Really bomb into my mind, and it’s a great fit to wrap up today’s discussion.
The first one, since many of you here a couple of days, you’ve heard of it, is 来了就是深圳人. So I think it’s this kind of spirit that not only helps Shenzhen, the city, to survive and prosper, but also the kind of inclusiveness, openness, and also the sense of loyalty is what we need to move this initiative forward.That’s the first thing.
The second is 道阻且长,行则将至. It’s the journey ahead is long, is challenging, but as long as we move forward with very strong will, with good will, we will get there.
Every barrier reduced, every connection strengthened, every opportunity generated is gonna keep us moving forward all together.
1
3
34
每日摄影分享:吉菲昂是北欧神话里掌管土地、丰收的女神。在丹麦旅行时拍到的很不错的照片。
瑞典国王戈尔弗(Gylfi)见到吉菲昂,答应她一个条件:一整夜之内,她用犁能耕出来多少土地,就全部送给她。国王觉得一个女人一晚上耕不了多大地方,很爽快地答应了。
吉菲昂有四个儿子,她施展神力,把四个儿子变成了四头强壮的神牛,套上犁,连夜拼命向前犁地。神牛力量巨大,硬生生从瑞典大陆上犁下一大块土地,把这块土地拖到大海里,这块土地,就是西兰岛(Sjælland)——哥本哈根所在的岛!
而原来瑞典被挖走土地的大坑,灌满了水,变成了湖泊,传说里是梅拉伦湖,旅游讲解常说成维纳恩湖,人们还说,西兰岛的轮廓,和这个湖的形状刚好能对上。
👉 雕塑上的画面:女神扬鞭,四头神牛奋力拉犁,正是这个深夜犁地造岛的瞬间。
喷泉是1908年完工,由嘉士伯啤酒创始人出资修建,是哥本哈根最大的纪念雕塑,就在小美人鱼雕像不远的长堤公园。
1
1
55
在欧洲待过,这个统计我信,不管是何时,路边的咖啡馆总有很多人在喝咖啡,在闲聊,在思考,在晒太阳。
拥有最多自由时间的国家,15–64岁人群平均每日休闲时间:
1🇳🇴 挪威:5.9小时
2🇩🇪 德国:5.7小时
3🇧🇪 比利时:5.7小时
4🇬🇷 希腊:5.6小时
5🇫🇮 芬兰:5.5小时
6🇩🇰 丹麦:5.5小时
7🇮🇹 意大利:5.4小时
8🇸🇪 瑞典:5.4小时
9🇪🇸 西班牙:5.3小时
10🇳🇱 荷兰:5.3小时
11🇮🇪 爱尔兰:5.2小时
12🇸🇮 斯洛文尼亚:5.2小时
13🇦🇹 奥地利:5.1小时
14🇬🇧 英国:5.1小时
15🇿🇦 南非:5.1小时
16🇪🇪 爱沙尼亚:5.0小时
17🇳🇿 新西兰:5.0小时
18🇫🇷 法国:4.9小时
19🇹🇷 土耳其:4.8小时
20🇦🇺 澳大利亚:4.7小时
21🇭🇺 匈牙利:4.7小时
22🇺🇸 美国:4.7小时
23🇱🇺 卢森堡:4.6小时
24🇯🇵 日本:4.5小时
25🇱🇻 拉脱维亚:4.5小时
26🇵🇱 波兰:4.4小时
27🇰🇷 韩国:4.3小时
28🇮🇳 印度:4.2小时
29🇭🇷 克罗地亚:4.2小时
30🇱🇹 立陶宛:4.1小时
31🇵🇹 葡萄牙:4.0小时
32🇨🇳 中国:3.8小时
33🇨🇦 加拿大:3.5小时
34🇲🇽 墨西哥:3.4小时
休闲时间定义:15–64岁人群每天用于自由时间活动的小时数。数据来自各国最新可用调查,调查年份因国家而异。
来源:OECD Time Use Database, 2026
1
1
31
用千军万马打个人英雄,华为 384 及 8192 超节点对 NVIDIA NV72 组成的数据中心就是最好的例子,好在通信,光互联是华为的强项。
•系统总算力:950超节点 FP8 8 EFLOPS / FP4 16 EFLOPS,远超 GB300 NVL72 的 360 PFLOPS / 1.08 EFLOPS,但这是靠卡数通过系统集成来实现的。
•单卡口径反而是 GB300 更强:FP8 5P vs 1P、显存288G vs 144G、带宽8T/s vs 4T/s
•互联带宽950超节点是16.3PB/s,比GB300的130TB/s高两个数量级,这是华为"灵衢+超大规模组网"路线的核心优势。
不是谁打败谁,是对各自目前最合适的选择!
1
33
未来AI算力产业链,哪些环节值得关注?
我认为,昇腾950与Blackwell的竞争,会带动整个AI基础设施产业链升级。
值得关注的并不只是GPU/NPU本身。
1. AI计算芯片
昇腾、NVIDIA、AMD以及其他国产AI芯片厂商。
2. HBM与先进存储
HBM3E、HBM4,以及国产高带宽存储技术。
950PR与950DT采用不同的存储方案,也说明未来存储可能出现更明显的场景分化。
3. 先进封装
芯粒、2.5D封装、硅中介层、先进基板等。
随着芯片计算能力不断提高,封装与互联能力越来越重要。
4. 高速互联
NVLink、UB、交换芯片、SerDes、高速连接器以及光模块。
当超节点规模不断扩大,芯片间通信就会成为重要的基础设施。
5. 液冷与散热
AI服务器功耗不断提升,传统风冷越来越难以满足高密度计算需求。
冷板液冷、CDU、冷却液、管路和热管理系统都将受益于算力基础设施升级。
6. 数据中心供电
AI数据中心的建设不仅需要服务器,还需要变压器、UPS、配电系统、母线、电源模块和备用电力系统。
算力的尽头,很大程度上也是电力与能源基础设施。以上这 6 大方向,每一个都能做成千亿市值以上规模的产业!
🤖 Made with AI
2
38
当AI大模型进入推理时代,决定胜负的已经不只是芯片算力,而是显存、带宽、互联、软件生态与能源效率的综合竞争。
过去几年,全球AI算力市场几乎由NVIDIA主导。
从H100、H200,到Blackwell B200、GB200,再到Blackwell Ultra B300、GB300,NVIDIA建立了从GPU、NVLink、CUDA到整机系统的完整技术生态。
但华为正在走出另一条路线。
真正的竞争不在单颗芯片,而在超节点如果只比较单颗芯片,很容易忽略AI算力系统最重要的一层:
Scale-up互联。
当数十颗、数百颗甚至数千颗芯片共同运行一个大模型时,芯片之间需要频繁交换数据。
如果互联能力不足,计算资源再强,也可能因为通信瓶颈而无法充分发挥。
NVIDIA的技术路线是NVLink + NVSwitch。
以GB200 NVL72为例:
●72颗Blackwell GPU
●36颗Grace CPU
●约13.4TB HBM3e
●576TB/s总HBM带宽
●130TB/s NVLink交换互联带宽
它通过高速互联,将72颗GPU组织成一个大规模计算域。
而华为的技术路线则是UB(Unified Bus)及灵衢超节点互联体系。
华为此前公布的CloudMatrix 384采用384颗昇腾910C,展示了通过大规模芯片互联构建超节点的能力。
下一代Atlas 950 SuperPoD则规划支持8192颗昇腾芯片。
这说明双方竞争已经从单芯片扩展到整个计算系统。
未来真正重要的指标包括:
●芯片之间的通信带宽。
●通信延迟。
●集群计算效率。
●大规模并行扩展能力。
●软件调度与通信优化能力。
芯片数量并不直接等于有效算力,系统拓扑和实际利用率同样重要。
两种技术路线:NVIDIA与华为的核心差异
NVIDIA的优势是完整生态。CUDA、TensorRT、NCCL、NVLink,以及成熟的开发者体系,让它在AI训练和推理市场形成了很强的竞争壁垒。
它的优势不仅仅是一颗GPU,而是从芯片、服务器、网络、软件到开发工具的完整体系。
华为的路线则更加突出系统工程和自主可控。从昇腾芯片,到CANN软件栈,再到UB互联和超节点架构,华为试图构建独立于CUDA生态的AI计算体系。
两种路线各有优势:
NVIDIA的优势在于单芯片性能、软件生态、开发者数量和成熟度。
华为的优势在于国产化供应链、自主架构、系统级协同设计,以及针对不同推理阶段进行硬件优化的能力。
当然,华为也需要继续证明新一代芯片的量产能力、软件成熟度和大规模商用表现。
未来AI算力产业链,哪些环节值得关注?
我认为,昇腾950与Blackwell的竞争,会带动整个AI基础设施产业链升级。
🤖 Made with AI
1
2
76











































