昇腾910C进入量产交付阶段，接下来要回答的已不是“国产芯片能不能跑模型”，而是另一组更难的问题：卡连成集群后是否稳定，训练中断后能否快速恢复，原有代码迁移过来要改多少。
对大模型团队而言，芯片到货只是项目开始。真正影响采购和扩容决策的，是一项训练任务能否连续运行，以及工程团队要为适配付出多少时间。
单卡能跑，不等于集群好用
单卡性能可以列在规格表里，集群表现却要放进真实任务中检验。
训练规模扩大到千卡、万卡后，计算卡之间需要持续交换数据。节点、通信链路或软件组件出现异常，都可能影响整项任务。规模越大，任务调度、通信效率和故障处理越不能靠临时补救。
这也是华为强调集群工程能力的原因。《国产AI芯片真能替代英伟达？这三类场景闭眼选》提到，昇腾已经形成CANN软件栈和万卡集群工程能力，并将DeepSeek V4的全栈迁移列为案例。
这类案例值得关注的地方，不只是模型最终跑了起来。迁移过程中遇到的算子适配、通信配置和性能调优，才更接近其他团队今后会面对的工作。
因此，910C交付后，观察重点不能只放在出货量上。集群能保持多高的可用程度，长时间训练是否稳定，故障后多久能够恢复，以及新模型接入时要投入多少人力，都会影响用户是否继续增加采购。
CANN好不好用，开发团队最清楚
英伟达的门槛不只在GPU。大量训练代码、算子和开发工具长期围绕CUDA搭建，工程师也已经熟悉这套环境。改用昇腾，本质上是把模型搬到另一套软硬件体系中。
华为用CANN连接上层框架与昇腾硬件，处理算子执行、图优化和资源调度。模型一旦用到暂不支持的算子，开发者就要寻找替代方案，或者重新开发、调优。进入分布式训练后，还要配置HCCL，并重新检查不同并行策略下的通信效率。
这些工作很难通过一次自动转换全部完成。模型结构不同，自定义算子不同，团队使用的训练框架也不同。一套迁移方案在某个项目中有效，换一个模型未必能够照搬。
DeepSeek V4的全栈迁移可以说明昇腾具备承接大型模型的工程基础，但不能据此推断所有团队都能以相同成本完成迁移。对开发者来说，报错是否清楚、性能问题能否快速定位、常用算子是否齐全，往往比纸面参数更直接。
CANN接下来需要解决的，正是这些日常但费时的问题。少一次反复排查，可能就比规格表上的提升更有吸引力。
替换不会一夜完成
训练、推理和行业模型对芯片的要求并不相同。企业还要考虑已有代码、工程人员经验以及数据中心条件。即使昇腾能够承接部分核心任务，原有英伟达集群也未必会立即停用。
更可行的做法，是先把适配较成熟的模型和新增任务放到国产集群中运行，再根据稳定性和迁移成本决定是否扩大范围。这样既能控制切换风险，也能让团队逐步积累CANN开发与集群运维经验。
所以，所谓“去英伟达化”不是简单换卡。它涉及硬件交付、软件工具、集群通信、故障恢复和技术支持。任何一环不顺，芯片的计算能力都难以完整变成生产环境中的可用算力。
昇腾910C已经从产品比较进入规模化使用检验。能否继续扩大使用范围，最终要看两件事：迁移是否足够可控，集群能否长期稳定运行。
