AI研究机构：华为AI算力远不及英伟达

　　AI研究机构Epoch AI于9月4日发布比较华为和英伟达（NVIDIA）芯片的专题报告。核心结论是：受出口管制限制的影响，华为在2030年几乎不可能赶上英伟达；如华为无法取得海外记忆体，华为2028年的人工智慧运算能力仅为英伟达的1%左右。

　　Epoch AI于周五（9月4日）发布了专题报告《华为能在2030年赶上英伟达吗？》（Will Huawei catch up to Nvidia by 2030?）。该报告指出：目前华为在单颗芯片性能和芯片产量两方面都落后于英伟达；估计华为在2026年的人工智慧运算能力将不足英伟达的4%，如华为无法取得海外的高频宽记忆体（HBM），那么该数据到2028年会降至1%左右。

　　报告首先分析了2026年华为与英伟达的差距有多大，主要从两个方面来比较：第一是单颗芯片的性能，也就是一颗芯片能运转多快；第二是芯片的生产量，其中HBM的供应是限制华为产量的关键因素。

　　华为和英伟达目前的差距

　　昇腾950DT是华为目前最新一代、性能最强的昇腾AI芯片之一。Epoch AI报告分析显示，昇腾950DT以FP8（8 位元浮点数）进行AI运算时，其理论运算吞吐量约为英伟达H100的一半。H100是英伟达在2022年推出的一款资料中心级芯片。

　　如果单看芯片规格表上的“理论最高运算能力”，英伟达B300约是华为昇腾950DT的6.75倍。B300是英伟达新一代 Blackwell Ultra系列的资料中心AI加速芯片，主要用于大型AI模型的训练与推理。

　　报告得出的结论是，华为目前的芯片性能大约落后于英伟达4年，而到2030年，华为芯片的性能仍会落后于英伟达3到4年。

　　如果华为只能使用中国国产的HBM，那么其2028年的AI算力可能仍只有英伟达的1%左右。即使华为通过走私获取海外的HBM，假设取得的HBM是中国国产供应量的10倍，那么2028年华为的计算量也大约只有英伟达的11%。

　　华为的策略不能解决所有问题

　　目前，华为较具竞争力的策略之一，是通过连接更多AI芯片（逻辑堆叠）、扩大系统规模，来弥补单颗芯片性能上的不足。报告认为，这种做法无法完全弥补华为与英伟达在单芯片性能上的差距。

　　原因包括：当系统连接的芯片数量大幅增加后，芯片之间的通讯会变得更加复杂；不同芯片在网络中的位置也可能影响实际性能，因此需要更强的软体进行调度和优化。此外，大规模芯片互联还会带来额外的通讯开销、功耗、系统复杂度及可靠性问题。

　　目前华为最大的瓶颈是“没有足够HBM”来做芯片。中国目前主要依靠长鑫存储（CXMT）和武汉新芯（XMC）来生产HBM，而中国HBM的技术与产能落后于英伟达所使用的HBM。英伟达购买SK海力士、三星、美光等厂商生产的HBM。

　　报告认为，到2028年，华为最大的瓶颈会逐渐从“没有足够HBM”转变成“单颗芯片性能不够强”。

　　华为难追赶

　　在芯片制程方面，华为主要依赖中芯国际（SMIC）。Epoch AI报告认为，SMIC目前量产的先进制程约为N+3、7纳米级，而台积电（TSMC）则已向3纳米、A16（约1.6 纳米级）等更先进制程发展。

　　报告估计，台积电先进制程的电晶体密度约为SMIC的两倍。电晶体密度越高，运算能力越强，功耗越低，同样性能的芯片可以做得更小。

　　因此，英伟达在芯片设计和制造上拥有更大的技术优势：除了可以使用台积电更先进的制程，还可以结合更大的芯片面积、更多芯片裸片、更先进的3D逻辑堆叠、更高性能的HBM，以及更先进的封装技术，不断叠加提升单颗AI芯片的运算性能。

　　而华为受到先进制程、HBM供应及部分先进制造设备的限制，即使可用大芯片和多芯片封装来提高性能，仍然难以完全弥补与英伟达在单芯片性能上的差距，并且随着时间的推移差距会更大。

　　如华为寄希望于3D堆叠技术LogicFolding，希望透过将逻辑芯片垂直堆叠，在无法取得最先进制程的情况下，提高单位面积的电晶体密度，从而提升昇腾AI芯片的性能。

　　但根据Epoch AI的分析，LogicFolding预计要到2030年才会首次应用于昇腾芯片（Ascend 990）。相比之下，英伟达预计在2028年推出的Feynman就可能采用3D逻辑堆叠，而且是在台积电A16制程上进行堆叠。因此，报告质疑华为能否通过3D堆叠弥补先进制程不足，追赶上英伟达。

　　Epoch AI背景

　　Epoch AI正式成立于2022年4月，是一家专注于人工智慧发展的独立、非营利研究机构，主要用数据追踪AI模型能力、算力、芯片、资料中心及AI产业的发展趋势。

　　虽然Epoch AI成立仅四年多，但业内口碑很好，尤其在AI算力、模型规模、硬体供应、AI发展趋势这些量化研究领域具有相当高的可信度和影响力。Epoch AI的研究被斯坦福大学以人为本人工智慧研究院（Stanford HAI）、英国政府、Google DeepMind、OpenAI等研究或政策圈引用或使用。