先拿掉缺少出处的“首发实测”
围绕昇腾910D，最吸引眼球的说法往往是“对标H100”以及各种吞吐、功耗和集群效率数字。但企业做采购决策，不能只看一张跑分表。
现有素材没有交代910D测试所用的服务器配置、软件版本、模型参数、精度模式和测试团队，也没有可以复核的原始记录。因此，单卡每秒处理多少tokens、功耗领先多少、1024卡扩展效率达到什么水平，这些数据都不适合直接写进结论。
同样缺少依据的，还有整机柜报价、两年TCO差距、算子覆盖率和工程师招聘周期。没有来源，再精确的数字也不能帮助企业选型，反而会把讨论带偏。
可以确认的是，算力需求仍在增长。据财联社5月26日报道，华为昇腾计算业务CTO周斌在中关村论坛期间表示，大模型带来的算力需求“是有价值的，不是泡沫”。需求存在，并不等于某一款芯片已经跨过成本临界点。
千卡集群比单卡参数更接近真实采购
判断910D值不值得买，至少要算三笔账。
第一笔是有效吞吐。测试需要固定模型、批量大小、精度、上下文长度和软件版本，再比较H100、910C与910D。只给峰值算力，无法推导线上推理或模型微调的实际速度。
第二笔是集群效率。公开分析常把华为连接大规模芯片的能力视为昇腾的重要优势，相关产业链分析也提到可连接数千颗芯片的高速集群技术。但“能够连接”与“训练任务可以长期稳定运行”之间，还有通信效率、故障恢复、任务调度和内存管理等环节。
第三笔是迁移成本。企业从CUDA切换到CANN，需要检查PyTorch适配、自定义算子、HCCL通信、监控工具和故障定位流程。模型能启动，只说明迁移完成了第一步。连续训练是否稳定、异常后能否快速恢复、工程团队需要投入多少时间，才会进入最终账单。
目前的公开素材没有给出上述三笔账的完整数据，因此还不能用“千卡不掉速”或“迁移已经成熟”来概括910D。
DeepSeek带来了压力，但不能替代硬件测试
经济观察网5月1日报道，DeepSeek V4于4月24日发布，其中V4-Pro为1.6万亿参数、490亿激活，V4-Flash为2840亿参数、130亿激活，上下文长度从128K扩展至1M。
这些参数说明，大模型对显存、通信和集群调度提出了更高要求。尤其是MoE模型，激活参数量、专家路由和跨卡通信都会影响训练效率。
但DeepSeek V4的发布不能直接证明910D已经适合训练这类模型。要建立两者之间的关系，还需要明确训练平台、芯片规模、软件版本、训练周期和稳定性记录。现有素材没有提供这些信息。
黄仁勋在4月15日接受播客主持人帕特尔采访时提到，如果类似DeepSeek的成果率先出现在华为平台上，对美国会是“非常糟糕的结果”。这句话反映了竞争压力，却不是910D性能或成本的测评结论。
性价比拐点，需要哪些证据
对于在线推理，关键指标包括单位请求成本、延迟、吞吐、功耗和服务稳定性。对于微调，还要加入算子适配和工程投入。到了千卡预训练，通信效率、故障率、恢复时间和长期利用率会直接影响成本。
要判断910D是否越过企业采购的性价比拐点，至少需要三类可复核信息：同配置下的H100、910C和910D测试；从小规模扩展到千卡规模的效率曲线；包含硬件、电力、运维与迁移投入的完整成本记录。
在这些材料出现前，910D可以被视为国产算力选型中的一个重要候选，但还不能被写成已经完成验证的答案。眼下更准确的判断是：市场需求明确，集群能力受到关注，真正决定采购的测试数据仍然不足。
