0
| 本文作者： 楊依婷 | 2026-04-28 14:16 |
AI行業(yè)的節(jié)奏正在變得越來越快。
從去年的大模型，到今年Agent的集中爆發(fā)，技術(shù)熱點在持續(xù)切換。但在表層變化之下，有一個趨勢幾乎沒有發(fā)生改變：模型規(guī)模與使用強度的提升，正在持續(xù)推高對算力的需求。
當模型規(guī)模、調(diào)用頻率與應(yīng)用復雜度同時增長，單純依賴算力堆疊已經(jīng)難以為繼。
在這種局面下，開發(fā)者天然希望找到一套已經(jīng)經(jīng)過驗證、能覆蓋全鏈路的成熟體系。這正是CUDA生態(tài)在過去十幾年建立起來的護城河：它不僅提供了算力，更定義了從編程到部署的一整套標準。
也正是在這樣的背景下，一個更現(xiàn)實的問題開始浮出水面：當CUDA生態(tài)已經(jīng)形成穩(wěn)定閉環(huán)，后來者的路徑到底是什么？是盡可能兼容，以降低遷移成本；還是從底層出發(fā)，建立一套不依附既有體系的新結(jié)構(gòu)？
華為張良給出了他的答案，他在分享會上反復強調(diào)：如果底層結(jié)構(gòu)不改變，上層生態(tài)就很難真正建立。
這意味著，當前這場競爭，已經(jīng)不只是算力性能的比較，而是一次圍繞“體系”的重構(gòu)。
在AI基礎(chǔ)設(shè)施發(fā)展的早期階段，“能不能跑起來”曾經(jīng)是最核心的判斷標準。
但隨著大模型進入工程化與規(guī)?；A段，這一標準迅速變得不再充分。系統(tǒng)的瓶頸，開始從“單點能力不足”，轉(zhuǎn)向“整體鏈路是否匹配真實負載”。
張良在回顧昇騰早期發(fā)展時，并沒有回避這一點。他提到，“2018年CANN剛發(fā)布時，我們知道CANN和硬件都是不完美的”。
那一階段屬于典型的“可運行但未成熟”狀態(tài)，行業(yè)的關(guān)注點更多集中在框架對比、性能指標等表層問題，而真正決定長期能力的底層結(jié)構(gòu)，并沒有被充分展開。
面對大模型時代的新負載——長序列帶來的訪存壓力、低精度訓練成為主流，以及MoE等復雜模型架構(gòu)的涌現(xiàn)，昇騰急需解決編程模型不夠靈活、訪存粒度無法適配、低精度支持缺失等問題。
這些問題無法通過軟件優(yōu)化或算子補丁徹底解決，只能在芯片和系統(tǒng)底層重新設(shè)計。
轉(zhuǎn)折發(fā)生在近兩年。
按照張良的說法，從2025年開始，昇騰團隊“痛下決心”，不再圍繞局部問題進行修補，而是回到一個更根本的判斷：如果底層結(jié)構(gòu)不改變，上層生態(tài)就不可能真正建立。
在最新一代昇騰950芯片中，這種調(diào)整體現(xiàn)在多個方面：編程模型更接近主流并行計算范式，降低開發(fā)遷移成本；數(shù)據(jù)訪問引入更細粒度訪存機制，以減少大模型場景下的無效帶寬消耗；同時提前支持FP8等低精度計算，以提升吞吐并支撐更大模型規(guī)模。
張良提到：“有客戶在測試不到一周后，就直接做出了下單決策?！?/p>
與此同時，昇騰在架構(gòu)路徑上也做出了一個關(guān)鍵選擇。在專用加速芯片逐漸興起的背景下，針對特定場景進行深度優(yōu)化，往往可以獲得更高的短期效率。
但張良明確表示，團隊并沒有沿著這一路徑繼續(xù)推進，而是堅持通用架構(gòu)方向。原因在于，如果系統(tǒng)能力被限定在特定場景中，就很難形成外溢，也無法支撐多樣化應(yīng)用的持續(xù)增長。
這一選擇意味著，昇騰并不只是試圖把模型“跑得更快”，而是在解決一個更長期的問題：當模型不斷變化、負載持續(xù)增長、開發(fā)范式不斷演進時，這套系統(tǒng)是否仍然能夠承載這些變化。
如果說底層結(jié)構(gòu)決定了一套系統(tǒng)“能做到什么”，那么生態(tài)則決定了“有沒有人愿意在上面繼續(xù)做”。
在當前AI基礎(chǔ)設(shè)施格局中，CUDA已經(jīng)不僅是一套技術(shù)方案，而是一整套高度穩(wěn)定的開發(fā)體系。從編程模型、工具鏈到社區(qū)與人才結(jié)構(gòu)，它所形成的，不只是功能層面的能力，更是一種“默認可用”的環(huán)境。
對于后來者而言，最直接的路徑，是盡可能向這一體系靠攏——通過接口兼容與生態(tài)復用，降低開發(fā)者的遷移門檻。
這是一條現(xiàn)實且常見的路徑，但昇騰并沒有選擇沿著它走下去。
張良給出的判斷非常直接：“如果基于CUDA來做，那我們做的一切生態(tài)發(fā)展，都無法徹底自主?！?/p>
這句話所指向的，并不只是技術(shù)路線之爭，而是一個更底層的問題：如果核心體系建立在他人的標準之上，那么無論投入多少工程資源，最終強化的仍然是原有系統(tǒng)，而不是自身能力。
進一步看，這種依附關(guān)系還意味著技術(shù)演進主動權(quán)的缺失。張良提到，“一旦出現(xiàn)危機的時刻，這一套體系做不到，你的特性在里面就沒了。”
這里的“特性”，不僅是具體功能，也包括體系能夠持續(xù)演進的空間。如果關(guān)鍵能力受限于既有框架，那么新的特性就很難真正落地，更難形成長期積累。
在這一判斷之下，昇騰選擇了一條更復雜但更具獨立性的路徑：在底層體系上堅持自研，在上層生態(tài)上盡可能對齊主流。
這意味著，在虛擬指令集、編譯器以及運行時等關(guān)鍵環(huán)節(jié)，昇騰不依賴既有標準，而是構(gòu)建自己的實現(xiàn)；而在開發(fā)接口與使用方式上，則主動適配主流框架，使開發(fā)者可以在熟悉的環(huán)境中使用這套系統(tǒng)。
這種“分層處理”的方式，本質(zhì)上是在控制權(quán)與使用門檻之間尋找平衡：既不完全依附，也不讓開發(fā)者從零開始。
但這條路徑的難度，很快體現(xiàn)在實際推進過程中。
在主流開源框架中，新硬件往往只能以插件形式接入，難以進入主干體系。
張良提到，昇騰最初面對的正是這樣的情況——對方并不直接接納，而是建議“你們可以自己做插件”。這意味著，生態(tài)上的“可用”與“被認可”之間，仍然存在明顯距離。
昇騰的做法，是持續(xù)參與開源社區(qū)：提交代碼、對齊規(guī)范，并通過工程實踐驗證自身實現(xiàn)的穩(wěn)定性。在這個過程中，關(guān)系逐漸發(fā)生變化，從最初的外部適配，轉(zhuǎn)向更深層的協(xié)同。
例如在Triton中實現(xiàn)后端支持，在PyTorch Foundation體系中建立起持續(xù)集成流程，使平臺能夠跟隨主版本演進保持同步。這些變化的意義，在于昇騰不再只是“接入生態(tài)”，而是開始參與生態(tài)本身的構(gòu)建。
與此同時，生態(tài)建設(shè)也被進一步轉(zhuǎn)化為可量化的工程問題。
張良提到，昇騰對開源軟件的支持能力、以及開源軟件對昇騰特性的支持程度，被細化為特性支持率、模型適配率、CI覆蓋率等一系列指標，“要求必須維持在95%以上”。
在模型側(cè)，昇騰也在推進類似的覆蓋能力。
昇騰已在DeepSeek V4發(fā)布當天實現(xiàn)全系列適配，950超節(jié)點推理時延低至10~20ms，并通過PyPTO編程范式將算子開發(fā)周期縮短至天級。
不過，這一路徑并非沒有不確定性。
在一個已經(jīng)高度收斂的生態(tài)體系中，新的平臺不僅要補齊能力，還需要在時間上追趕。這不僅是技術(shù)問題，更是節(jié)奏問題：當主流框架持續(xù)快速迭代時，新體系是否能夠長期保持同步，并逐步建立自身影響力，仍然取決于持續(xù)的工程投入與社區(qū)協(xié)同。
也正是在這一意義上，“做一個CUDA兼容層”之所以沒有被選擇，是因為它無法回答一個更關(guān)鍵的問題——當生態(tài)演進發(fā)生變化時，這套體系是否仍然擁有自己的位置與空間。
在傳統(tǒng)AI工程體系中，開發(fā)過程高度依賴人工經(jīng)驗。
從算子實現(xiàn)到性能調(diào)優(yōu)，每個環(huán)節(jié)都需要工程師深入理解硬件、反復調(diào)試。這種模式在早期復雜度較低時尚可應(yīng)對，但隨著模型規(guī)模擴大、系統(tǒng)鏈路拉長，人的處理能力開始成為效率瓶頸。
昇騰的應(yīng)對方式，不是繼續(xù)在工具層面做優(yōu)化，而是引入新的執(zhí)行主體——Agent。
最直接的變化出現(xiàn)在算子開發(fā)環(huán)節(jié)：過去手寫算子需要深入硬件、反復調(diào)試，現(xiàn)在開發(fā)者只需描述設(shè)計意圖，Agent就可以自動完成環(huán)境配置并生成代碼。開發(fā)起點從“如何實現(xiàn)”轉(zhuǎn)向“要實現(xiàn)什么”。
圍繞這一思路，昇騰將Agent擴展到更完整的流程——從模型檢索、適配、量化，到遷移、優(yōu)化與部署，原本分散的步驟被整合為一條連續(xù)路徑。
張良給出的目標是：“一分鐘找到模型，一小時驗證，一天完成部署?！眽嚎s的不只是時間，更是試錯成本與迭代周期。
支撐這一體系的，是“Skill”——一種標準化的能力單元，它將專家經(jīng)驗、調(diào)優(yōu)方法以及工程流程以模塊化方式沉淀下來，供Agent直接調(diào)用組合。
這意味著，原本依附于個體經(jīng)驗的能力，開始被轉(zhuǎn)化為系統(tǒng)的一部分。開發(fā)者不再需要從零構(gòu)建流程，而是通過定義目標與約束，讓系統(tǒng)完成大部分執(zhí)行工作。
在標準化程度較高、路徑清晰的任務(wù)中，Agent可以顯著提升效率。但張良坦言，在“最深層次的復雜問題”上，當前Agent的能力“還不是那么強”，仍然離不開工程師的深度參與。
這使得Agent呈現(xiàn)出一種過渡性特征：一方面，它確實在改變開發(fā)節(jié)奏，使原本以天甚至周為單位的流程被壓縮到小時級；另一方面，它也在承擔一層“緩沖”的角色——在生態(tài)尚未完全成熟、底層差異仍然存在的情況下，通過自動化能力降低使用門檻。
這也引出一個更深遠的問題：Agent所帶來的，是一種長期穩(wěn)定的新范式，還是在體系尚未完善時的過渡機制？答案或許取決于Skill的沉淀速度和底層差異的收斂程度。但無論如何，它在當下已經(jīng)實實在在地改變了開發(fā)節(jié)奏。
回到最初的問題：當CUDA已經(jīng)成為事實標準，后來者是否還有空間？
從昇騰這一路徑來看，它給出的答案，并不是正面替代，也不是簡單兼容，而是試圖在既有體系之外，構(gòu)建一套可以獨立運轉(zhuǎn)的結(jié)構(gòu)，讓這套系統(tǒng)在不依賴既有生態(tài)的情況下，仍然具備自洽能力。
當然，這一選擇仍然處在進行時之中。生態(tài)能否持續(xù)積累、與主流框架的協(xié)同能否長期穩(wěn)定、開發(fā)方式的變化能否真正沉淀為工程能力，這些都需要時間來驗證。
雷峰網(wǎng)雷峰網(wǎng)(公眾號：雷峰網(wǎng))
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
