华为近日推出了最新的AI系统架构CloudMatrix 384 Supernode，该系统采用了高达384颗Ascend 910C芯片，整体算力高达300 PFLOPS，比起NVIDIA的GB200 NVL72性能高出约1.7倍，标志着中国在美国芯片禁令下的强劲反击。不过，这种以量补质的策略同时付出了高耗电的代价，每日功耗比对手高出将近4倍。
CloudMatrix 384 Supernode已经在中国安徽芜湖的数据中心投入使用。华为内部形容这套系统为原子能级AI解决方案，主要竞争对手是NVIDIA的NVL72架构。NVL72配备72颗Blackwell GPU，通过高速NVLink互连，整体算力为180 PFLOPS。尽管Ascend 910C的单颗性能约为Blackwell的三分之一，但华为借着5倍的数量堆叠，再加上3.6倍的内存容量和2.1倍的内存带宽，成功超越NVIDIA的旗舰系统。
华为还与中国初创企业SiliconFlow展开合作，计划利用CloudMatrix架构来支持自主研发的推理模型DeepSeek-R1。这一部署显示出中国正在稳步实现AI计算基础设施的去美国化，进一步加深中美间的科技对抗。
尽管CloudMatrix 384在系统设计上展现了创新，包括大规模的光学互连和软件优化，但其电力效率却偏低。总功耗为NVL72的3.9倍，每FLOP的耗电量为其2.3倍，每TB/S的内存带宽下的耗电为1.8倍，而内存容量耗电比则为1.1倍。虽然这些数据在欧美会引起关注，但在中国，电力供应并不构成主要限制。
根据SemiAnalysis的报告，中国仍以燃煤发电为主，并持续扩展太阳能、水力、风能及核能，能源增长速度位居全球之冠。自2011年以来新增的电网容量相当于整个美国电网的规模。这种电力优势使得中国能够在效率上做出一定妥协，以获得更大范围的AI扩展能力。
报告指出，CloudMatrix架构包含16个机柜，其中12个为运算机柜，每个机柜内放置32颗Ascend晶片，而其余的4个则作为光学互连核心。整体系统使用高达6,912颗400G LPO（线性可插拔光模块）收发器，取代传统铜线，提升了互连密度及延展能力，这一点与NVIDIA曾计划但未量产的DGX H100 NVL256游侠架构有一定相似之处。
尽管Ascend 910C完全由华为设计，但其制造过程仍高度依赖外国供应链，包括来自韩国的HBM高频宽记忆体、台湾TSMC提供的晶圆，以及美国、荷兰及日本制的半导体制造设备。据悉，TSMC因涉嫌绕过制裁供应晶圆，可能面临高达10亿美元的罚款。
华为亦通过第三方公司Sophgo向TSMC采购约2.9百万颗晶圆裸晶，能够生产80万颗Ascend 910B和105万颗Ascend 910C。同时，三星也成为中国主要的HBM供应商，据传华为已储备高达1300万组HBM堆叠组件，足以支持160万颗Ascend芯片的封装。
尽管中国本土晶圆代工厂SMIC的技术尚未完全达到先进制程，但正在扩充在上海、深圳及北京的产能，预计今年的月产量将达到5万片晶圆。假若可以持续获得外国供应的光阻材料及工具维护支援，SMIC的产量仍有进一步提升的空间。
整体来看，CloudMatrix 384彰显了中国通过系统整合来弥补晶片代工不足的策略。虽然单颗晶片性能不敌NVIDIA，但华为成功利用大规模堆叠与光学网络扩展，让计算总体性能上实现弯道超车，从而缩短与西方科技巨头的差距。
