走进 WAIC 2026 的展馆，最直观的感受是一个字：大。

这里说的大，和场馆面积无关，说的是许多核心展区都立着一台庞大的算力服务器，有的甚至拼成了一整堵"算力墙"。

往年大家盯着的是单颗芯片的峰值算力；今年画风变了，几乎每个国产算力厂商都在搬来一台台"超节点"机柜，还把"镇馆之宝"的标签贴了上去。

国产 AI 芯片往前走了一大步。

Part 1  把Ai芯片摆在台面上

先把今年各家端出的东西铺开看。

◎ 华为把昇腾 950 超节点真机搬到了展台，现场是 16 台计算柜、共 1024 张昇腾卡，配 256TB 全局统一内存，NPU 往返时延压到 3 微秒，FP8 算力 1 EFLOPS、FP4 算力 2 EFLOPS。

它靠自研的"灵衢"互联协议把卡串起来，最大能扩到 8192 张，再往上组成五十万卡集群也完全说得通。

更关键的是底座：昇腾 384 超节点已经落地 750 多套，是国内唯一训练出 SOTA 模型的超节点，承载它的 CANN 异构计算架构也已全面开源。

◎ 阿里那边是"真武 M890 × 磐久 AL128"的组合。

真武 M890 内置 144GB 高带宽显存，片间互联带宽 800GB/s，从 FP32 到 FP4 全精度通吃，性能是上一代真武 810E 的三倍；磐久 AL128 里那颗自研 ICN Switch 互联芯片，才是 128 颗算力芯片能在一台机器里协同的关键。

加上平头哥的 PPU 芯片，阿里去年出货已经超过 26 万张，把"芯片—服务器—云平台—大模型—智能体"这条链路第一次完整地攥在了自己手里。

◎ 百度用昆仑芯 P800 搭起天池算力矩阵，最高支持 256 卡超节点，已经能适配文心、DeepSeek、智谱、MiniMax 这些主流模型。

◎ 沐曦带来曦景 S600 超节点，用一套正交连接器做"零线缆"架构，单机柜塞下 64 张卡，靠横向堆叠扩到万卡；它的曦云 C600 单卡给到 128GB HBM3、3350GB/s 带宽，还原生兼容 CUDA 生态。

◎ 摩尔线程则把 MTT S5000 全功能 GPU 和 MUSA 软件栈摆出来。

现场演示了 MoE-236B 模型从零起步的全流程训练，以及北大 EvoPhys-World 5D 世界模型的原生训练，并把它总结成"三座 AI 工厂"，训练、生产 Token、再到智能体。摩尔线程也成了国产 GPU 第一股。

除了这几家头部，更多路线也在同台竞技。

◎ 清微智能的 TX82 走可重构路线，4K 超节点能扩到 4096 颗芯片，按不同算法动态调整计算资源，已适配 200 多款模型；

◎ 东方算芯的 DF1000 基于国内成熟 14nm 制程，却打出"14nm 约等于 4nm"的口号，配套 512 卡集群；

◎ 天数智芯拿出天垓、智铠、彤央的全场景矩阵；

◎ 壁仞 BR100 纸面 FP16 算力到 672 TFLOPS；

◎ 寒武纪思元 590 去年出货近 10 万颗，新量产的思元 690 用 4nm 双 die Chiplet 封装，FP16 算力超过 700 TFLOPS、配 196GB HBM3；

◎ 海光 DCU BW100 把 FP8 算力推到 1.88 PFLOPS，还是国产里少有通过国际 SPEC 基准测试的。

本届 WAIC 一共摆出 108 款芯片、261 款大模型，张江展区单独为"中国芯片"开了小灶，集齐了 40 多家国产算力企业。

Part 2  横向比一比，难在哪里

东西铺开了，问题自然就来了：和国外比，到底差多少？

◎ 先看单颗卡。

华为昇腾 910C 实测能发挥英伟达 H100 约六成性能，而 H100 是人家 2022 年的旗舰，如今已被 H200、B200 两代新品甩在身后。真要对标 2024 年的 Blackwell B200，国产旗舰的差距仍然明显。

壁仞 BR100、寒武纪思元 690 的纸面浮点算力已经很接近，但落到真实训练负载里，软件栈和集群调度的损耗会把账面数字重新拉大。

◎ 单卡追不上，就用数量和组织方式去补。

华为 CloudMatrix 384 用 384 颗 910C 组成一个超节点，在算力、内存带宽等部分指标上反超了英伟达由 72 张 Blackwell GPU 组成的机柜级方案 GB200 NVL72，代价是大约四倍的功耗。

这恰恰说明了国产厂商当下的核心打法：用系统级集成和规模化部署，去抵消单卡层面的制程代差。

英伟达那边有 NVLink 900GB/s 的互联和 NVL72 那种"把几十颗卡在系统层面视作一颗 GPU"的架构，谷歌 TPU v7、亚马逊 Trainium 3 也在快速迭代，国产万卡集群的整体效率目前大约是对方的六到七成。

所以准确的说法是：单卡还在追，系统已经能打，但距离全栈效率的同步追平还差一口气。

把进展和差距摊开，难点也就浮出来了，而且是一道接一道、互相牵制的坎。

◎ 最上游是制程。

训练芯片想要高能效，得靠 4nm、5nm 甚至更先进节点，而中芯国际的 7nm 良率还在四到七成之间徘徊，EUV 光刻机又进不来，5nm 以下基本被堵死。

华为今年提出"韬（τ）定律"，主张用"时间缩微"替代传统的"几何缩微"，目标是 2031 年在不依赖先进光刻机的前提下拿到等效 1.4nm 的晶体管密度，这是个值得关注的方向，但目前还只是路线图，尚待独立验证。

◎ 比制程更紧的是 HBM。

大模型训练是"显存杀手"，高带宽内存几乎决定了能搬多快的数据。

全球 HBM 产能集中在 SK 海力士、三星、美光三家，长鑫存储的 HBM3 样品已在 2025 年 10 月交付华为等客户，计划 2027 年攻克 12 层 HBM3E，技术代差大约在两到三年；TSV 硅通孔、混合键合、堆叠良率，每一项都要啃。

◎ 封装、EDA、软件生态同样卡人。

台积电的 CoWoS 把 HBM 和高算力裸片封在一起，国产长电科技刚把 HBM3E 八层堆叠良率做到 98.5%、砸下百亿投向 2.5D/3D。

但核心工艺仍存差距；EDA 三巨头占了全球九成市场，7nm 以下工具对华受限，华大九天、概伦、合见工软补上了模拟和存储建模等缺口，先进数字电路仍落后。

软件这一层最磨人：昇腾 CANN、寒武纪 NeuWare、海光 DTK 彼此不兼容，都还谈不上 CUDA 那样的生态，而 CUDA 全球开发者已近 590 万、国产生态还在百万级以下，模型迁移的额外成本能把账面省下的硬件钱又吃回去。

好消息是 DeepSeek V4 已经对昇腾、海光、寒武纪、燧原做了全量深度适配，把算力利用率从行业六成拉到八成五，这一步，是从"能用"跨到"好用"的关键一跳。

◎ 最后还有两道绕不开的：互连带宽，万卡集群效率被指数级放大；产能，如今先进制程和先进封装的产线排期，反倒成了比芯片设计更硬的瓶颈，大厂已经开始提前锁定未来一两年的产能。

Part 3新方向

难归难，今年展会最让人兴奋的，是大家不再只在一个维度上死磕，开始换着法子突围。

超节点本身成了共识，比拼从单卡峰值转向有效算力和 Token 成本。

光互联和 Chiplet 把"用空间换时间"做得更彻底：

◎ 昇腾 950 全面普及 800G 光模块、用光纤替代上一代满背的粗铜缆；

◎ 把 GPU 和 HBM 解耦、用光链路连接的研究也在推进，理论上能让一颗 GPU 挂上数倍于现在的显存。

可重构计算走另一条路，清微和东方算芯不追求用固定硬件覆盖所有模型，他们按算法动态重构计算单元、减少闲置，在不依赖先进制程的前提下把利用率提上去。

RISC-V 是今年最亮眼的一条新线。

◎ 阿里达摩院玄铁 C950 刷新了全球 RISC-V 性能纪录，8 指令译码、3.2GHz、SPECint2006 首次破 70 分，配上 Vector 和 Matrix 两个原生 AI 引擎，能直接跑通 Qwen3-235B、DeepSeek V3-671B 这样的千亿参数模型；

◎ 玄铁处理器已落地 200 多款量产芯片，全球处理器市场里 RISC-V 份额到了四分之一，还完成了对 Android 16 的适配，AI Agent 时代，也许不需要每块算力都来自 GPU，一颗为 AI 重写的 CPU 同样能成为服务器的新型底座。

端侧 NPU 则把算力下沉到终端，地瓜机器人的 RDK S600 端侧推理到 560 TOPS，瑞芯微用 RK3588/RK3576 配 RK1828 协处理器跑轻量大模型。

云端超节点负责重训练和强推理，端侧芯片管实时感知和低延迟决策，这条"端云协同"的路，比纯云端或纯本地都更经得起真实场景的推敲。

再往前看，存算一体、光子计算、类脑架构，也在 WAIC 的主题里被反复提起，作为继续抬高计算上限的远棋。

小结

今年已经在讨论"怎么把算力变成能稳定生产的 Token"。

华为的那堵墙、阿里的那条链、摩尔线程的工厂、清微的可重构、玄铁的 RISC-V，每条路线都在用自己的方式补一块短板。单颗芯片离顶尖还有距离，但是已经有了，这条路还长，方向是清楚的。

       原文标题 : 从一颗芯片到一座算力工厂：中国 AI 芯片走到哪一步了？｜WAIC 2026