昇騰910系列晶片：910A/910B/910C/910D詳細技術解析

2025-05-02 17:48 架構師技術聯盟

昇騰（Ascend）910系列是華為自研的高效能AI處理器，專為雲端AI訓練和推理設計。該系列晶片基於達芬奇架構（Da Vinci Architecture），主要面向大規模深度學習場景。以下是昇騰910系列晶片的詳細技術解析，結合最新公開資料和行業驗證資料，為晶片技術方案設計提供全面參考：
一、昇騰910A
釋出時間：2019年（首代產品）
製程工藝：7nm（臺積電代工）
核心架構：
  – 基於達芬奇3D Cube架構，支援混合精度計算（FP16/FP32/INT8）。
  – 整合32個AI Core，每個Core包含多個計算單元（Tensor Core）。
算力效能：
  – FP16算力：256 TFLOPS
  – INT8算力：512 TOPS
記憶體與頻寬：
  – HBM2記憶體（32GB），頻寬1.5 TB/s。
典型場景：
  – 大規模模型訓練（如ResNet、BERT）。
  – 受美國製裁前的主流型號，後因供應鏈問題受限。
技術定位
昇騰910A是華為昇騰910系列的初代產品，基於7nm+EUV工藝製造，採用32核達芬奇架構，是華為AI晶片技術的奠基性產品。其核心設計目標是滿足大規模分散式訓練需求，同時為後續產品迭代提供技術驗證平臺。
核心引數
應用場景
1. 學術研究：清華大學基於昇騰910A構建了"天樞"AI超算平臺，支援蛋白質摺疊預測等前沿研究，訓練效率較傳統GPU叢集提升40%。
2. 企業級訓練：商湯科技採用昇騰910A叢集完成多模態大模型訓練，單次訓練成本降低35%。
3. 邊緣推理：透過Atlas 300T訓練卡部署在智慧製造產線，實現即時質檢，誤檢率低於0.5%。
二、昇騰910B系列（B1/B2/B3）
釋出時間：2021-2022年（國產化替代版本）
製程工藝：14nm（中芯國際代工，部分自主技術）
核心改進：
  – 最佳化架構設計，提升能效比。
  – 支援更靈活的運算元庫（相容MindSpore、TensorFlow等框架）。
算力效能：
  – FP16算力：~200 TFLOPS（因製程降級略有下降）。
  – INT8算力：~400 TOPS。
記憶體與頻寬：
  – GDDR6記憶體（16-24GB），頻寬降低至~800 GB/s。
關鍵突破：
  – 實現國產化生產，規避部分制裁限制。
  – 增加安全加密模組，符合中國信創要求。
型號差異
技術突破
1. 存算架構：B3型號引入HBM3e記憶體，頻寬提升至1.2TB/s，支援萬億引數模型訓練。
2. 互聯技術：B2/B3型號整合HCCS 2.0介面，卡間互聯頻寬達2.8Tbps，支援千卡叢集線性擴充套件。
3. 能效最佳化：採用異構計算架構，動態調整算力分配，MFU（最大有效算力利用率）提升至65%。
應用案例
字節跳動：使用昇騰910B3叢集訓練AIGC模型，生成效率提升2.3倍，能耗降低40%。
比亞迪：部署昇騰910B2叢集用於自動駕駛模擬訓練，單次訓練週期從7天縮短至36小時。
阿里雲：基於昇騰910B1構建AI中臺，支援電商推薦系統即時更新，響應延遲低於50ms。
三、昇騰910C
釋出時間：2023年（推測型號，未官方確認）
製程工藝：7nm（中芯國際N+2工藝，國產化嘗試）
核心改進：
  – 恢復7nm效能，最佳化計算密度。
  – 支援更先進的稀疏計算（Sparsity Acceleration）。
算力效能：
  – FP16算力：~280 TFLOPS。
  – INT8算力：~560 TOPS。
新特性：
  – 整合華為自研NPU指令集（增強靈活性）。
  – 支援CANN 6.0（異構計算架構）。
架構創新
昇騰910C（詳情參考“華為昇騰910C效能深度解析”）採用Chiplet技術，將兩顆昇騰910B晶片透過3D封裝整合，形成"雙芯協同"架構：
效能驗證
推理效能：在DeepSeek-R1模型測試中，昇騰910C推理速度達H100的80%，成本僅為1/3。
訓練效能：訓練1.5萬億引數大模型時，昇騰910C叢集效能超越英偉達GB200 NVL72系統15%。
能效比：算力功耗比達0.82 TFLOPS/W，優於H100的0.75 TFLOPS/W。
典型應用
1. 政務雲：揚州市政務雲部署昇騰910C叢集，支撐DeepSeek-R1-671B大模型，實現智慧客服效率提升3倍。
2. 工業製造：蕪湖海螺水泥採用昇騰910C最佳化生產流程，能耗降低15%，裝置故障率下降22%。
3. 科研領域：西工大團隊基於昇騰910C開發抑鬱症初篩系統，在華為ICT大賽中獲全國特等獎。
四、昇騰910D
釋出時間：2024年（最新型號）
製程工藝：5nm（中芯國際或華為自研工藝，受限條件下最佳化）
核心改進：
  – 採用Chiplet設計，提升良率和擴充套件性。
  – 支援動態功耗管理（DVFS技術）。
算力效能：
  – FP16算力：320+ TFLOPS。
  – INT8算力：640+ TOPS。
創新點：
  – 內建光互聯介面（協同華為Atlas叢集）。
  – 強化安全隔離（可信執行環境TEE）。
技術突破
昇騰910D是華為下一代旗艦AI晶片，基於6nm工藝，採用Chiplet+3D封裝技術：
效能預測
推理效能：預計在GPT-4級模型推理中，昇騰910D效能達H200的1.2倍，成本降低50%。
訓練效能：訓練2萬億引數大模型時，昇騰910D叢集效能較H100提升30%。
生態適配：CANN 6.0支援CUDA程式碼一鍵遷移，PyTorch框架相容度達95%。
應用前景
1. 超算中心：計劃部署於國家超算深圳中心，支撐"九章四號"量子計算模擬。
2. 生物醫藥：華大基因將用於蛋白質結構預測，加速新藥研發週期。
3. 自動駕駛：百度Apollo計劃採用昇騰910D構建城市級模擬訓練平臺。
五、技術演進路線
六、生態與開發支援
1. 軟體框架：昇思MindSpore 2.6支援MOE架構，模型訓練效率提升2.8倍。
2. 開發工具：CANN 6.0提供CUDA程式碼遷移工具，開發效率提升70%。
3. 合作伙伴：與DeepSeek、商湯、寒武紀等共建行業解決方案，覆蓋30+行業。
七、選型建議
昇騰910系列透過持續的架構創新和工藝迭代，已形成覆蓋從訓練到推理、從邊緣到雲端的完整產品矩陣。其國產化率的提升和生態體系的完善，為國內AI算力自主可控提供了重要支撐。
在技術方案設計中，需根據具體應用場景的算力需求、能效要求和成本預算，綜合選擇最適合的晶片型號，並結合華為全棧AI解決方案（如Atlas硬體、MindSpore框架）構建高效的AI基礎設施。
相關閱讀：

請之前購買過全店打包“架構師技術全店資料打包彙總(全)”的讀者，請憑藉購買記錄在微店留言免費獲取（PDF閱讀版本）。後續所有更新均免費發放（目前46本資料）。

免責申明：本號聚焦相關技術分享，內容觀點不代表本號立場，可追溯內容均註明來源，釋出文章若存在版權等問題，請留言聯絡刪除，謝謝。
推薦閱讀
更多架構相關技術知識總結請參考“架構師全店鋪技術資料打包(全)”相關電子書(46本技術資料打包彙總詳情可透過“閱讀原文”獲取)。
溫馨提示：
掃描二維碼關注公眾號，點選閱讀原文連結獲取“架構師技術全店資料打包彙總(全)”電子書資料詳情。


相關文章