凌晨两点，某股份制银行实时风控决策引擎报警。昇腾910D集群中约0.3%的节点出现显存溢出，导致请求排队延迟从15毫秒飙升至200毫秒。对每秒处理十万笔交易的支付网关来说，这200毫秒足以让欺诈分子完成最后一笔转账。这是2026年6月，国产算力在金融核心场景的一次真实压力测试。
但整体压测并非只有坏消息。该银行在信用卡中心实时反欺诈系统上完成了昇腾910D集群的详细评测。测试模型为DNN+GBDT混合架构，输入特征维度245，输出为欺诈概率，批处理大小固定为1，模拟线上真实请求。软件栈基于CANN 7.0（2026年5月发布），硬件为华为Atlas 800T A2（8×910D，HCCS互联），对比NVIDIA DGX A100（8×A100 80GB）和DGX H100。
结果初步看：单卡推理吞吐2500 TPS，p99延迟6.8ms；8卡集群线性度92%，总吞吐19000 TPS。对比A100（单卡3000 TPS/p99 4.5ms）和H100（单卡4500 TPS/p99 3.8ms），910D在吞吐上达到A100的83%，但p99延迟比A100高出51%。
8卡线性度92%，但一次HCCS超时让集群降速3分钟
去年《910C千卡实测：效率跌三成，Blackwell Ultra还要等》一文指出，910C千卡集群效率仅67%，主要瓶颈在HCCS带宽（100GB/s vs NVLink 900GB/s）。910D在8卡规模下线性度达到92%，说明小规模通信优化明显。但压测持续24小时后，一次HCCS超时导致集群降速，恢复耗时3分钟。A100和H100全程无此类事件。CANN 7.0增加了HCCS链路健康检测和自动重连机制，但实际效果还需更大规模验证。对于金融风控这种要求7×24稳定的场景，通信可靠性仍是潜在风险。
迁移花了6周，比预期多了4周
代码迁移过程中，工程师遭遇了三大痛点。第一，算子缺失：模型中使用的TopK、GatherND、ScatterNd在CANN 5.x中不支持，需用等价算子组合实现。CANN 7.0已原生支持TopK，但GatherND仍需通过Gather+Reshape变通，且精度损失约0.05%。第二，内存管理差异：CUDA支持统一内存，而CANN要求显式管理Host/Device内存，迁移时需重构30%代码。昇腾迁移工具msame可以自动转换ONNX模型，但对动态shape支持不完善，该银行最终采用手动调优。第三，算子编译时间长：首次编译耗时40分钟，而CUDA只需5分钟。CANN 7.0引入增量编译和缓存机制，第二次编译降到8分钟。
《H20禁令一年后：国产芯片参数亮眼，但迁移才是真门槛》一文强调，算子支持是落地关键。尽管CANN 7.0已覆盖90%常用算子，但长尾算子和自定义算子依然需要投入人月级别的工程时间。该银行组建了5人迁移小组，耗时6周完成适配，而如果使用A100，预计只需2周。
CANN 8.0新增200+算子，但还没在风控集群上部署
最新发布的CANN 8.0正试图补齐这些短板。据测试团队了解，CANN 8.0.2新增了超过200个高性能算子，重点补强了图计算和推荐系统领域的算子缺口。CANN 8.0还引入了“算子热加载”机制，允许在不重启集群的情况下动态替换缺失算子，配合增量编译，将故障恢复时间从小时级压缩至分钟级。不过，这些新特性在该银行的测试集群上尚未正式部署，CANN 8.0能否在稳定性上经住千卡检验，还需要更多实测来验证。
单卡成本8万 vs H100的30万，但延迟差距明显
在单卡功耗与成本方面，昇腾910D优势明显。910D TDP 310W，A100 400W，H100 700W；单卡估算价8万 vs 15万 vs 30万。按单位成本吞吐算，910D达到A100的1.5倍，性价比突出。因此，在延迟敏感型场景（如毫秒级交易授权），H100仍是首选；在成本敏感型场景（如离线批量推理、模型更新），910D是更经济的方案。有些银行已经开始采用“混合部署”策略：将高频、低延迟的核心风控逻辑保留在少量A100/H100节点上，而将批量离线分析、模型重训等任务迁移至昇腾集群。
稳定性：99.92% vs 99.99%
72小时高压测试下，910D集群整体可用性达99.92%，略低于A100集群的99.99%。主要故障点集中在PCIe链路错误和NPU温度传感器误报。某云厂商运维团队反馈，通过引入AI Agent进行日志监控，可以将P0故障的平均恢复时间从47分钟缩短至8分钟（参见《AI Agent自愈实测：P0故障8分钟恢复实录》）。但金融场景对延迟极度敏感——当延迟超过50毫秒时，风控系统的实时性优势将荡然无存。该银行运维团队计划结合华为的集群管理工具，期望将故障恢复时间控制在5分钟以内。
国产替代的账单：省40%硬件，多25%人力
这次压测没有给出“全面超越”的结论，但提供了可复用的工程数据。昇腾910D在单卡推理吞吐和成本上已接近甚至部分超越A100，但在集群稳定性、软件生态成熟度与NVIDIA仍有代差。对于金融风控这类高要求场景，国产替代已从“能不能用”变为“值不值得”的工程决策。从成本看，910D方案可比A100节省40%硬件投入，但需要额外25%的人力成本用于迁移适配和稳定性加固。当供应链安全成为必须考量的变量时，这笔账并不难算——就像《手机厂商集体拥抱开源》中的博弈一样，这是一场从硬件到软件的持久战。
