7月26日，2025世界人工智能大会（WAIC）将正式启幕。据悉，华为将首次线下展出昇腾384超节点真机。这无疑将成为今年WAIC上一件意味深长的“高光时刻”。

然而，根据近日多方消息报道（如媒体“The Information”），华为正内部讨论逐步淡化ASIC芯片的主导地位，转向开发GPGPU产品，以适应大模型训练需求。若传闻属实，不仅意味着华为AI战略对ASIC路线的否定，也将对国内AI市场和昇腾用户造成巨大冲击。

昇腾能力遭遇瓶颈

尽管尚无官方公告，但华为调整AI芯片战略，放弃投入多年且巨大的ASIC显然并非空穴来风。昇腾的发展正遭遇严重瓶颈，除了宣称因制裁导致产品停止迭代数年，其技术和市场也遭遇诸多问题。

首先是软件生态受限，开发门槛长期居高不下。MindSpore、CANN等自研工具链尚未在主流开发者中形成足够渗透力。即便是在国内信创市场，基于PyTorch和TensorFlow的训练仍为绝对主流，昇腾平台在开发侧被频繁诟病“上手难”、“生态封闭”等。而由于开发者使用门槛高，通用性不足，导致很多项目“部署了但用不起来”。

其次是ASIC更适用于推理，却不适于训练。目前，大模型训练正从低精度向更高精度迁移，以昇腾910为代表的华为芯片主要面向AI推理部署场景，但其在大模型训练侧由于缺乏TF32、BF16等训练关键算力支持，在高性能通用训练场景中存在“天然劣势”，与主流GPGPU在性能和灵活性上差距明显。不少用户甚至选择NVDIA消费级的4090系列GPU，也不愿意使用ASIC芯片。

再次昇腾产品供货不稳定，难以保证规模化应用。昇腾芯片由于流片工艺与良率控制方面面临极限，可能存在供货不稳定的问题，产能无法满足大规模部署，特别在AI训练高并发场景中存在物理算力瓶颈。

此外，随着英伟达H20、AMD Instinct MI300X重新解禁，在中国以定制方案形式回归，行业企业更倾向选用生态完备、支持广泛的GPGPU平台。同时，国产GPGPU近年发展迅速，已在信创市场行程强大竞争力。在多方市场竞争压力下，华为昇腾等ASIC芯片竞争力正遭遇结构性挑战，纯粹依赖政策红利和区域性保护的竞争策略效力大不如前。

技术切换难度巨大

从ASIC转向GPGPU，不仅是技术路线上的简单调整，更意味着研发体系、生态构建和产品周期的全面重构，而由于技术逻辑上的巨大差异，也会导致此前巨大投入打水漂，技术和商业体系基本要从零开始。

ASIC是一种为特定任务设计的高度定制芯片，比如AI推理，其优势在于功耗控制、单位计算效率与价格控制。华为的昇腾芯片便属此类，自2019年以来已在多个国产AI算力平台部署落地，采用颇为广泛，是国产AI芯片的主要选择之一。

相较之下，GPGPU以其高并行计算能力成为AI训练主力，具备更强的通用性和灵活性，尤其在大模型，如Transformer架构中具备压倒性优势。NVIDIA就是这一类型的最典型代表厂商，并因其CUDA生态深耕20年，早已成为开发者和框架的事实标准。

表面上，两者皆为AI芯片，但底层架构、生态适配与开发者门槛差异极大。ASIC芯片适合特定场景加速，但无法做到全场景全精度适用，而GPGPU则凭借强大生态覆盖和全精度计算能力，承担通用算力平台角色，是当前全球AI基础设施的首要选择。

仓促转向前途未卜

虽然GPGPU是一条高度成熟的产业路径，但对于华为而言，其进入门槛与转换难度不容低估。如果华为真如传闻的启动GPGPU研发，势必要直面三大拷问：多久流片？多久商用？多久形成生态？

从硬件架构上看，华为技术重构难度巨大。GPGPU核心在于高度可并行调度的SIMD架构，以及适用于图形+通用场景的资源分配逻辑，完全不同于昇腾系列面向固定神经网络任务的定制逻辑。两者几乎不存在架构兼容或软迁移的可能。若从头设计SM模块、控制单元、内存架构，保守预计设计周期在18-24个月以上。

其次在软件生态构建上，众所周知，NVDIA主导的GPGPU成功的核心不在芯片，而在软件栈和开发工具链。不夸张的说，当前市场体系下，CUDA生态不可替代。NVDIA在长达15年的时间里构建了的CUDA生态壁垒，华为目前仅靠MindSpore和CANN，显然不足以承载GPGPU通用生态的复杂性。

据2024年斯坦福“AI Index”报告，全球90%以上的AI训练仍运行于CUDA GPU上。即使华为打造兼容CUDA的芯片平台，仍需克服长期构建的编译器、底层算子、性能优化库的全栈差距，这显然需要巨大的人力财力和时间投入，想在短期内替代很难实现。

更为关键的是，若从零开始设计GPGPU芯片，完成从架构设计、IP整合、EDA验证、初代流片到驱动开发与软件适配，行业惯例至少需要2-3年技术周期，这意味着在2027年前华为的GPGPU难以真正对市场形成产品输出。

用户市场难以交待

即便通过非常规手段能够加快流片量产，初代华为GPGPU在定价上也可能难以形成竞争力。根据IDC数据，华为昇腾 910B的市场价格约为120,000 元/片（约合16,672 美元）。H20重返中国市场后，售价预计在86,000–110,000 元/片（12,000–15,000 美元）之间，但考虑特朗普政府的不确定性，其渠道价格可能会略有上涨。另一参照项是壁仞早前发布的国产通用GPU BR100，单片预售价格大概在230,000元。

若考虑流片成本、工艺良率与初期产量，华为首代GPGPU产品试图进入市场，其价格大概率高于当前昇腾系列，综合来看定价不会低于200,000元/片，不仅明显高于H20，也高于A100和H100，可能面临性价比不足与缺乏规模优势的双重压力。

但价格的影响仍是其次，如果华为真的弱化甚至逐步退出昇腾ASIC路线，首当其冲受到影响的将是大量政企与信创项目客户。目前昇腾芯片已部署在数十个部委级平台与信创项目，包括多个科研机构、高校、政务大数据中心，甚至在一些东数西算核心节点上也有规模应用。

转向GPGPU后，原部署在昇腾平台上的推理引擎与API需大规模重构，旧有系统无法直接迁移至GPGPU架构，推理模型、算法代码、系统适配都需重写。而一旦华为停止对昇腾生态工具链的支持，客户已购买的ASIC硬件、配套板卡、开发框架可能被弃用，面临二次投入和算力平台重构成本。

同时，此前不少政府采购与信创标案明确要求“昇腾适配”或“华为芯片认证”，若架构转变，势必将影响原始标的交付与审计，而政府、高校、医院、银行和央国企等政策驱动型项目恰恰容不得折腾。一旦华为在这种关键技术路线频繁摇摆，“自主可控”的承诺和形象都将失信于客户。

截至目前，华为并未官方回应“放弃ASIC转向GPGPU”的传闻，也未有正式产品路线公开。但放弃ASIC、转向GPGPU，对于华为来说无疑是一次技术路线的豪赌。如真，则必须面对产品重构、生态重建、客户信任重塑的全面挑战。如假，仅仅是又一次阵仗拉满的营销噱头，必然进一步拉低公众和客户的信任度。

毕竟，技术路线可以更迭，但信任无法多次透支。