现在的GPU已经被带歪了，蒋老板介绍了AI部分的情况，那我补充一下游戏方面的情况。

首先国内最有前途的是摩尔线程和华为。摩尔线程s80基于imgtec bxt做的（好像连br都是用了imgtec），华为是自己的马良910架构。

摩尔线程s80的规格几乎和英特尔a770一模一样，差不多就是3070的规模。但目前来看性能也就是刚做到1660附近，原神这边我还没测（毕竟装机太痛苦了），不过应该就是1660附近的水平。差距主要是驱动。

华为的马良910各方面都比adreno660要好一些，今年年底应该能有andreno730水平的东西出来。这个水平的GPU可以简单的扩大规模做出来一个骁龙x elite/apple m1那种玩意儿，做一个超强的大号平板，预计今年年中推出。

我个人预计旧pc生态还是摩尔线程整，新的鸿蒙生态则是依托于泰山/马良/达芬奇系列架构进行演进，至少原神应该会去适配，再配合华为收购的exagear，做一套更强的苹果game porting toolkit也不是特别困难（exagear对x86的翻译效率有80%左右）。

未来游戏这边会形成两个生态：

1. x86兆芯+摩尔线程独显
2. arm/rv的继续openharmony的生态

前者是对旧生态的直接支持，后者则通过exagear支持旧生态，新生态则是arm/rv基础下的openharmony生态。

目前来看国内芯片的汉末群雄逐鹿时代快结束了，接下来估计很有可能是三足鼎立状态：x86等旧生态和国外生态、鸿蒙生态、开源riscv生态。

不过这个格局估计要2025才会初具雏形。

华为好就好在目前华为要比其他家大的多，生态也更完善，只要能吃下国内过半的市场，fab国内正常迭代就可以追英伟达

当然，别指望华为会给你做消费级显卡然后走性价比暴打老黄，还不如指望摩尔线程

华为对利润的追求是狂热的，尤其是经历制裁后，我认为华为更加怕死了

首先排除摩尔线程， 他家AI芯片领域就是氛围组，负责搞笑的角色，还是老老实实做国产显卡吧

寒武纪在AI芯片领域比摩尔线程强得多，但是也不是可以碰瓷华为的角色

中国算力AI芯片市场，第一看供应链安全，第二看性能， 最后才是看价格

在美国和其狗腿子联合封锁下，华为是国内唯一一家供应链安全的， 而且华为还是国内AI芯片里性能最强的（今年就会出现FP16算力密度超过H100甚至接近NV B200的产品）。

中国AI算力芯片市场，就是华为和others，其中华为市占率在95%-97%以上，没错，在座的其他家都是垃圾。

在实际销售上，华为跟寒武纪差不多是100：1的差距，而寒武纪跟摩尔线程等蹭热度算力厂商，差距又有差不多5：1到10：1。

所以，没必要浪费时间讨论其他家，华为就是中国事实上唯一一家AI算力芯片供应商。

作为从事金融业，但是曾经用CUDA写过大量定制算法的我，对现在的年轻程序员的建议是：要抓住市场的风口：去学习华为的编程模型，这是你们未来的饭碗保证， 而那些成天跪舔NV踩华为的屌丝程序员，我只能说那句老话，你不想干有的是人愿意干。

至于能否超过NV， 我认为是能，而且时间就在这一两年，华为今年会推出第三代910芯片，算力密度已经跟NV最新的B200非常接近了（指的是半精度算力，如果是更高精度的单精度应该是远超过NV产品），而国产HBM线今年年底会拿出单芯片带宽堆到4TB的产品，华为内部还规划了在明年的下一代升腾产品，配合国产HBM，完全具备了出海卷NVIDIA的实力。

我个人认为，由于美国后面的新一轮制裁，AI卡供应商是非常有可能在国内追赶英伟达的生态。

对于目前的大模型来讲，大部分大模型都使用pytorch来进行原始开发，很少有的也会写 jax。由于pytorch 现在支持第三方设备的注册，所以诸如华为生态和摩尔线程都是可以在纯 pytorch 上面运行的。

我们先来说说华为，华为支持的最好的当然是 mindspore 自家生态，但是华为最近也在大力适配 pytorch，他们的 torch_npu 仓库每天都会有很多提交。华为的 pytorch 应该是目前适配简单的了，import torch_npu 就可以把所有的 cuda 模型适配和编译到 cann 后端，目前是 pytorch2.0 的一类赞助商，保持着和 cuda，rocm 一样的算子适配程度和生态。 通常来讲，直接运行的模型能有 h100 的 50-60 性能，适配过的更高。（可以写华为的 npu 算子），同时，华为也应该是互联和国产算力做的最好的厂商，他们现在正在推新的光通信方案。

再来说说摩尔线程，摩尔线程目前对于 pytorch 的支持比较好，诸如 vllm，deepspeed 等库他们都有做适配。但是他们会优先在内部仓库上面适配和测试，再逐步推送版本到 GitHub 公开仓库，也意味着开发者不能使用到最新的支持。

摩尔线程在4天前向github上公开了他们对于pytorch的最新适配，torch_musa 1.1.0，这个需要用他们最新的计算卡的开发驱动 2.6.0，这个驱动和 2.5.0 属于不同的分支，目前不兼容图形化。 由于内核适配到 5.15，所以 Ubuntu22.04 也能正常安装和使用。他们的步子也很大，有 MUSA生态迁移 cuda、也有 MUDNN 等库支持，同时他们在 s4000 上也做了类似 nvlink 的互联方案和互联通信协议库，整体来说就是复刻了一个 cuda。比较惊喜的地方在于，s80/s3000 只支持 tf16，但是 s90/s4000 支持 tensorcore 有这 tf16，bf16，tf32 的支持。同时他们也支持 amp 自动混合精度的训练。美中不足的是他们卡的功耗有点高，同时卡的计算性能比较低。

下面是我在摩尔线程 s80 的 pytorch 迁移适配的 rwkv v6 模型，吞吐达到 71-72token/s。（真希望他们给我寄一个 s4000）

衷心的祝愿国产算力越来越好，也许五年后对于大公司采购算力，第一个想到的就不再是英伟达。

在超级计算卡方面，寒武纪可能没啥机会了，因为这个市场客户是高度集中化，是赢家通吃的，华为目前在纯 AI 卡上攻占了不少国内份额，留给第三方纯 AI 卡的空间少之又少。

华为的问题在于它和一些国内云计算厂商本身存在竞争关系（就好像华为在新能源汽车上的尴尬地位），这给了一些第三方机会，但是我觉得这个机会是留给混合式通用加速器或者说类似 NVIDIA H100、B200 这类产品，而不是纯 AI 卡。

所以现在其实是摩尔线程等国产 GPU 厂商最好也是最后的时间窗口，谁能在未来两年内站住了，前景将会无比辉煌，反之则会直接被市场淘汰，尸骨无存。

先来看看国内GPU供应商的现状。摩尔线程、寒武纪和华为都在各自的领域取得了一定的成就。摩尔线程推出了基于自研MUSA架构的GPU芯片，寒武纪则专注于AI芯片的研发，并已经推出了多款产品，而华为的昇腾系列AI处理器也在云端AI训练领域展现出了强大的竞争力。这些企业的发展，得益于国家对半导体产业的大力支持和市场需求的快速增长。

然而，要追赶英伟达，国内供应商还面临着不少挑战。英伟达在GPU领域的技术积累和市场份额是巨大的。英伟达在数据中心AI加速市场上的份额高达82%，其余海外厂商如AWS和Xilinx分别占比8%、4%，而AMD、Intel、Google均占比2%。这个数字足以说明英伟达的市场地位是多么稳固。

英伟达的CUDA生态系统是其深厚的护城河。CUDA是英伟达推出的一个并行计算平台和编程模型，它使得开发者能够充分利用GPU的并行处理能力。这个生态系统的完善，为英伟达赢得了开发者社区的广泛支持，也使得英伟达的产品在性能和兼容性上有着明显的优势。

再来看看国内供应商的差距。从技术层面来说，国内GPU在性能、功耗比、工艺制程等方面与英伟达还存在一定差距。例如，英伟达的H100 GPU采用了4nm工艺，而国内供应商的产品大多还处于7nm甚至更早的工艺水平。此外，英伟达的GPU在架构设计、光通信技术等方面也有着领先优势。

从生态建设来看，国内供应商虽然在努力构建自己的软件生态，但要达到英伟达CUDA生态系统的成熟度和开发者基础，还需要时间。华为的昇腾系列虽然在某些性能参数上接近英伟达的A100，但在生态建设上仍有较大差距。寒武纪和摩尔线程虽然推出了一些产品，但在市场认可度和应用广泛性上，还需要进一步努力。

国内GPU供应商追赶英伟达的可能性是存在的，但道路并不平坦。技术积累、生态建设、市场认可度等方面的差距，都需要国内企业通过持续的研发投入和市场拓展来逐步弥补。同时，国家政策的支持、市场需求的推动以及国际形势的变化，都可能成为影响这一进程的重要因素。

首先国内 gpu 最有能力的厂商是华为的昇腾系列芯片。其次才是寒武纪，燧原，壁仞，沐曦。然后才是景嘉微，龙芯这些。

华为的 gpgpu 差不多占了最多的ai算力中心市场，这个没什么好说的！

但是有几个问题，现在英伟达最低的 ai 底线是 a100 80g。这东西的制程是 7nm。国内没有产能或者工厂实现量产。而国外仅有的几家涉及到 1017 法案不可能给国内厂商生产！

所以，从芯片设计上讲国内追平英伟达的可能性有，尽管同样渺茫。国外的公司努力了很久也还是在英伟达后面只看到尾巴，这几家公司是 intel，amd，arm，微软，tesla，Google. 亚马逊等一众不差钱，不差事，不差产能，只差人的公司。那国内想追上的难度可想而知！

你要搞定它全工艺产业链的软硬件一体的搞定。任何一个部分手搓的可能性是零！别天天说算盘搞定原子弹，那玩意既不是量产，当时国内的算力环境也不差是有电算设备的！

所以国内期望追赶一个是工艺进步，真的慢慢与 tsmc，三星同步，另一个就是新技术迭代比如 cim 技术！

华为可能成功是因为华为有得天独厚的优势：

国家支持，舍得给员工钱，坚持自主研发，生态稳定！

这个只有三星有类似的操作，但是三星的市场是全球的市场，大却不是独有的！华为的市场大但是它一个能占到大部分！

有，而且是必然的。

早说差距的话，主要还是在于技术的积累。

GPU的设计中，我们的知识储备是够的。就是说我们大概知道怎么做。

但是我们的积累是不够的，一意思就是有十种方案，我都会做，但哪一种效果最好我不知道，我需要都做一下，看看结果。这个需要时间和金钱。

为什么说我们能追上呢？因为我们的人才是够的。我们的生产效率更高。但这不是主要的。主要原因是Nvidia也遇到了坡道。

没有。但是这些公司做npu，或者是dsa有机会，感觉寒武纪的dsa好像做的不错。如果说是gpu/gpgpu，再等10年也没机会。

国内差距主要在半导体生产工艺上。国内生产工艺在5年内，都会呈追赶态势，大概差一代吧。5年后台湾都统一了，这个问题也没啥意义。

很多设计工具，要和工艺配套的，满足意法半导体，未必匹配中芯国际，想实现工具国产化，也要等国产工艺起来才行。

这三家都上实体名单了，摩尔线程是gpgpu架构，寒武纪和华为昇腾都是dsa架构（非gpgpu架构）。

gpgpu架构和dsa是两种架构，应用适合场景不同。

即便不受限制，短期内也很难追赶英伟达。英伟达在软硬件上生态都很庞大，很多适合不同业务的sku，兼容的架构设计，众多的生态库，完善的编程模型。

国内GPU、AI卡供应商有望追赶英伟达吗？一探究竟

随着人工智能的高速发展，GPU和AI加速卡的需求日益增长。英伟达，作为行业巨头，长期占据着市场的领导地位。不过，近年来，国内的几大玩家——摩尔线程、寒武纪、华为，也在这一领域崭露头角。那么，他们真的有可能追赶上英伟达吗？今天，就让我们来聊聊这个话题。

背景概述

首先，要了解为什么英伟达能占据市场领先地位，核心在于它的技术创新和生态系统建设。英伟达不仅仅是硬件制造商，它还通过CUDA等软件工具，为开发者提供了强大的支持。这种硬件加软件的组合，为其在AI领域建立了几乎不可撼动的地位。国内的摩尔线程、寒武纪、华为等企业，也并非没有自己的独到之处。

摩尔线程

摩尔线程作为新兴的AI芯片企业，专注于为云计算和边缘计算市场提供高性能的AI计算解决方案。他们的产品在某些专项任务上，展现出了与英伟达竞品相媲美的性能。

寒武纪

寒武纪，则是国内较早涉足AI芯片领域的公司之一。它的AI处理器在图像识别、语音处理等领域有着广泛的应用。寒武纪的优势在于，它对中国市场的深入理解，能够提供更加贴合本土需求的解决方案。

华为

华为的AI战略，则是建立在其强大的综合实力上。华为不仅有海思芯片作为硬件支撑，还拥有丰富的行业应用经验和庞大的销售网络。尤其是在5G领域，华为的技术积累让其在AI边缘计算方面有了独到的优势。

挑战与机遇

面对英伟达，国内企业既有挑战也有机遇。技术创新和生态构建是他们面临的最大挑战。如何在这两个方面追赶甚至超越，是检验他们是否能成功的关键。

不过，市场需求的多样性和地域特性，也为国内企业提供了不少机遇。特别是在中国市场，对AI技术和产品有着巨大需求，本土企业能够更快速地响应市场变化，提供符合用户需求的解决方案。

结论

总而言之，虽然国内的GPU、AI卡供应商在技术和市场份额上，与英伟达之间还存在不小的差距，但他们在某些细分市场和技术特点上展现出的潜力不容忽视。通过持续的技术创新和生态系统构建，加上对本土市场深刻的理解和快速响应能力，国内企业完全有可能在未来某个时间点，成为与英伟达并肩的竞争者。

理论上有，但目前国内gpu稳定性和生态差英伟达太远，可能需要很长时间吧。

三星是有半导体制造能力的，华为也要有这种能力。

2-3年内，都没有可能

五年后，华为有可能，其他企业暂没有看到希望

华为10年内必然超越英伟达，只要美国继续封锁，英伟达在国内的市场份额未来会被华为全部吃下

像这种没有石头可摸的东西，肯定需要大量的人力和资金自己探索，在得到一个好的结果之前都是黑的，谁也不知道哪一步错了，但是国内目前还是用互联网心态造芯片，投资人等不了那么久，也耗不起。

所以说到底还是钱的问题，几百亿砸进去连个水花都没有，谁愿意承担这个结果？

理论上的可能当然是有的，但是很难；

应用场景，上下游生态 ，试错等等，需要系统性做的工作挺多的；

大概率是两条腿一起走，再缓慢切换

国内GPU和AI卡供应商如摩尔线程、寒武纪和华为，在短期内确实面临着追赶英伟达等国外巨头的挑战。这主要是由于英伟达在GPU架构、芯片设计、工艺制程等方面拥有深厚的积累和领先优势，同时在市场份额、品牌知名度以及生态体系方面也具有显著优势。

然而，从长期来看，国内供应商完全有可能在技术、生态、市场等方面缩小与英伟达的差距，甚至在某些领域实现超越。

其实主要差距在硬件本身，软件反而没啥。大模型场景大家都是直接用pytorch的，并不会手写CUDA算子，所以你完全可以绕过CUDA直接支持pytorch。现在torch_npu的适配就是这样的，你import torch_npu之后后面的XX.cuda()会自动变成调用NPU执行计算。目前软件方面主要是两个，其一是其他的一些周边库需要适配，例如vllm，TRT等，另一个是针对模型结构需要对NPU做算子亲和性优化。当然这两个事情都好办，毕竟包子有肉不在褶上，目前真正用的底层基础库和模型结构一共就那么有限的几种，适配成本可控，基本上做一次就差不多够了。

我们自己的算法中台目前已经对910B做了测试，基本上跟华为方面宣称的性能一致——典型模型的收敛性验证都可以正常通过，做过NPU算子亲和性优化之后，GLM，百川等典型模型，平均每卡相当于A100的80%，没优化直接跑的模型相当于A100的50%。

那个，我提醒一下很多的答主，GPU和AI计算卡（GPGPU），其实是两个完全不同的圈子。

虽然英伟达的GPU是可以去当AI计算卡用的，但这不是普遍规律。

而在国内，这就是两码事。

目前GPU面对的困难，要远远大于AI计算卡。

因为GPU面对的是民用市场，这个市场只要你没有性价比，那么就完全没任何机会。马太效应极大。

领先的英伟达、ATI能够从低端亮机卡到高端卡，做到全方位具有性价比。

而AI计算卡这块则不然。

这块是纯企业市场，企业市场里，第一位的首先是供货。

性价比是允许有一定的差距的。

所以华为的910B才能卖出那么多去。

但摩尔线程就压根没人搭理，因为它的主业GPU不行。

虽然它作为邪道用途的AI计算很强，但只有业余玩家，才会买一块GPU兼职AI计算卡。

这属于不上不下的几乎毫无卵用的优势了。

摩尔线程、寒武纪、华为是不能放到一个题目里去比较的。

摩尔线程：PC GPU，也就是PC游戏领域。

寒武纪：AI计算卡。

华为：AI计算卡，及手机GPU（手机游戏）领域。

追赶的可能当然有了，现在不是一直在追赶吗？至于能不能赶上，那是肯定的。

对没错，是肯定的。

肯定的不能，肯定的没戏。

为啥？

英伟达不开源，自主知识产权自然没有。

没人给生产芯片，自然制造封装无从谈起。

说，能设计，用啥设计？正版软件都没有，你咋设计？

所以，肯定没有可能追赶上。

答案非常清晰。