2月5日消息，据tomshardware等多家媒体报道， 华为最新的AI处理器昇腾910C（Ascend 910C）的推理性能已经达到了英伟达（NVIDIA）H100 GPU的60%。虽然昇腾910C性能与英伟达最新的Blackwell系列AI芯片相比仍有很大差距，但它有助于降低中国对英伟达GPU的依赖。

根据DeepSeek 研究人员的测试数据显示，在执行基于DeepSeek模型的推理任务中，昇腾910C性能可达到英伟达H100的60%。

这显示出，华为尽管受美国的制裁，无法获得台积电的先进制程技术的支持，华为AI处理器的能力仍在快速进步。据介绍，昇腾910C采用chiplet封装，整合约530亿个晶体管。过去昇腾910芯片采用台积电N7+制程，而昇腾910C芯片则由中芯国际第二代7纳米级（N+2）制程制造。

若透过手动优化CUNN核心，昇腾910C性能还可进一步提升。此外，DeepSeek 对升腾处理器的原生支持，以及其PyTorch储存库可让CUDA到CUNN无缝转换，让华为硬件更容易整合到AI工作流程中。

据了解，DeepSeek的支持为华为芯片带来了关键优势： 从第一天起就支持华为昇腾芯片，自主维护PyTorch仓库，只需一行代码就能将CUDA转换为CANN；而且性能优化潜力巨大，通过定制优化可达到更高性能。

据华为官网介绍， CANN（Compute Architecture for Neural Networks）是昇腾针对AI场景推出的异构计算架构 ，对上支持多种AI框架，对下服务AI处理器与编程，发挥承上启下的关键作用，是提升昇腾AI处理器计算效率的关键平台。同时针对多样化应用场景，提供高效易用的编程接口，支持用户快速构建基于昇腾平台的AI应用和业务。

据了解，CANN分社区版和商用版。 前者是快速提供新特性的体验版，供开发者提前试用；而后者是满足商用标准的稳定版本。目前，CANN社区版已经来到了8.0.0.alpha003版本，针对Ascend C进行了特性增强。而商用版CANN 8.0.RC3版本也已经发布，新增适配7个操作系统，简化了CANN安装流程。

DeepSeek的Yuchen Jin表示，“长周期训练的稳定性是中国芯片最大难关”。这涉及英伟达软硬体生态系统的深度整合，CUDA护城河已经发展二十多年。虽然推理性能可继续改善，但持续的训练工作负载需要华为进一步改进软硬体堆叠。

有专家预测，随着AI模型向“Transformer构架”（如GPT、BERT等）靠拢，CUDA和PyTorch编译器的重要性将降低。此外，DeepSeek 团队在软硬体优化方面的专长，也可能大幅降低对英伟达CUDA的依赖，大幅节省成本。

此前的研究显示，DeepSeek使用英伟达的H800芯片训练时，使用英伟达底层硬件指令PTX（Parallel Thread Execution）语言，而非高级编程语言CUDA。这似乎也意味着DeepSeek绕过了CUDA，使用更底层的编程语言做优化。

对于程序开发人员来说，CUDA是一种更加友好的高级语言，开发者只需要专注于程序和算法最相关的运行逻辑，而不太需要考虑具体的程序是如何在GPU等硬件上具体如何执行计算的，从而能够降低开发难度。而PTX在接近汇编语言的层级运行，允许进行细粒度的优化，如寄存器分配和Thread / Warp级别的调整。这种编程非常复杂且难以维护，所以行业通用的做法是使用CUDA这样的高级编程语言。

北京航空航天大学副教授黄雷表示，绕过CUDA可以直接根据GPU的驱动函数做一些新的开发，从而实现更加细粒度的操作。这也说明DeepSeek拥有一些擅长写PTX语言的内部开发者。 假如它之后使用国产GPU，其在硬件适配方面将会更得心应手，其只要了解这些硬件驱动提供的一些基本函数接口 ， 就可以仿照英伟达GPU硬件的编程接口去写相关的代码，从而让自家大模型更加容易适配国产硬件。

编辑：芯智讯-林子