华为昇腾 910C、海光 DCU3和寒武纪思元 590，谁将替代英伟达？

在国产算力芯片产业蓬勃发展的当下，华为昇腾910C、海光DCU3和寒武纪思元590作为行业中的代表产品备受瞩目。它们各自承载着不同的技术路线与研发理念，在市场竞争中占据独特地位。接下来，我们将深入分析这三款芯片在技术架构、性能表现、应用场景等方面的差异与优势，探寻它们为国产算力生态注入的独特活力。

以下内容均参考公开信息，由于AI芯片技术迭代迅速，市场格局也处于动态变化之中，相关信息可能存在时效性。文中分析部分纯属个人观点，若存在疏漏或不当之处，还望不吝赐教。

我们选择华为昇腾910C、海光DCU3和寒武纪思元590为代表的三款芯片进行剖析，这三款芯片各有所长，它们的发展不仅代表着企业自身技术实力的突破，更为国产算力产业的多元化发展和生态完善贡献着自己的力量。

基本情况

华为昇腾910C：昇腾910C基于7nm+EUV工艺制造，拥有32核自研达芬奇架构，其半精度（FP16）算力达到256Tera-FLOPS，整数精度（INT8）算力达到512Tera-OPS，单卡和单台服务器性能对标A800/A100。它在华为自身的生态体系内，如华为云等，得到了广泛的应用。但在生态兼容性方面，昇腾910C采用的是自研架构和生态，与英伟达的CUDA生态不兼容，对于已经在CUDA生态下有大量开发和应用的用户来说，迁移成本较高。凭借先进的工艺和架构创新，实现了出色的性能与能效比。通过Chiplet技术和定制优化，在特定AI应用中展现出极高的准确率和计算能力，同时国产化率的提升也增强了供应链的自主可控性。

海光DCU3：海光DCU3基于GPGPU架构，在生态兼容性上独树一帜，其类CUDA生态极大降低了应用迁移成本。通过自主开发的“DTK”软件栈，完全兼容“CUDA”“ROCm”等主流生态，支持TensorFlow、PyTorch等主流框架。这使得它能良好适配各类AI计算场景，实现零门槛迁移，对于用户来说，无论是从英伟达的CUDA生态迁移，还是在现有的主流框架下进行开发，都能轻松适配，大大降低了使用成本和开发难度。在性能方面，全精度支撑能力使其能应对各类复杂计算任务，自研的switch卡间互联技术更是为集群计算提供了强大助力。

寒武纪思元590：思元590单卡性能接近英伟达A100的80%-90%，在国内市场已经获得了一定的订单，如字节跳动等公司的采购。思元590以优秀的性能表现成为英伟达A100的有力替代者，接近其80%的性能却仅为其三分之一的价格，凸显出超高性价比。广泛的应用场景适配能力，使其在政务云、大模型训练等多个领域发挥重要作用。寒武纪采用的是ASIC架构，在特定的推理任务上具有优势，但在通用性方面不如GPGPU架构的海光DCU3。例如，在一些需要频繁切换不同计算任务和场景的应用中，海光DCU3能够更好地适应，而思元590可能会受到一定的限制。

应用场景

华为昇腾910C：在科研领域、智能制造、智慧城市等多个领域都有广泛应用。例如，中国科学技术大学联合华为建成基于昇腾910C的“九章三号”量子计算模拟超算平台；比亚迪全栈引入昇腾910C构建汽车AI质检系统；深圳龙岗区部署910C驱动的城市级AI中枢。

海光DCU3：主要应用于超算中心等高性能计算场景，以及AIforScience等对算力要求极高的领域。在互联网、金融、电信等行业也有广泛应用，百度、阿里、腾讯等互联网企业已认证通过海光的DCU产品并推出联合方案，打造全国产软硬件一体全栈AI基础设施。

寒武纪思元590：在云端和边缘计算领域可部分替代英伟达的产品，满足云端训练等场景需求，获字节跳动50%替代订单。

应用条件

华为昇腾910C：采用自研的昇思MindSpore框架，与麒麟V10操作系统深度集成，形成了端边云全场景算力调度的生态体系。在硬件上，华为的芯片与自家的服务器、云计算等产品有更好的适配性，能够发挥出更优的性能。同时，对于需要自主可控、安全可靠的应用场景，昇腾910C由于其国产化率较高，更受青睐。

海光DCU3：基于GPGPU架构，采用类CUDA的ROCm指令集，软件生态与英伟达CUDA生态类似，在应用迁移上具有优势，对于有英伟达CUDA生态开发经验的用户和企业，能够较为容易地将应用迁移到海光DCU3上。硬件方面，对服务器等硬件设备的兼容性较好，可与多种服务器架构配合使用。

寒武纪思元590：基于ASIC架构，针对AI训练和推理任务进行了专门优化，在矩阵运算等方面效率较高。软件生态方面，寒武纪构建了自己的生态体系，但相比海光DCU3的类CUDA生态和英伟达的CUDA生态，成熟度还有待提高。在硬件适配性上，思元590可与多种服务器和计算设备兼容，但在集群互联等方面的性能表现可能不如部分竞品。

价格方面

华为昇腾910C：售价约4万元/颗，单颗成本约1800美元，仅为H100的1/5，推动企业AI部署成本降至传统方案的20%。

海光DCU3：暂无明确公开价格信息，但有观点认为其性能与英伟达H100持平，若参考H100价格25万元/块，海光DCU3价格可能有一定竞争力。

寒武纪思元590：售价2.5万元左右，相比英伟达H20芯片110万元的高昂单价，具有明显的价格优势。

各自优势

华为昇腾 910C

性能与能效比出色：采用中芯国际7nm（N+2）工艺，通过Chiplet技术封装两颗昇腾910B芯片，实现FP16算力640TFLOPS，显存带宽819GB/s，推理性能达到英伟达H100的60%，而功耗仅310W，相比英伟达H100的700W功耗，能效比优势极为突出。在一些特定的AI应用中，如智能驾驶领域的工业视觉系统，其缺陷检测准确率已达到99.97%，表现良好。由384个昇腾910C芯片组成的CloudMatrix384Supernode，性能较英伟达的GB200NVL72强出约1.7倍，能提供300个Petaflops的密集BF16计算，几乎是英伟达NVL72的两倍，还提供3.6倍的总内存容量和2.1倍的内存带宽。

架构创新与定制优化：采用将两个910B芯片整合到一个封装中的方式，实现了计算能力和内存容量的翻倍，通过架构优化，如支持PCIe5.0、Transformer架构适配等，实现了“1+1>2”的算力跃升。同时，华为对昇腾910C进行了定制化优化，通过CANN内核优化，提升了与PyTorch的兼容性，降低了算法迁移的成本，使其更能满足特定AI应用的需求。

国产化与生态建设推进：国产化率已达55%，中芯国际负责7nm核心晶圆代工，长电科技完成先进封装，在供应链自主可控方面有一定优势。并且华为通过与国内多家头部云计算服务商达成适配验证，不断完善昇腾芯片的生态系统，为开发者和企业提供了更丰富的资源和支持。

海光 DCU3

生态优势显著：采用GPGPU架构，DCU架构与英伟达芯片类似，能兼容英伟达的CUDA生态，这使得基于CUDA生态开发的大量应用可以较容易地迁移到海光DCU3上，大大减少了应用迁移难度，在国内AI芯片中具有独特的生态优势。同时，其拥有自主研发的DTK软件栈，是目前国内较为完备的生态之一，并依托光合组织打造产业生态，联合了近5,000家企业、高校、科研院所、行业用户等创新力量，共同打造上万项联合解决方案，生态建设较为成熟。

性能全面且适配性强：基于通用图形处理器设计理念，具有全精度支撑能力，包括双精度、单精度、半精度、整型等，能够充分挖掘应用的并行性，发挥其大规模并行计算的能力，可全面支持深度学习训练、推理场景，以及大模型场景等，能为科学计算、人工智能计算提供强大算力。此外，海光DCU3与国内多家头部互联网厂商完成全面适配，在多种应用场景下都能有较好的表现。

硬件架构优势：海光有自己的switch卡间互联技术，这是目前国产卡里面少有的真正类比NVlink的可实用技术，有助于提升集群计算能力和效率。

寒武纪思元 590

性能表现优秀：根据百度内部测试结果，思元590支持绝大多数主流模型，在某些大模型训练任务上，表现已非常接近A100，即便在相对弱势的场景，其性能也能达到A100的一半左右，整体性能大致可达到A100的80%水平，是英伟达A100较为有力的国产替代品之一。

性价比高：单价2.5万元，仅为华为同类产品的60%，以英伟达A100约80%的性能、1/3的价格，成为字节跳动、阿里等企业的“备胎首选”，对于预算有限但又有高性能计算需求的用户或企业来说，具有较高的吸引力。

应用场景广泛：通过第五代智能处理器微架构，产品可满足云端训练等场景需求，在云端和边缘计算领域可部分替代英伟达的产品，已适配超1000家企业终端，且受益于国家算力网络建设推动的政务云和大模型训练需求，中标了多个省级智算中心项目。

根据上述信息综合来看，华为昇腾910C在性能、能效比和国产化方面表现出色，且在生态建设上也有较大进展；海光DCU3在生态兼容性方面具有独特优势，对于CUDA生态的应用迁移较为友好；寒武纪思元590则以较高的性能和性价比受到市场关注。

未来，随着技术的不断发展和市场的变化，这三家企业的芯片都有可能在替代英伟达芯片的过程中发挥重要作用，具体取决于不同的应用场景、客户需求以及企业的发展策略等因素。