科技龙头巡礼专题（三）：国产算力AI芯片专题，一文读懂华为昇腾310芯片

SECORTES 国产算力AI芯片专题：一文读懂华为昇腾310芯片科技龙头巡礼专（三） 分析师刘航执业证书编号：S1480522060001研究助理李科融执业证书编号：S1480124050020 摘要 Q1：海外龙头复盘：如何看待英伟达的发展历程？英伟达自1993年成立以来，通过战略性的研发和合作，在GPU领域取得显著成就。英伟达公司在1999年上市，2006年推出CUDA平台，使得GPU的应用扩展至数据科学和人工智能等多个领域。2016年，英伟达发布了支持深度学习的超级计算机DGX-1，进一步巩固其在AI时代的领导地位。目前，英伟达在数据中心、游戏、专业可视化和自动驾驶领域拥有广泛的产品和应用。英伟 Q2：华为昇腾的发展情况是怎样的？华为昇腾顺应国家政策指引，推动国内AI计算发展。自2018年起，昇腾先后发布多款AI芯片和开源开发平台，致力于构建国产AI计算解决方案。随着国内AI算力需求快速增长，异腾形成了涵盖基础软件、硬件、开发工具的完整生态系统，并广泛应用于政府、交通、电力等多个行业，异腾在多领域建立了落地应用生态，如A/+自动驾驶、A+医疗等。基于华为的云，网、边、端协同优势，异腾加速推动AI技术在各行业的落地，提升了其产品在市场中的竞争力。 Q3：以算腾310芯片竞为例，异腾芯片有优势有哪些？异腾AI处理器本质上是一个SoC，主要可以应用在和图像、视频、语音、文字处理相关的应用场景。其中AICore是异腾AI芯片的计算核心，主要负责执行矩阵、向量、标量计算密集的算子任务，采用达芬奇架构310芯片集成了2个为A芯片，异构计算架构主要负责调度分配计算到对应的硬件上。算腾的A处理器在算力方面具备一定优势，算腾310芯片主要应用于边缘计算产品和移动端设备等低功耗的领域，从算力上看，异腾910和英伟达A100性能基本上相当，高性能的Atlas系列AI加速卡为数据中心提供强劲算力， 算力中心的适配工作。2025年2月1日，硅基流动与华为云携手宣布联合首发，并正式上线基于华为云异腾云服务的DeepSeekR1V3推理服务 Q5：华为异腾有哪些相关的受益标的？算腾作为AI硬件提供商的积极发展将为相关企业带来优质国产算力升级，助力AI领域的产业落地，AI领华达等。 风险提示：产品研发及拓展不及预期、制造端产能不及预期、国产替代进度不及预期、贸易摩擦加剧。 Q1 海外龙头复盘：如何看待英伟达的发展历程？ 1.1如何看待英伟达的发展历程？ 英伟达在发展的各个阶段都有前瞻性地做出发展规划，提前布局选择赛道，因此在当下人工智能技术蓬勃发展的阶段，英伟达凭借其优秀的市场表现和领先的技术水平，走在行业的前列。 1.2.英伟达的产品多元，业务分布广阔 主要产品：消费型GPUGeForce系列GeForceRTX30系列GeForceRTX40系列GeForceGTX系列（早期型号） 英伟达提供用于PC端游戏的GeForceRTX和GeForceGTX系列显卡，NvIDIAAdaLovelace架构能够模拟真实世界中的光线特性，借助GeForceRTX40系列显卡和第三代RTCore的强劲性能使游戏体验更加逼真。 借助基于GPU、DPU和CPU三种新一代架构构建的NVIDIA加速计算平台，重塑AI时代的数据中心。英伟达数据中心服务器架构主要有Hopper GPU、Grace CPU和BlueFieldDPU 游戏业务 作为全球出色的专业视觉计算平台，NVIDIARTXGPU-一直在推动建筑和工业设计、高级特效以及复杂的科学可视化等方面的创新。数百万创意人员和技术用户均对NVIDIARTXGPU和NVIDIAQuadro专业解决方案信赖有加。借助适用于专业可视化和远程协作的NVIDIAEGX平台，设计师和工程师可以随时随地处理图形密集的工作负载。该解决方案将高端NVIDIAGPU、NVIDIA 虚拟GPU软件和NVIDIAOmniverse协作平台相结合，可实现强大的视觉计算功能（包括虚拟工作站上的泣染、工程模拟和交互式图形）和远程协作。 英伟达的DRIVEOrinSoC芯片适用于智能汽车的中央计算平台。它能够为自动驾驶功能、置信度视图、数字仪表盘以及AI座舱提供强力支持。DRIVEHyperion架构将基于DRIVEOrin的AI计算与完整的传感器套件集成在一起，能够加速开发、测试和验证过程。 1.3.英伟达成长启示：超前布局+构筑软硬件生态壁垒 英伟达飞速发展，直接原因在于搭上了人工智能的顺风车。之所以英伟达能够利用好这两个风口，根源是其于2006-年决定布局GPGPU（道用目的图形处理器），开发CUDA-平台，使得英伟达的GPU不仅可以用于加速计算、人工智能领域，还自带底层的算法、模型和应用。GPGPU+CUDA的软硬件生态佳为英停达构筑了强大的竞争壁垒。 AGI产业发展提升全球算力需求，英伟达作为算力芯片龙头，凭借超前布局+构筑软硬件生态壁垒在算力芯片领域稳居龙头地位，在AI产业爆发期实现利润及估值双提升。在分析英伟达通过超前布局与软硬件生态壁垒奠定A1芯片霸主地位的基础上，华为异腾的发展路径展现出对这一模式的借鉴与创新。 CUDAToolkit -FreeToolsand Training Q2 华为昇腾的发展背景是怎样的？ 2.1.昇腾发展历程：迎合大政方针，引导行业风向 国家大政方针引导向明显： 我国AI芯片市场规模快速扩大： 国务院《“十四”五规划和2035远景目标纲要》工信部等制定《算力基础设施高质量发展行动计划》规划2025年算力水平和智能算力发展目标，积极推进数字中国建设，促进东西部算力平衡协调发展 2021年中国人工智能服务器市场规模达到59.2亿美元，国内市场22-24年增速有望超40%预计到2026年，中国人工智能服务器市场规模将达到123.4亿美元。 昇腾发展背景 国际局势制约国内产业发展： AI计算需求快速增长： 自2012年后，A1计算的总需求量呈现出指数级增长趋势，2021年后，我国智能和通用算力规模也走上迈入增长的阶段，算力水平复合增长率高。 由于外部环境变化，国内芯片市场的供给并不稳定，2020年开启“鹏+异腾”双引擎的计算战略以来，打造国产芯片和国内生态。 推出再腾AI计算架构，包括再腾处理器、并腾AI加速模块和并腾AI开发环境，初步形成AI计算解决方案。 2018年10月发布人工智能推理芯片开腾310、训练芯片并腾910. 2022年Al加速卡Atlas3001推理卡上市。 2.2.昇腾发展现状：产业生态逐渐形成，落地应用案例丰富 2.3.昇腾产业生态建设成果丰硕一丰富的大客户落地经验 2.4.华为计算，系统、大模型快速协同发展成果突出 在云计算领域，华为云基于鲲鹏、昇腾等ICT技术积累，践行“--切皆服务”战略，立足行业数字化“云底座”和“使能器”的定位，以云作为数字经济重要底座，以AI加快重塑千行百业。华为面向金融、汽车、制造、港口等传统行业和各类新兴企业，把在*云一网一边-端-芯”的技术积累，以云服务的方式开放给全球客户，提供包括数据库、iDME、ERP、盘古大模型等众多产品在内的解决方案。 基于异腾丰富的行业经验，在华为异腾、鲲鹏、盘古大模型以及其开源社区的协同发展中，华为异腾作为业内领先的基础硬件的提供方，将进一步发挥重要作用，促进人工智能解决方案在各行落地，促进经济高质量发展 Q3 以异腾310芯片为例，异腾芯片有优势有哪些？ 3.1.异腾AI处理器本质上是一个S0C 满足飞速发展的深度神经网络对芯片算力的需求，异腾Al处理器本质上是一个SoC（SystemonChip）。以异腾310Al处理器为例，主要可以应用在和图像、视颁、语音、文字处理相关的应用场景。其主要的架构组成部件包括特制的计算单元、大容量的存储单元和相应的控制单元。该芯片大致可以划为：芯片系统控制CPU（ControlCPU），AI计算引擎（包括AlCore和AlCPU）：多层级的片上系统缓存（Cache）或缓冲区（Buffer）：数字视觉预处理模块（DigitalVisionPre-Processing,DVPP）等。 Ascend310Al处理器集成了2个AlCore。AlCore是计算核心，负责执行短阵、向量、标量计算的算子任务，AlCPU承担非短阵类复杂计算。Cache&Buffer：SoC片内有层次化的memory结构，Alcore内部有两级memorybuffer，SoC片上还有8MBL2buffer，专用于AlCore、AlCPU，提供高带宽、低延迟的memory访问。芯片还集成了LPDDR4x控制器，为芯片提供更大容量的DDR内存。 3.2.AICore是昇腾AI处理器的计算核心，采用华为自研的达芬奇架构 AICore是异腾AI处理器的计算核心，采用华为自研的达芬奇架构，实现了高通量、大算力和低功耗。达芬奇架构的主要包括：计算单元：包含三种基础计算资源（矩阵计算单元、向量计算单元、标量计算单元）：存储系统：AICore的片上存储单元和相应的数据通路构成了存储系统；控制单元：整个计算过程提供了指令控制，相当于AlCore的司令部，负责整个AlCore的运行。在AlCore中，存储单元为各个计算单元提供被转置过并符合要求的数据，计算单元返回运算的结采给存储单元，控制单元为计算单元和存储单元提供指令控制，三者相互协调合作完成计算任务。 达芬奇架构针对AI运算特征而设计，以高性能3DCube计算引擎为基础，实现算力和能效比大幅提升。每个AICore可以在1个时钟周期内完成4096次MAC运算。集成了张量、失量、标量等多种计算单元支持多种混合精度计算，支撑训练和推理两种场景的数据精度要求。统一的架构，可以支得从儿十毫瓦到儿百瓦芯片。 3.3.CANN架构开发对标英伟达CUDA+CuDNN的核心软件层 异构计算架构（CANN）是对标英伟达的CUDA+CuDNN的核心软件层，包括引擎、编译器、执行器、算子库等，承载计算机的单元为AI芯片，异构计算架构主要负责调度分配计算到对应的硬件上。 从层级来看，CAVN_上承AI框架，下接AI处理器硬件，先进的异构架构使得神经网络执行过程的硬件交互时间有效缩短，从而实现对硬件性能的进一步利用。 AscendC算子开发语言CANN针对算子开发场茶出的编程语言。原生支待C和C++标准规范，兼具开发效率和运行性能。自动并行调度，可获得最优执行性能结构化核函教编程，简化算子开发逆解CPU/NPU李生调试，报升算子调试效率。 GE图引季 通过统一的图开发接口提供多种AI框架的支持，不同AI框架的计算图可以实现到Ascend图的转换。图模式下，GE可以通过计算图优化、多流并行、内存复用和模型下沉等技术手段，加速模型抗行效率，减少模型内存占用。 HCCL集会道讯库 AOL耳子加这库提供了一系列车窝的深度优化、硬件亲和的高性能茸子，Neural Network,DigitalVision Pre-Processing算子等为种经网络在异政件上加速计算美定了基础。 支持AllReduce，BroaleastAllGather. ReduceScatterAlltoAll等通信原语，Ring、Mesh- Halving-Doubling（HD）等道信算法，基子HCCS、RoCE和PCle高连路实现集合通信。 毕昇编译器 运行时 毕昇编评器的可热行程序命名为bishcig，衬xB6、aarch64等主机系统，并且原生支待设备侧AICorc架构指令集编译。 供了高效的硬件资源管理、煤媒体数据预处理、单算子加战执行、模型推理等开发接，供开发者轻松构建高性能人工智能应用。 通过使用毕异编详器，用户可以更加高效地进行针对异腾AI处理器的程和开发工作， 3.4.硬件生态发展迅速Ascend310和Ascend910基础芯片族日趋完善 3.5.硬件生态发展迅速一Ascend