2026年6月11日，深圳河套学院联合哈尔滨工业大学（深圳）、深圳市大数据研究院及华为团队对外公布：依托1000颗昇腾910C芯片的国产AI算力集群，成功完成1.6万亿参数大模型DeepSeek-V4-Pro的全参数后训练。全程1500余步训练无一次中断或报错，故障率仅0.3‰，模型算力利用率（MFU）稳定超过30%[1]。这不是实验室Demo，而是持续数天的工业级运行记录。
30%的MFU，相比NVIDIA H100在混合精度训练中普遍达到的45-55%并不高。但结合芯片的物理约束来看——昇腾910C的FP16稠密算力为800 TFLOPS，仅为H100（1,979 TFLOPS）的40%；HBM带宽1.8 TB/s，为H100（3.35 TB/s）的54%——这个数字已经证明了国产芯片在软件栈（CANN）上巨大的工程进步。两年前，同样的条件下MFU很难突破15%[2]。如今，来自腾讯云开发者社区的详细对比文章也指出，910C的显存容量（96 GB）甚至略高于H100（80 GB），为大Batch训练提供了空间[2]。
MFU 30%的工程解读
混合精度训练是关键。华为在CANN 8.0中引入FP8计算路径，使混合精度训练吞吐率相比纯FP16提升约40%，关键训练算子效率因此提升14%[1]。不过，与H100利用Transformer Engine实现的自动混合精度不同，910C需要人工指定部分算子类型，这成为调试中主要的工程负担。据华为在2025全联接大会上的演讲，其AI研发团队从春节起日夜奋战，直到2025年4月30日才使910B/910C的推理能力初步达成客户需求[3]。软件栈的追赶，每一步都写在工程师的加班记录里。
硬件参数的硬核对比
- 理论算力：FP16 800 TFLOPS vs H100 1,979 TFLOPS（40%）
- 显存带宽：1.8 TB/s vs 3.35 TB/s（54%）
- 显存容量：96 GB vs 80 GB（略高）
- 互联带宽：HCCS 400 GB/s vs NVLink 900 GB/s（44%）
- 单卡功耗：约310W vs 700W（44%）
这些参数决定了适用场景。大显存利于大Batch或长序列训练，但带宽不足限制了计算密集型吞吐。互联差距在通讯密集型模型训练中尤为明显，也是MFU偏低的主因之一[2]。
能效比方面：910C有效算力约240 TFLOPS（30%×800），能效比0.77 TFLOPS/W；H100若MFU为50%，有效算力约990 TFLOPS，能效比1.41 TFLOPS/W。H100能效比更高，但910C的绝对功耗低，在数据中心供电受限时，同等电力可部署更多节点，整体集群吞吐率可能不差。例如，一个10MW的数据中心，可部署约32,258张910C（310W/卡），或14,285张H100（700W/卡），结合性能差异，总算力或许持平。
TCO账本的隐形优势
Perplexity测试显示，昇腾910C的推理效能达到H100的60%-70%，成本降低40%-70%[4]。训练场景中，虽然需要更多卡弥补单卡差距，但芯片单价和功耗优势显著。综合采购、三年折旧和电费，成本可降低30%-50%[2]。在《万卡集群里的电费账本》中我们分析过，万卡集群TCO里电费仅占5%，真正吃成本的是GPU折旧（约50-60%）和散热改造（约20-30%）[5]。910C的低功耗直接减少了散热投入，这对成本敏感的数据中心是重大利好。《“人工智能+”制造端实战》也证明，在硬件选型上成本敏感型用户更倾向接受稍低性能以换取更好的财务模型[6]。
软件栈：隐性的迁移账单
从PyTorch/CUDA迁移到MindSpore/CANN，需要适配算子和调试混合精度策略，时间成本常被低估。华为已开源MindSpore 2.5并加强PyTorch适配，但CANN与CUDA的生态鸿沟仍在。如《权重大小量化提速》指出，依赖包体积和冷启动是部署中的隐形痛点[7]，昇腾生态中同样需要开发者投入工具链适配。
好在华为云的托管集群集成了调度、监控和故障恢复机制，可自动处理节点故障，降低训练中断风险。这与《Kubernetes上的AI》中通过云原生手段管理推理负载的思路异曲同工，在训练场景中同样关键[8]。
选型建议：跑分是唯一真理
昇腾910C的实测吞吐率已跨过工业可用门槛。它不是为了替代H100，而是在数据安全敏感、TCO优先、推理占比高的场景下的工程最优解。建议选型时用目标模型做小规模跑分，重点关注通信时间占比和FP8算子利用率，而不是盲信理论TFLOPS。国产算力的弯道超车，最后比拼的不是浮点数字，而是工程师在排除故障时的响应速度。
参考文献： [1] GeoFkw博客，2026.6 [2] 腾讯云开发者社区，2026 [3] 华为全联接大会演讲，2025.9 [4] X @CrabNJ [5] 《万卡集群里的电费账本》，AI纪元 [6] 《“人工智能+”制造端实战》，AI纪元 [7] 《权重大小量化提速》，AI纪元 [8] 《Kubernetes上的AI》，AI纪元
