美国应使用华为筹码照顾任何国家。美国商务部的禁令于5月13日发布，并非由华为上升筹码的实力以“非理性”方式在长臂管辖下以“非理性的”方式表达。从原始文本来看，美国怀疑华为似乎使用了美国技术。换句话说，美国拒绝承认中国自己的技术可以产生高性能筹码。马来西亚的第一个“受害者”需要避免其优势。 5月19日，马来西亚数字通信部宣布启动“战略AI基础设施计划”，并设有基本的3,000个华为设备，用于攀登具有开放式深度搜索模型的高端GPU。但是，在24小时内，马来西亚方面撤回了新闻，没有提供进一步的解释。 5月19日，马来西亚数字通信部副部长张·尼安（Zhang Nianqun）宣布，这将是第一个国家o在其人工智能基础设施项目中采用华为的上升筹码。在短短的几天内，华为兴奋的刺激了全球技术行业的春水池：各个国家，地区和芯片公司都会关注Ascend的“虚拟和真实”。美国制造的中国拖鞋和NVIDIA首席执行官Huang Renxun关心的拖鞋有多强？ AI的主权马来西亚计划最初是“中国AI系统第一次实施国外”。自从美国引发了“关税战争”以来，马来西亚已成为拒绝“选择NG侧立场”的东南亚国家的脊柱。今年，它已正式成为金砖国家的合作伙伴，并担任东盟董事长和与中东人民的关系协调员。根据马来西亚的初步计划，“战略性AI基础设施计划”是马来西亚存储的数据的全堆栈生态系统，由马来西亚人管辖，并使用了马来西亚人，避免对欧美云的数据控制。在系统级别：基于Astron 910系列芯片的Atlas服务器，再加上Cann异源计算的Architektura，可以支持NVIDIA的CUDA适应率70％，并将培训成本降低75％。华为上升筹码实际上，华为的新AI加速器于4月10日早些时候在华为云生态会议上出现。美国总统特朗普造成的关税风暴已经充满，并从会议上偷走了众人瞩目的焦点。在生态会议上推出的华为云云384超级节点在一个集群中达到了300 pflops的计算强度的崩溃（即每秒1000万亿美元，即10^15^15浮点浮动式浮动式操作是四个小数小数的操作）。据报道，能源效率之比超过了NVIDIA的类似产品。华为云云的计算能力的核心384超级节点已攀登910芯片，并带有一个芯片计算256 Tflops（即每秒1万亿个，即10^12浮点操作）的功率，其性能超过了NVIDIA A100。 Asteng 310芯片负责侧计算情况。支持Altermatic DT250服务器性能比类似工业产品高20％，并将能源消耗降低30％。同时，深探开的开源模型DeepSeek-R1的性能几乎与CloudMatrix 384 SuperNode中的Nvidia H100一样好，这证实了中国计算能力的潜在商业化。但是，尽管马来西亚强调了技术的“主权”，但美国仍然感到非常紧张。美国商务部最近改变了攀登，希望阻碍整个华为芯片设计链，制造和使用。当然，对于大多数国家而言，对AI的主权的巨大矛盾在于AI生态系统的“希望之路”。像其他国家一样，现有的马来西亚应用程序tions主要基于NVIDIA框架，需要大量的努力和搬迁成本。一位当地的AI商人在公共场合说：“我们邀请了最高的计算能力，但是工程师培训和移动模型的成本超出了政策表达。” 02我将所有内容转换为计算能力华为云不仅给行业引起了震惊，而且还引起了公众舆论“ Out of circle” - 一种针对NVIDIA GB200NVL72系统的产品，超过了NVIDIA对许多主要指标的解决方案。华为云，在哪里？简而言之，它是“将动力转换为所有人”：用空间转换功能和用能量转换的力量... Ascend 910出生于2019年，并使用了7纳米的过程。从那时起，使用5nm的过程，910B和910C的性能得到了改善，而NVIDIA产品具有3nm的过程。换句话说，根据芯片技术的落后一代，华为采用了一系列扩展解决方案来制造其生产TS或至少与“顶部” NVIDIA和AMD产品相当。 CloudMatrix 384超级节点，据报道，它由384个Astron 910c芯片组成，并通过完全连接的拓扑结合。 Astron Chip的数字达到了五倍，这足以使一个GPU仅占NVIDIA Blackwell性能的三分之一。 NVIDIA BLACKWELL的完整CloudMatrix系统可以提供300 pflops密集的BF16（一种覆盖16位的数字计算机格式）计算性能，几乎是NVIDIA GB200 NVL72的两倍。简而言之，中国AI加速器的总内存能力是总记忆容量的3.6倍以上，是内存带宽的2.1倍，已经具有超过NVIDIA的AI系统功能。 “我将所有权力转换”自然而然地以成本。它的缺点是其功耗达到了GB200 NVL72的3.9倍，每个翻牌能源效率降低了2.3倍，每TB/s的能源效率降低了1.8倍，每TB HBM的能源效率降低了1.1倍。缺乏F对这种权力的消耗可能是其他国家的“缺陷”，但中国拥有足够的权力，这使这种缺陷并不令人恐惧。尽管中国的能源系统长期以来一直依赖于电源驱动的驱动驱动，但近年来，它以前以安装的太阳能容量，水力发电和风能在世界上排名，并且在核强度部署领域也占据了领先地位。相比之下，美国核电产量的产能仍在1970年代，升级能源电网的能力失败了，而中国自2011年以来自2011年以来的新网格能力以来等同于美国电力电网的整个大小。从2015年到2024年，我国家的核能和新安装能力（单位：10,000千瓦） /资料来源：中国能源媒体新战略研究所由于功率相对丰富，大型AI加速器无需记住能源消耗障碍。哎呀EI留下了Powerrihan的密度，并改变了量表的扩展（包括光学互连设计技术）已成为一个合理的选择。诸如CloudMatrix 384个超节点之类的设计，甚至考虑到系统级别的限制，也证明了华为解决方案将保持许多扩展路径。 03 NVIDIA挑战和华为的培训群可以挑战NVIDIA，这意味着中国的人工智能行业具有坚实的基础。 Huang Renxun一直处于令人兴奋的前几天，并公开批评了美国政府对“制造更强大的中国技术公司”的出口控制，这并不奇怪。值得注意的是，Nvidia在人工智能芯片市场中的主导地位不仅是由于出色的硬件和网络体系结构，而且还构成了深层集成的CUDA生态系统软件。 NVIDIA的CUDA库包含CUDA NVIDIA生态系统的八个主要功能，具有高性能的库，并且与Pytorch无缝兼容（默认情况下也可以在CUDA中使用的机器研究框架），该框架可以在CUDA中使用），该框架为经验丰富的开发人员提供了良好的经验并创建活跃的社区，进一步整合了Nvidia-Spridia位置。对于软件更换，华为方法是扩展其独立开发的软件堆栈，推出大量工具套件，实现与CUDA相同的功能。加深在Pytorch中的整合；并开发一个ONNX（开放神经网络开关的开放标准），以便客户也可以使用由非武文芯片培训的模型使用华为芯片来推理。 Pinaka -Common替代方案是Cann（神经网络计算体系结构），它是华为为神经网络处理器创建的编程环境。在CUDA中，软件堆栈中的CAN级相同。自华为于2019年纳入美国实体列表以来，Cann一直处于开发状态。2024年，华为年度报告致力于当年9月推出的Cann 8.0版本，称“迈出了重要的一步”来促进人工计算智能能力。华为为AI场景启动了Cann AI异质计算的架构，但是，Cann开发人员社区并不是很活跃，公众奉献也受到限制。据报道，一些用户也很难将模型调整到华为平台。您必须首先经历深层华为 - 它运行到华为平台...开发有点慢。为了“吸引客户”，华为还比较了Nvidia在21世纪初期推广CUDA的方法，并直接将工程师派往客户的网站，以帮助客户进行代码转移。据报道，华为在百度（Iflytek and Tencent）部署了工程团队。从当前的角度来看，华为的AI芯片生态系统并不是很老。同时，上升芯片仍然分开OM行业的全球连锁店。它的设计由中国完全执行，但生产仍然取决于其他公司：例如，三星韩国带宽（HBM）的高存储，美国，荷兰和日本等公司的设备。只要有持续的推动，事情就会总是改变。以近20年的态度，NVIDIA成为当今的主导地位。建立任何竞争性生态系统需要多年的努力。当技术压迫成为常态时，独立变化是最好的反应。 5月-Set |编辑rong Zhihui |回到Sohu看看更多