结论

维度结论
算力对比昇腾 910 FP16 算力 (320 TFLOPS) 略超 A100 (312 TFLOPS)；M890/DCU-3G/壁砺 166 ≈ A100 的 80%
显存容量M890 (144GB) > A100 (80GB) > DCU-3G/壁砺 166 (64GB) > 昇腾 910 (32GB)
带宽性能DCU-3G (1.6TB/s) ≈ A100 (1.9TB/s)，显著高于其他国产卡
CUDA 兼容海光 DCU-3G 是唯一接近 CUDA 兼容的国产卡，迁移成本最低
生态成熟度昇腾生态最成熟（CANN+MindSpore），但需代码迁移

快速选型建议

场景首选备选替代效果
千亿大模型训练真武 M890DCU-3G、昇腾 910可替代 A100，H100 仍有差距
百亿级模型训练昇腾 910、DCU-3G壁砺 166完全替代 A100，成本降 40%+
大模型高并发推理M890、DCU-3G壁砺 166推理性能超 A100 (INT8)，成本减半
中小模型训推M530、PH100昇腾 310全面替代 T4/A10，性价比极高
存量 CUDA 迁移海光 DCU-3G-迁移成本最低
边缘低功耗推理昇腾 310PH1008W 超低功耗，端侧首选

旗舰级训练卡对比

1.1 核心参数对比（单卡）

芯片工艺FP16 算力INT8 算力显存/带宽功耗发布状态
NVIDIA H1004nm989 TFLOPS1978 TOPS80GB HBM3e / 3350GB/s700W❌ 禁运，存量稀缺
NVIDIA A100 80GB7nm312 TFLOPS624 TOPS80GB HBM2e / 1935GB/s400W❌ 禁运，二手 18-22 万
昇腾 910（国测 I 级）7nm320 TFLOPS640 TOPS32GB HBM2 / 1280GB/s310W✅ 国产主力，规模出货
真武 M8905nm~300 TFLOPS~600 TOPS144GB HBM / 1200GB/s350W✅ 国产顶级，大模型优选
海光 DCU-3G（BW1000）7nm+240 TFLOPS480 TOPS64GB HBM3 / 1.6TB/s300W✅ CUDA 兼容，迁移成本最低
壁砺 166（BR166）7nm256 TFLOPS512 TOPS64GB HBM2 / 1024GB/s300W✅ 通用 GPU，训推均衡

1.2 生态与迁移成本（关键差异）

芯片软件栈CUDA 兼容大模型适配度集群能力
A100/H100CUDA+PyTorch/TensorFlow✅ 原生⭐⭐⭐⭐⭐ 全覆盖⭐⭐⭐⭐⭐ 万卡级
昇腾 910CANN+MindSpore❌ 不兼容（需重写/迁移）⭐⭐⭐⭐ 主流模型适配⭐⭐⭐⭐ 384 卡超节点
DCU-3GROCm + 优化库✅ 高度兼容（直接改编译参数）⭐⭐⭐⭐ 主流模型可跑⭐⭐⭐ 千卡级
M890平头哥 SDK❌ 不兼容⭐⭐⭐⭐ 大模型优化好⭐⭐⭐ 千卡级
壁砺 166BRT❌ 不兼容⭐⭐⭐ 主流适配⭐⭐⭐ 千卡级

💡 核心差异：海光 DCU-3G 是唯一接近 CUDA 兼容的国产卡，适合快速迁移；昇腾生态最成熟但需迁移；M890/壁砺适合新开发。

国测 I 级 9 款卡详解

2.1 核心参数对比表

厂商型号（送测名）商用代号工艺显存&带宽FP16/BF16 算力INT8 算力功耗主要定位
华为海思昇腾 310Ascend 31012nm8GB DDR4, 60GB/s8 TFLOPS16 TOPS8W边缘推理/低功耗
华为海思昇腾 910Ascend 9107nm32GB HBM2, 1280GB/s320 TFLOPS640 TOPS310W云端训练/大模型
平头哥（阿里）真武 M530—5nm64GB HBM, 800GB/s~128 TFLOPS~256 TOPS250W推理 + 中小模型训练
平头哥（阿里）真武 M890—5nm144GB HBM, 1200GB/s~300 TFLOPS~600 TOPS350W大模型训推一体
壁仞科技壁砺 166BR1667nm64GB HBM2, 1024GB/s256 TFLOPS512 TOPS300W云端训练/推理
海光信息DCU-3G深算三号 BW10007nm+ (Chiplet)64GB HBM3, 1.6TB/s240 TFLOPS480 TOPS300W大模型训练/推理
天数智芯KCC-V100X天垓 1007nm64GB HBM2, 1024GB/s256 TFLOPS512 TOPS300W云端训练/推理
沐曦MXC600MX6007nm64GB HBM2, 1024GB/s256 TFLOPS512 TOPS300W云端训练/推理
摩尔线程PH100MTT S50007nm32GB GDDR6, 768GB/s96 TFLOPS192 TOPS220W推理/中小模型训练

2.2 各卡替代定位总结

芯片替代定位对标英伟达推荐场景
昇腾 310边缘推理替代T4端侧/低功耗推理
昇腾 910主力训练替代A100百亿级训练/推理
真武 M530中小模型性价比A10（T4）1B-50B 训推
真武 M890大模型顶级替代A100/H10070B-千亿训推
壁砺 166通用均衡替代A100训推一体/行业模型
DCU-3GCUDA 迁移首选A100存量 CUDA 项目迁移
天垓 100稳定型替代A100推理/中小训练
MXC600能效型替代A100高吞吐推理
PH100低功耗推理替代T4服务器推理/中小训练

场景化选型指南

3.1 大模型训练（10B-千亿级）

芯片适合模型规模最佳精度推荐指数关键优势
昇腾 91010B-千亿BF16/FP16⭐⭐⭐⭐⭐算力强、集群生态成熟、千卡线性加速好
真武 M89010B-千亿BF16/FP8⭐⭐⭐⭐⭐144GB 超大显存、FP8/FP4 全栈、5nm 先进工艺
海光 DCU-3G10B-千亿BF16/FP8⭐⭐⭐⭐⭐1.6TB/s 带宽、CUDA 兼容、迁移成本最低
壁砺 16610B-千亿BF16/FP16⭐⭐⭐⭐☆算力均衡、国产通用 GPU、训推双强
天垓 10010B-百亿BF16/FP16⭐⭐⭐⭐☆7nm、HBM2、通用计算稳定
沐曦 MXC60010B-百亿BF16/FP16⭐⭐⭐⭐☆架构先进、推理/训练均衡、能效好
真武 M5301B-50BBF16/FP16⭐⭐⭐⭐5nm、性价比高、中小模型训练优选
PH1001B-20BFP16⭐⭐⭐功耗低、推理强、中小模型训练够用
昇腾 310❌ 不推荐训练——仅边缘推理，算力/显存不足

3.2 大模型推理（高并发/低延迟）

芯片适合模型规模最佳精度推荐指数关键优势
真武 M89070B-千亿FP8/INT4⭐⭐⭐⭐⭐超大显存 + 超低精度，高并发之王
海光 DCU-3G70B-千亿FP8/INT4⭐⭐⭐⭐⭐带宽最高、延迟低、CUDA 生态友好
壁砺 16634B-70BINT8/INT4⭐⭐⭐⭐☆算力足、推理吞吐高、国产稳定
天垓 10034B-70BINT8/INT4⭐⭐⭐⭐☆通用计算强、推理稳定
沐曦 MXC60034B-70BINT8/INT4⭐⭐⭐⭐☆低延迟、高吞吐、能效优
昇腾 91034B-70BINT8⭐⭐⭐⭐生态好、推理稳定，适合华为云栈
真武 M5307B-34BINT8/INT4⭐⭐⭐⭐5nm、性价比高、中小模型推理
PH1007B-34BINT8/INT4⭐⭐⭐⭐220W 低功耗、推理能效高
昇腾 3101B-7BINT8⭐⭐⭐⭐⭐8W 超低功耗、边缘/端侧推理首选

3.3 边缘/端侧推理（低功耗/嵌入式）

芯片功耗INT8 算力适用场景推荐指数
昇腾 3108W16 TOPS摄像头/网关/工控机⭐⭐⭐⭐⭐
PH100220W192 TOPS边缘服务器推理⭐⭐⭐

💡 首选：昇腾 310（8W、INT8 16 TOPS、适配摄像头/网关/工控机）
💡 备选：PH100（220W、但可做边缘服务器推理）

精度支持对比

4.1 精度支持矩阵

芯片FP32BF16FP16FP8INT8INT4FP4
昇腾 310❌❌✅❌✅❌❌
昇腾 910✅✅✅❌✅❌❌
真武 M530✅✅✅❌✅✅❌
真武 M890✅✅✅✅✅✅✅
壁砺 166✅✅✅❌✅✅❌
海光 DCU-3G✅✅✅✅✅✅❌
天垓 100✅✅✅❌✅✅❌
沐曦 MXC600✅✅✅❌✅✅❌
PH100✅❌✅❌✅✅❌

4.2 精度维度小结

精度类型推荐芯片适用场景
仅推理/轻量昇腾 310（FP16/INT8）边缘端侧、低功耗
训练主力（全精度）昇腾 910、M890、DCU-3G、壁砺 166、天垓 100、MXC600大模型训练
超低精度推理M890、DCU-3G（FP8/INT4/FP4）千亿级大模型高并发推理
5nm 先进工艺平头哥 M530/M890全精度覆盖，能效优

生态与迁移成本

5.1 软件栈对比

芯片软件栈框架支持模型库开发工具
A100/H100CUDAPyTorch/TF/JAXHuggingFace 全支持Nsight/CUDA-GDB
昇腾 910CANN+MindSporePyTorch(适配)/MindSpore主流模型适配MindStudio
DCU-3GROCm+ 优化库PyTorch(兼容)/TF主流模型可跑HIP 工具链
M890平头哥 SDKPyTorch(适配)大模型优化好平头哥工具链
壁砺 166BRTPyTorch(适配)主流适配壁仞工具链

5.2 迁移工作量估算

迁移类型工作量（人天）风险等级推荐芯片
CUDA 原生 → DCU-3G3-5 天🟢 低DCU-3G
CUDA 原生 → 昇腾 91010-20 天🟡 中昇腾 910
CUDA 原生 → M89015-25 天🟡 中M890
CUDA 原生 → 壁砺 16610-15 天🟡 中壁砺 166
新项目 → 任意国产5-10 天🟢 低按需选型

推荐方案

6.1 按场景推荐

✅ 新增大模型训练（≥70B）
  • 优先：真武 M890 > 海光 DCU-3G > 昇腾 910
  • 理由：M890 显存最大 (144GB)，DCU-3G 带宽最高 (1.6TB/s)
✅ 存量 CUDA 项目迁移
  • 首选：海光 DCU-3G
  • 理由：迁移成本最低，仅需修改编译参数
✅ 政企/信创项目
  • 优先：昇腾 910、海光 DCU-3G
  • 理由：生态成熟 + 兼容性好 + 信创目录
✅ 成本敏感推理
  • 优先：真武 M530、PH100、昇腾 310
  • 理由：性价比最高，功耗低
✅ 边缘/端侧部署
  • 首选：昇腾 310
  • 理由：8W 超低功耗，适配摄像头/网关/工控机

6.2 按预算推荐

预算范围推荐方案配置建议
100 万以内昇腾 310 × 10-15 卡边缘推理集群
100-300 万昇腾 910 × 8-16 卡 / DCU-3G × 8-16 卡中小模型训练
300-500 万M890 × 8-16 卡 / DCU-3G × 16-32 卡大模型训练/推理
500 万以上M890 × 16-32 卡 + DCU-3G × 16-32 卡千亿级大模型训练

6.3 快速选型一句话建议

千亿大模型训练     → M890、DCU-3G、昇腾 910
70B-千亿高并发推理 → M890、DCU-3G（FP8/INT4）
34B-70B 训推一体   → 壁砺 166、天垓 100、MXC600
中小模型 (1B-34B)  → M530、PH100
边缘低功耗         → 昇腾 310
存量 CUDA 迁移     → DCU-3G

附录

A. 无法替代场景

场景原因建议
万亿参数超大规模训练（如 GPT-4 级别）国产卡算力/互联带宽不足仍依赖 H100 集群
极端科学计算（如量子、气象）FP32 精度差距大等待国产卡 FP32 优化

B. 关键术语解释

术语解释
FP16/BF16半精度浮点，大模型训练主流精度
FP8/INT88 位精度，推理加速常用
INT4/FP44 位超低精度，高并发推理
HBM2/HBM3高带宽内存，显存类型
CUDA 兼容可直接运行 CUDA 代码或仅需少量修改
国测 I 级国家测评认证的最高等级 AI 芯片
# 人工智能
Logo
人工智能6S服务平台

作为“人工智能6S店”的官方数字引擎，为AI开发者与企业提供一个覆盖软硬件全栈、一站式门户。

更多推荐

cover

Compose Multiplatform KV 存储库 multiplatform-settings 的 OpenHarmony 鸿蒙化适配实战

avatar 人工智能6S服务平台

记得闪卡-jidecards 软件日活 800＋人的心得分享——鸿蒙端原生闪卡（记忆知识点，背单词）软件

把 GitCode 和 GitHub 两边加起来，这个落差依然很直观：截至 2026 年 10 月 2 日，按公开 API 汇总，OpenHarmony 组织旗下公开仓库在 GitCode 上有 3,398 个 Star，在 GitHub 上有 748 个，合计 4,146 个。我想为鸿蒙生态补上这个需求，也想做一款自己期待的闪卡软件：可以背单词、记知识点，界面简洁好用，同时照顾刚接触闪卡的新手和

avatar 人工智能6S服务平台

DeepSeek 开源昇腾「六件套」，TileLang 硬刚 CUDA！国产算力软件栈，真的要翻身了？

DeepSeek 开源昇腾「六件套」，TileLang 硬刚 CUDA！国产算力软件栈，真的要翻身了？

avatar 人工智能6S服务平台