【深铭易购】资讯：据tomshardware等多家媒体报道，华为最新发布的AI处理器昇腾910C（Ascend 910C）的推理性能已达到英伟达（NVIDIA）H100 GPU的60%。尽管昇腾910C与英伟达最新的Blackwell系列AI芯片相比仍存在差距，但它有助于减少中国对英伟达GPU的依赖。

DeepSeek研究人员的测试数据显示，在基于DeepSeek模型的推理任务中，昇腾910C的性能可达到英伟达H100的60%。这一数据表明，尽管华为受到美国制裁，无法获得台积电的先进制程技术支持，昇腾910C仍展现出强劲的进步。

昇腾910C采用了Chiplet封装，整合了约530亿个晶体管。与上一代昇腾910芯片采用的台积电N7+制程不同，昇腾910C芯片由中芯国际采用第二代7纳米级（N+2）制程制造。通过手动优化CUNN核心，昇腾910C的性能有望进一步提升。

此外，DeepSeek为昇腾处理器提供了原生支持，其PyTorch存储库使得CUDA到CUNN的无缝转换成为可能，从而大大简化了华为硬件在AI工作流程中的整合。DeepSeek的支持为华为芯片带来了关键优势：从一开始就支持华为昇腾芯片，且能够自主维护PyTorch仓库，只需一行代码即可完成CUDA到CUNN的转换，并且性能优化潜力巨大，经过定制优化可实现更高性能。

根据华为官网的介绍，CANN（Compute Architecture for Neural Networks）是昇腾针对AI场景推出的异构计算架构。它支持多种AI框架，并通过与AI处理器的紧密结合，提升昇腾AI处理器的计算效率，成为提升计算效能的关键平台。CANN还为不同应用场景提供高效易用的编程接口，帮助用户快速构建基于昇腾平台的AI应用和业务。

目前，CANN已经发布了社区版和商用版。社区版主要为开发者提供新特性的体验，商用版则满足商业标准，已发布8.0.0.alpha003版本，针对Ascend C进行了特性增强，商用版CANN 8.0.RC3版本则新增了对7个操作系统的支持，并简化了CANN安装流程。

DeepSeek的Yuchen Jin表示，“长周期训练的稳定性是中国芯片面临的最大挑战”，这主要源于英伟达软硬件生态系统的深度整合，CUDA已经发展了二十多年。尽管昇腾在推理性能方面可以继续提升，但持续的训练工作负载仍需要华为进一步优化软硬件堆叠。

有专家预测，随着AI模型逐步向“Transformer架构”（如GPT、BERT等）发展，CUDA和PyTorch编译器的重要性将逐渐降低。此外，DeepSeek团队在软硬件优化方面的专长，可能大幅减少对英伟达CUDA的依赖，从而显著节省成本。

此前的研究表明，DeepSeek在使用英伟达H800芯片进行训练时，并未使用高级编程语言CUDA，而是直接使用底层的PTX（Parallel Thread Execution）语言，这可能意味着DeepSeek通过使用底层编程语言优化而绕过了CUDA。

对于程序开发人员而言，CUDA是一种友好的高级语言，开发者只需关注程序和算法的运行逻辑，而无需深入理解硬件层面的执行细节，极大简化了开发难度。相比之下，PTX语言接近汇编语言，允许进行更细粒度的优化，例如寄存器分配和线程/warp级别的调整，但编程过程复杂且难以维护，因此行业普遍采用CUDA等高级语言。

北京航空航天大学副教授黄雷表示，绕过CUDA可以直接根据GPU的驱动函数进行开发，实现更细粒度的操作。这表明DeepSeek拥有能够编写PTX语言的内部开发者。如果未来使用国产GPU，DeepSeek将在硬件适配方面更加得心应手，能够根据硬件驱动函数接口进行代码编写，从而使自家的大模型更容易适配国产硬件。