近期，英伟达H20芯片重新获得在中国销售的许可，这一消息让整个AI领域再次将目光聚焦于芯片竞争。几乎在同一时间，业内有消息称华为将让昇腾从专用的ASIC路线转回通用GPGPU架构。再加上此前盘古员工爆料，基于昇腾的AI模型训练效果欠佳，即便小模型也还在使用英伟达芯片，这些情况不仅是两大硬件技术路线的较量，更引发了人们对中国AI芯片自主化路径的重新审视。

昇腾到了关键节点：新老架构看似相近，实则差异显著

英伟达CEO黄仁勋此次来华，对中国的华为、小米等企业赞不绝口，这给业内留下了深刻印象。而华为的昇腾作为英伟达H20在AI领域最直接的竞争对手，黄仁勋的夸赞就显得格外耐人寻味，值得深入思考。

那么实际情况到底如何呢？

从底层架构来看，华为昇腾系列芯片采用的是专用ASIC设计，在一些高并发推理任务中有着一定的能效优势。但这条路线和GPU的“通用路线”注定不同，存在的限制也十分突出。

以训练大模型为例，昇腾面临着明显的适配难题。由于ASIC设计天生就依赖特定的算子、调度机制和任务模式，昇腾很难快速应对算法的迭代，这就导致它在处理像基于Transformer这类快速发展的大模型时，表现不尽如人意。而且在进行模型移植时，开发者还得花费大量精力去做算子替换、流程重构等工作，进而延长了开发周期，增加了成本和团队的负担。

更致命的是，昇腾在生态方面存在短板。

虽然华为一直在努力打造MindSpore、CANN等生态组件，但目前和英伟达的CUDA体系相比，还有很大的差距。从框架兼容性、工具链完整性，到社区活跃度和第三方资源，昇腾都处于“非标平台”的尴尬处境。具体到实际应用中，字节跳动、阿里巴巴等中国主要科技公司的报告指出，和英伟达行业标准的CUDA相比，昇腾的神经网络计算架构（CANN）软件平台存在局限性。此外，CANN框架还被反映不够稳定，需要华为的现场工程师来进行代码故障排除等工作。

基于这些情况，我们认为，H20一旦回到市场，对于AI芯片客户来说，无疑是一个“实用且可选择”的明确信号。而在GPU已经成为事实标准的背景下，坚持选择昇腾平台，就相当于选择了一条更狭窄、更昂贵、更缓慢的道路。

重启GPGPU：疑似对旧路线的实际否定

正是在这样的背景下，有消息称华为正尝试把AI芯片转向GPGPU架构，而且可能会支持CUDA指令的中间件兼容。业内普遍认为，这意味着昇腾原有ASIC架构的发展逻辑已经接近瓶颈，重启GPGPU路线，实在是无奈之下的战略转变。

然而，转向GPGPU架构的新路线并不比原来的路线更容易。实际上，从专用芯片（ASIC）切换到通用芯片（GPGPU），本质上是从硬件设计逻辑到软件工具栈的全链条重构，面临着诸多挑战，短期内很难形成可以商用的成熟体系。

众所周知，从硬件架构设计到生态构建，GPGPU的难度要远高于ASIC。原因在于，GPU要实现通用并行处理能力，需要构建复杂的指令集、调度系统、内存一致性机制等，设计难度高，对IP的依赖强，技术壁垒大。而从零开始构建一套能和CUDA功能相媲美的工具链，更是一项需要长期投入的工作，短期内很难实现商用落地。

更关键的是，即便实现了对CUDA指令的兼容，也仍然会面临兼容但不稳定、性能损耗大、适配Bug频繁出现等实际工程问题。在AI芯片市场的竞争中，生态不是“有了就行”，而是要做到“稳定”“广泛”“快速”。

但现实情况是，昇腾原有的生态还没有站稳脚跟，新的生态又面临着难以发展的困境，极有可能陷入“双生态空转”的尴尬局面，这会给用户在选择和应用迁移方面带来极大的挑战。

对手早已领先：以兼容为先的生态战略才是破局之法

如果说上述是华为转向GPGPU架构自身所面临的挑战，那么当我们从整个GPU产业生态的角度进行横向比较时会发现，华为此时转向GPGPU，虽然象征着国内AI芯片路线“回到原点重新出发”，但同时也面临着GPU生态主流们早已远远领先的尴尬。

首先是英伟达的CUDA生态，它不仅在全球AI开发者中成为了事实标准，还在产业层面形成了“平台锁定效应”。从HuggingFace到Meta，从清华智源到阿里、字节，大模型训练几乎都是基于英伟达GPU及其工具链展开的，PyTorch也成为了国内外主流科研与产业并行使用的平台。

其次，国内已经有多家厂商，比如摩尔线程、沐曦、海光等，从一开始就选择了“兼容主流生态”的路线，分别支持PyTorch、ONNX、ROCm，甚至部分CUDA语义，通过中间件来降低开发迁移的门槛。

需要说明的是，这些厂商虽然起步比英伟达晚，但因为“从一开始就兼容”，所以在生态构建方面更具现实性和工程效率。反观华为，如果从头开发GPGPU，即便实现了指令级兼容CUDA，也仍然要面对性能差距、驱动优化、算子库重构等需要漫长周期才能解决的问题，更何况GPU芯片自身的研发复杂度要远高于ASIC。

与此同时，GPU芯片的制造环节高度依赖先进工艺和供应链保障。但当前华为仍然面临着国际制裁，它是否具备全链条的能力还是个未知数。

因此，我们认为，此时用户继续投入使用当前的昇腾平台，已经不再是“支持国产”的合理选择，而是面对现实路径时的迟疑和摇摆。未来的路线注定是“开放、兼容、共建”，而不是单一厂商封闭推进的孤岛生态，该如何选择，答案不言而喻。

最后想说

所谓透过现象看本质，当业内为H20回归中国市场以及华为打算开辟GPGPU新赛道而或喜或忧的时候，我们更应该看到其背后中国AI芯片自主路径所面临的重新选择：是走“自研、封闭、重构”的老路，还是转向“兼容、开放、共建”的新路径？

事实上，一个更现实的问题已经摆在眼前，作为昇腾的用户、开发者与合作伙伴，当原有的ASIC架构路线到达瓶颈，新架构又还没有成熟，而搭上开放式生态快车道的对手们早已远去，前期已经深度捆绑昇腾的他们又该如何抉择？

一切都不用多说。

种种事实让我们可以肯定的是，“兼容并蓄、百花齐放”的生态才是中国AI芯片实现自主化的更好路径。