一、Ascend 910D：推理定位与性能坐标

华为 Ascend 910 系列自 2019 年首代发布以来，已经历三次主要迭代。910B（2022 年量产）在训练侧被大量部署于华为云及字节跳动早期集群；910C（2024 年）针对大模型推理进行了显著优化，采用 CoWoS 封装替代方案，提升带宽密度；910D（预计 2025 年底至 2026 年初量产放量）则被行业人士定位为国产"H100 对位产品"。

根据公开技术文档与行业分析师的推算[1]，910D 在 FP16 精度下峰值算力约为 256 TOPS（估算），HBM 容量约 96 GB，带宽约 3.2 TB/s（估算），推理延迟在主流 70B 参数模型下与 H100 SXM5 差距收窄至 15%–20% 以内（估算）。需要指出的是，上述数字均为行业推算，华为官方尚未完整公开 910D 数据表，投资者应以官方最终发布为准。

指标 Ascend 910D（估算） NVIDIA H100 SXM5 差距
FP16 峰值算力（TOPS） ~256 ~267 ≈ -4%（估算）
HBM 容量（GB） ~96 80 +20%（估算）
显存带宽（TB/s） ~3.2 3.35 ≈ -4%（估算）
互联协议 HCCS + RoCE NVLink 4.0 + InfiniBand 生态差距仍存
量产状态 2026 H1 放量（推测） 已大规模量产 —

框架层面，MindSpore / CANN 工具链经历多轮迭代，对 LLaMA、DeepSeek 等主流开源架构的算子适配已基本完成，从模型导入到推理服务的工程链路趋于成熟。这是 2024 年以前 Ascend 生态最大的软肋，2026 年这一瓶颈正在被系统性填平。

二、云厂商采购节奏：百度、腾讯、华为云的三条路径

国内云计算市场在出口管制升级后加速"去英伟达化"，但三大买方的策略存在明显差异。

百度智能云：自研 + 昇腾双轨
百度 2025 年财报[2]披露，文心大模型推理集群中国产 AI 芯片占比已超过 50%，其中昆仑芯（百度自研）与 Ascend 910 系列并行部署。2026 年随着 910D 产能释放，百度预计将扩大 Ascend 采购，主要用于在线推理服务，降低单 token 推理成本。百度管理层在 2025 Q4 业绩会上提及"国产芯片 TCO（总拥有成本）与进口芯片已基本持平"（原话引自电话会纪要，具体数据以公告为准）。

腾讯云：混合部署，大规模集采
腾讯 2025 年 AI 基础设施资本开支约 600 亿元人民币（估算，参考彭博终端数据[3]），其中相当比例用于国产 GPU 采购。腾讯云的混元大模型推理侧已迁移部分工作负载至 Ascend 910B/C，910D 放量后预计进入下一轮批采周期。相较于百度，腾讯更强调"冗余双源"——不完全依赖单一供应商，英伟达与华为昇腾保持并行。

华为云：自用 + 外售，闭环最强
华为云市场份额约 18%[4]（IDC 2025 H2 估算），是昇腾算力的"首用者"与"展示窗口"。华为的策略是以 Atlas 900 超节点集群承接政务云与国央企 AI 业务，借此验证 910D 的大规模部署稳定性，再向第三方云厂商和模型公司推广。这种"自销自用"模式使华为云在成本和交付上有天然优势，但也面临渠道中立性质疑。

综合三条路径，行业估算 2026 年国内大模型训练与推理中国产 AI 芯片渗透率将超过 60%（估算），对比 2023 年不足 20% 的水平，替代斜率显著陡峭。

三、供应链受益链条：A 股可跟踪标的拆解

Ascend 910D 集群规模化部署，直接拉动以下五个供应链环节，每个环节均有对应 A 股上市公司可供跟踪（以下为产业链分析，不构成买卖建议）。

环节 核心需求 代表 A 股标的（举例） 需关注风险
液冷热管理 单卡功耗约 700W，机柜级需液冷 英维克、申菱环境、曙光股份 客户集中度高，验证周期长
光模块互联 800G/1.6T 光模块，集群内高速互联 中际旭创、天孚通信、新易盛 NVIDIA 生态切换存技术风险
国产 HBM / 存储 HBM3/3E 国产化替代 长鑫存储（未上市，间接受益：兆易创新） 良率爬坡进度不确定
PCB / 载板 高速高密 PCB，CoWoS 替代基板 沪电股份、生益科技、深南电路 技术路线有分叉，客户认证节奏不一
电源 / 配电 高功率密度 PDU，48V 直流供电 科士达、动力源 市场竞争加剧，毛利率承压

框架提示：跟踪供应链标的时，建议重点观察三个维度——①进入华为 Atlas 集群的订单公告或定向增发披露；②营收中算力相关收入占比变化（体现在季报中分行业收入表）；③毛利率趋势（国产替代初期往往以价格换份额，毛利率可能先降后升）。

四、常见误区与分析框架

误区一：把算力 TOPS 等同于实际推理效率
峰值算力（TOPS）只是理论上限，实际推理吞吐量（tokens/s）受内存带宽、互联时延、软件编译优化多重因素制约。910D 在部分场景（如长上下文推理）受制于 HCCS 互联带宽，吞吐量可能低于同等 TOPS 的 H100 NVLink 配置。评估国产 AI 芯片时，应以"每瓦特 tokens/s"或"每美元 tokens/s"为核心指标，而非单纯比较峰值算力。

误区二：国产替代 = 国产芯片全面领先
当前国产替代的驱动力主要来自出口管制（外部压力），而非性能全面超越（内部拉力）。在 CUDA 生态深度绑定的科研/高校场景，迁移成本仍然较高。国产替代的节奏在推理侧（相对标准化）快于训练侧（需高度优化），在政务/国央企场景快于互联网/高校场景。

误区三：供应链受益是线性的
从华为集群放量到供应链公司营收兑现，通常有 2-4 个季度的滞后（采购-交付-确认收入周期）。此外，部分环节存在"价格效应"——规模扩张带来的量增可能被降价压力抵消，净利润改善幅度未必与收入增速同步。

Q：Ascend 910D 与 NVIDIA H100 在实际大模型推理中差距还有多大？

基于行业分析师的压测报告（非官方数据），910D 在 70B 参数模型（如 DeepSeek-R1）的批量推理吞吐量上与 H100 SXM5 差距估算在 15%–25% 之间，主要差距来自软件栈成熟度（算子融合、内存管理）而非纯硬件。随着 MindSpore/CANN 迭代，这一差距有望在 2026 年内进一步收窄。但在科学计算、强化学习训练等对互联带宽敏感的场景，差距仍然显著。

Q：哪些云厂商最积极采购 910D？

目前最积极的是华为云（自用兼外售）和百度智能云，其次是腾讯云（双源策略）。阿里云和京东云在国产芯片选择上更多倾向自研路线（如倚天 + 平头哥），对 Ascend 的依赖相对较低。中小云厂商（如天翼云、移动云）受监管合规要求影响，国产化意愿最强，批采节奏可能更快。

Q：A 股供应链标的中，哪个环节确定性最高？

从产业链逻辑看，液冷热管理和光模块互联的确定性相对较高——前者因功耗密度提升是物理约束，后者因集群互联带宽需求是架构刚需。HBM 国产化进度高度依赖长鑫存储良率爬坡，不确定性最大。以上分析不构成投资建议，实际结果受多重变量影响。

Q：国产 AI 芯片渗透率 60% 的估算依据是什么？

该数字综合了以下来源：①IDC 2025 年中国 AI 芯片市场报告（按部署卡数口径）；②各大云厂商财报中关于国产化率的定性表述；③行业分析师对采购招标公告的追踪统计。由于定义口径（训练 vs 推理、卡数 vs 算力 FLOPS）不同，不同机构估算结果差异较大（范围约 50%–70%），60% 为中值参考，投资者应以各公司官方披露为准。

Q：出口管制升级后，华为能否持续供应 910D？

910D 采用国产 EUV 替代工艺（中芯国际 N+2 节点，7nm 等效，估算），已绕开主流出口管制限制。但先进封装（CoWoS 替代方案中部分设备仍依赖进口）和 HBM（长鑫存储产能爬坡）是两个潜在瓶颈，供应链稳定性需持续观察。华为海思在过去三年已显著加强国产设备备案，整体风险较 910B/C 时代有所降低。

参考来源：[1] 行业分析师技术评测报告（综合多家券商 2025 年研报）；[2] 百度 2025 年年度财报（2026 年 Q1 发布）；[3] Bloomberg 终端 China Cloud Capex Tracker，2026 年 5 月；[4] IDC《中国公有云服务市场（2025 下半年）跟踪》；[5] 华为开发者大会 2025 技术白皮书（昇腾 Atlas 900 集群架构）。

免责声明：本文为基于公开资料的市场观察与分析，不构成任何投资建议、买卖推荐或目标价预测。投资者应独立判断、自行承担风险。

站内延伸阅读

如果要把这篇文章放回 m8 的研究框架，可以继续沿着以下入口阅读：

常见问题

这篇文章属于 m8 的哪个研究入口？

这篇文章归入 AI产业链 主线，建议先从 AI产业链栏目 进入，再结合研究目录里的相邻专题一起看。

读完这篇后，下一步应该看什么？

优先继续看 AI产业链文章列表、AI产业链研究中心、GPU / 算力平台。这些入口能把单篇内容放回市场、行业和方法论框架里。

后续最需要跟踪哪些变量？

后续重点跟踪：AI capex、GPU/HBM/先进封装供给、服务器交付、软件变现和产业链利润分配是否兑现。

这篇内容可以直接当作投资建议吗？

不可以。m8 的文章用于整理公开信息、研究框架和风险变量，不构成个股买卖建议，也不替代个人的仓位管理和风险评估。

m8 会如何更新这类主题？

如果后续出现财报、政策、订单、资金流或估值假设的关键变化，m8 会在对应栏目和专题页继续补充更新，并通过内链把新旧文章串起来。