DeepSeek之后，国产算力的讨论明显变吵了。
CCF YEF2025专题论坛把问题提得很直接：DeepSeek带起新一轮大模型热度后，AI算力基础设施到底还要不要继续围着英伟达转？有人认为DeepSeek底层跳过CUDA，英伟达的软件护城河会松动；也有人提醒，训练和推理的算力账不能简单相互替代。
把这个问题落到采购单上，就会变成另一种问法：如果不用或少用英伟达，昇腾910D和海光DCU该怎么选？
答案很难只靠一张参数表给出。公开材料里，昇腾的确定性更强：华为在2025年6月20日的开发者大会上宣布，新一代昇腾AI云服务全面上线，为大模型应用提供算力支持。与非网对昇腾AI处理器的介绍也提到，昇腾围绕自然语言处理、机器视觉、自动驾驶等场景，配套了CANN（Computer Architecture for Neural Networks）异构计算架构。
海光DCU这边，行业讨论更多集中在迁移成本和既有CUDA代码的承接上。问题不在于它能不能被拿来跑AI任务，而在于团队原来的工程栈、算子依赖和运维习惯能不能少折腾。
参数之外，先看软件栈能不能接住
很多团队第一次做国产算力迁移，会先盯显存、带宽、算力峰值。这些当然重要，但落地时最先卡住的，常常是框架、算子和通信库。
昇腾的路线相对清晰：芯片、CANN、云服务和开发者工具一起推进。证券时报援引21世纪经济报道的文章提到，昇腾系列已经“很难低调了”，原因之一就是华为云侧的昇腾AI云服务已经全面上线。这意味着，选择昇腾不只是买一块卡，更接近进入一套华为主导的软件和服务体系。
好处是路径明确，尤其适合愿意沿着CANN做适配、并且有能力处理模型迁移细节的团队。代价也很直接：原来围绕CUDA写下来的训练、推理和部署代码，未必能原样搬过去。算子适配、编译调优、通信初始化、框架版本匹配，都可能变成项目排期里真正吃时间的部分。
海光DCU的吸引力，往往来自另一面：如果团队已经有大量CUDA工程资产，就会自然关心迁移时要改多少代码、哪些库能替代、上线周期能不能压住。这里不能简单说“成本一定更低”，因为不同项目差异很大。但在选型会上，它通常会被当作降低迁移摩擦的方案来比较。
昇腾适合把工程做深，DCU适合先算改造量
如果业务是大模型私有化部署、行业Agent、知识库问答或者内部推理服务，硬件差异最终都会落到三张表上：
- 现有模型能不能跑通；
- 关键算子是否需要改写或替换；
- 团队有没有人能长期维护这套栈。
昇腾的优势在于体系化。华为从芯片到CANN，再到云服务和开发者大会的持续投入，给了外部团队一个相对稳定的方向。知乎相关文章中也提到，昇腾已部署于华为云和全国多个城市的智能算力中心。这个说法至少说明，昇腾已经不只是实验室里的国产替代选项，而是在进入真实基础设施。
但体系化不等于零门槛。团队如果原先深度绑定CUDA，迁移到昇腾时，需要评估的不只是模型能不能启动，还包括性能是否稳定、报错是否可定位、后续版本升级是否可控。尤其是中小团队，最怕的不是第一次跑通，而是线上出问题后没人能快速修。
海光DCU的讨论点更接近工程账本。它可能没有昇腾那样强的全栈叙事，但如果项目目标是把已有服务尽快迁到国产硬件上，迁移路径、工具链兼容性和人力投入就会变得更关键。对预算和排期都紧的团队来说，“少改一点、先上线”有时比追求理论峰值更现实。
不要用一种场景替所有场景下结论
昇腾910D和海光DCU的比较，容易被写成简单的胜负表。但AI推理不是单一负载。
长上下文、多轮Agent、复杂工具调用，对显存、带宽和调度能力都更敏感；固定模板的文档分类、CRM信息抽取、内部知识库问答，则更看重吞吐、稳定性和维护成本。前者可能更愿意投入时间做深度适配，后者则会优先考虑迁移速度和总成本。
CCF YEF2025论坛里关于DeepSeek和CUDA的争论，其实也提醒了这一点：摆脱英伟达不是一句口号，真正难的是把模型、框架、工具链和业务系统接起来。CUDA的护城河不只在硬件性能，也在多年积累的软件习惯里。
所以，选昇腾还是海光DCU，不该从“谁代表国产算力未来”开始，而要从自己的工程现场开始：
- 代码库里有多少CUDA依赖；
- 模型是否用到特殊算子；
- 推理延迟是否真的影响业务收入；
- 团队能否接受一段适配期；
- 上线后由谁负责性能调优和故障定位。
给中小团队的更实际建议
如果团队有底层优化能力，愿意投入时间适配CANN，并且希望跟随华为云和昇腾体系做长期建设，昇腾910D更值得优先评估。它的价值不只在单卡参数，还在华为持续推进的云服务、开发工具和行业资源。
如果团队已有大量CUDA代码，项目周期紧，目标是尽快把现有推理服务迁到国产硬件上，海光DCU应当被认真纳入测试。重点不要停留在宣传口径，而是拿自己的模型、自己的数据和自己的并发方式跑一轮迁移验证。
最稳妥的做法，是先做小规模PoC：选一个真实业务链路，记录模型启动、算子替换、推理稳定性、故障排查和运维交接的成本。只看跑分，很容易低估迁移；只看采购价，也容易忽略后续维护。
国产算力的下半场，不会只由某一块芯片决定。对企业来说，真正的性价比也不是“买得便宜”，而是从迁移到上线再到维护，整条链路能不能算得过来。
