼容并蓄、百花齊放”的生態(tài)才是中國(guó)AI芯片實(shí)現(xiàn)自主化的更佳路徑。