1.1 昇腾芯片家族与演进路线

昇腾（Ascend）是华为面向 AI 计算推出的专用处理器（NPU，Neural Processing Unit）品牌，对应的整机产品线叫 Atlas（昇腾 AI 服务器与模组）。如果说 NVIDIA 用「GPU + CUDA」建立了自己的生态，那么昇腾就是「NPU + CANN」这套对标体系。本章先回答一个最基本的问题：昇腾到底有哪些芯片，各自用来干什么？

📑 目录

1. 昇腾芯片的全景定位
2. 推理芯片：昇腾 310 系列与 310P
3. 训练芯片：昇腾 910B
4. 新一代训练芯片：昇腾 910C
5. 演进中的新一代：昇腾 950 系列
6. 训练卡与推理卡的设计差异
7. 如何在昇腾社区查询硬件规格
总结
延伸阅读

1. 昇腾芯片的全景定位

先给一个「一句话版本」：

昇腾 310 系列 = 面向推理的「轻量型」芯片；昇腾 910 系列 = 面向训练的「旗舰型」芯片。

这个划分和 NVIDIA 的产品线逻辑类似：NVIDIA 有面向数据中心的 A100/H100/B200（训练为主、也能推理），也有面向边缘与推理的 T4/L4/L40S 等。昇腾对应地拆成了 310（推理） 和 910（训练） 两条产品线，后来还在 910 内部进一步细分出 910B / 910C 两代，并推出了面向大模型时代的推理专用系列（如 Atlas 800I A3 推理服务器）。

芯片定位不同，直接影响软件栈的学习重点：

芯片	主要定位	典型整机/模组
昇腾 310 / 310P	边缘推理、图像/视频 AI	Atlas 300I 推理卡、Atlas 200 DK 开发者套件
昇腾 910B	训练（数据中心）	Atlas 800T A2 训练服务器
昇腾 910C	训练 / 大模型推理	Atlas 800I A3 系列
昇腾 950（演进中）	新一代训练与推理	新一代 Atlas 服务器（以官方发布为准）

注意：昇腾的产品命名在不同资料中可能出现「芯片名」与「整机名」混用的现象（例如「昇腾 910B」也常被直接指代搭载它的 Atlas 800T A2）。学习时建议区分：芯片（昇腾 910B）→ 整机（Atlas 800T A2）→ 模组/卡（昇腾 910B 模组）三层概念。

2. 推理芯片：昇腾 310 系列与 310P

昇腾 310 是昇腾最早的推理芯片之一，采用达芬奇（Da Vinci）架构。由于推理场景更看重能效比（每瓦特算力）和低延迟，310 系列在硬件上做了明显的取舍：

AI Core 数量少：310 系列的 AI Core 数量远少于训练芯片，因为推理单请求的计算量相对小。
集成了丰富的硬件加速单元：包括 JPEG 解码（JPEGD）、视频解码（VDEC）、视频编码（VENC）等媒体处理单元，方便在边缘场景里直接处理摄像头/图像数据。
对外接口丰富：支持 PCIe、以太网等，适合嵌入到边缘设备中。

昇腾 310P（310 的增强版）是 310 系列的重要迭代，面向智能边缘与推理场景，广泛出现在昇腾 300I 系列推理卡上。在昇腾 AI 学习机上（如 200DK、300I 推理卡）你大概率接触到的就是 310P。

推理芯片的关键指标通常包括：

INT8 / FP16 算力（推理常用 INT8 以获得更高吞吐）
内存带宽与容量（决定能同时驻留多少模型）
单卡功耗（推理集群里功耗直接决定部署密度）

3. 训练芯片：昇腾 910B

昇腾 910B 是 2023 年前后量产的训练芯片，是当时昇腾训练的主力，搭载于 Atlas 800T A2 训练服务器（单机 8 卡）。在昇腾学习/评测中，「910B」几乎成为了昇腾训练的代名词。

昇腾 910B 的硬件要点：

达芬奇架构：每个 AI Core 内置 AI Cube（矩阵计算单元）与 AI Vector（向量计算单元），FP16/INT8 都能高效计算。
大容量 HBM 高带宽内存：训练大模型必须靠 HBM 撑住激活、权重和梯度，910B 的 HBM 容量显著大于推理芯片。
HCCS 多通道片间互连：服务器内 8 卡通过 HCCS 高速互连组成环网/全互联，支持数据并行与张量并行。

在 910B 之前还有昇腾 910（初代）和昇腾 910A，910B 可以看作面向大规模训练的成熟迭代。对学习者来说，910B 是理解「昇腾如何做训练」的最佳参考硬件。

4. 新一代训练芯片：昇腾 910C

昇腾 910C 是 910 系列的重要升级，围绕大模型时代的需求做了针对性增强，配套的整机形态更加丰富：

面向训练：搭载于 Atlas A3 系列训练服务器，支撑大模型预训练与微调。
面向推理：基于 910C 的 Atlas 800I A3 推理服务器是大模型推理的重要载体，vLLM-Ascend 官方支持矩阵中「Atlas A3 训练/推理系列」就是它。

昇腾 910C 相比 910B 的演进方向（基于官方公开资料）大致可以归纳为：

算力提升：单卡算力相比 910B 有数倍提升。
互联与显存升级：HBM 容量与带宽、HCCS 互连带宽均提升，以匹配更大规模模型与张量并行。
更强调「训推一体」：910C 既撑训练也撑大模型推理，这和 910B「训练为主」的定位有明显区别。

具体数字（TFLOPS、HBM 容量、HCCS 带宽等）在不同型号/批次上存在差异，请以昇腾社区产品页的「硬件平台」查询结果为准。

5. 演进中的新一代：昇腾 950 系列

昇腾 950 系列是当前演进路线上的新一代昇腾 AI 处理器，属于昇腾「910 → 910B → 910C → 950」这条训练演进线的重要节点。昇腾社区产品页（已更新至 2026-10）列出的 950 家族信息如下：

Ascend 950 PR：聚焦 LLM 大语言模型 Prefill（预填充）阶段以及高性能推荐业务，最大配备 128GB、1.6TB/s 的高速片上内存，主打极致吞吐能力。
Ascend 950 DT：950 家族的另一个变体，与 950 PR 共同构成新一代处理器线（具体规格以官方产品页为准）。
配套集群形态：Atlas 950 SuperPoD（液冷超节点）与 Atlas 900 A3 SuperPoD（风冷超节点）。官方描述 Atlas 900 A3 SuperPoD 通过灵衢高速互联实现 384 张 NPU 像一台计算机一样工作，面向大规模智算数据中心的大模型训练与推理。

以上来自昇腾社区官方页面公开信息，具体算力/带宽/容量等数值请以昇腾社区「硬件」产品页为准。

给学习者的建议：现阶段不必纠结 950 每个型号的完整参数（部分仍在快速迭代），而应该把学习重心放在不随芯片代际变化的通用知识上——达芬奇架构的计算模型、CANN 软件栈的层次、Ascend C 的算子开发范式、HCCL 的通信原语。这些知识在 910B/910C/950 上基本是贯通的，芯片换代只是「算得更快、连得更快、装得更多」。

6. 训练卡与推理卡的设计差异

理解了训练和推理两种芯片，再往深一层想：为什么同一种架构要分两款芯片？

维度	训练芯片（910 系列）	推理芯片（310 系列）
计算负载	大规模矩阵运算 + 反向传播（要反复读写权重与梯度）	前向推理（相对固定的计算流）
精度要求	FP16/BF16 为主，训练需要高精度累积	INT8/FP16 为主，可接受更低精度换取吞吐
内存需求	大容量 HBM，容纳权重+优化器状态+激活	中等容量，驻留模型即可
能效偏好	追求总吞吐	追求每瓦特吞吐与低延迟
典型形态	8 卡训练服务器	推理卡/模组/边缘设备

一句话总结：训练芯片堆「算力 + 显存 + 带宽」，推理芯片抠「能效 + 成本 + 延迟」。

7. 如何在昇腾社区查询硬件规格

动手学习昇腾，第一个要养成的习惯就是：查官方硬件平台。昇腾社区的「硬件平台」页面支持按 Atlas 服务器/推理卡选择，并给出配套的驱动固件与 CANN 版本匹配关系：

昇腾社区硬件平台：https://www.hiascend.com/hardware/firmware-drivers
CANN 社区版下载：https://www.hiascend.com/cann/download

查询时的三条关键信息：

芯片型号（如 910B3、910C、310P）——决定算力与软件特性集。
CANN 版本——不同芯片要求不同 CANN 版本，安装前务必核对「芯片 ↔ CANN ↔ 驱动固件」的匹配表。
整机形态（Atlas 800T A2 / 800I A3 / 300I 等）——决定你手上真正能用的卡数、内存和互联拓扑。

总结

昇腾芯片家族可以用一条线串起来：

310P（推理）→ 910B（训练主力）→ 910C（训推一体）→ 950（新一代，演进中）

推理芯片求能效与延迟，训练芯片求算力与显存，两者共享达芬奇架构与 CANN 软件栈。
学习昇腾的正确姿势是「抓通用、不追参数」：架构、软件栈、算子范式、通信原语是跨代际的。
具体规格永远以昇腾社区官方硬件平台为准。

搜索