恭喜华为！华为昇腾在中国市场上的份额反超了超英伟达。

徐直军说了一句话：根据华为收集的数据，昇腾芯片在中国市场的份额，已经超过英伟达。

这事最值得高兴的地方，是中国企业建设人工智能的底座，终于有了越来越能扛事的国产选择。大模型做得再漂亮，背后也得有芯片、有服务器，企业才能把服务持续交到用户手里。

徐直军是在2026年9月17日华为全联接大会期间的媒体圆桌上作出这一表述的。同场交流中，他谈到另一个细节：华为现有产能还不足以满足国内需求，因此没有全面拓展国际市场的计划，只向少数需求强烈的国家提供有限供应。

这个细节很有分量。产品有人要，供应还得继续追，这说明昇腾正在面对实际建设需求。当然，订单越多，交付压力越大，市场给出的下一张考卷，就是能否把设备按时送进机房、稳定运行起来。

我认为，算力采购正在增加一个分量越来越重的指标：供应的确定性。性能、价格当然要算，但企业还得考虑，今年建好的系统，明年能否扩容，几年后能否继续维护。机器买回来只是第一步，业务连续运转才是目的。

徐直军也谈到了这种紧迫感：中国的产业和日常生活与芯片紧密相连，必须增强自主供应能力。这话落到企业经营上很好理解，谁愿意把研发进度和业务规划，长期押在自己无法掌握的供货条件上？

不过，昇腾能接住需求，还得靠真本事。走到今天，华为已经把竞争推进到整个计算系统：芯片负责计算，互联负责传输，软件负责调度，任何一环拖后腿，其他环节再强也可能干等着。

大模型训练尤其如此。成千上万张算力卡共同完成任务，需要频繁交换数据。假如通信速度跟不上，芯片就会花大量时间等数据。机房看着规模惊人，实际干活的效率却可能打折。

这就像请来一大群厨师，却只有一条狭窄的传菜通道，大家做得再快，也会堵在门口。华为推动“超节点+集群”，重点就是把计算与互联一起设计，让更多算力卡高效协作。

今年9月发布的昇腾960超节点，最大支持4096卡规模，并采用近封装光学技术，也就是NPO。它把电信号转成光信号的环节放到靠近算力卡的位置，以改善大规模系统的传输、布线和散热条件。

这些名字听着有点绕，目的却很朴素：减少等待，降低传输负担，让设备产生更多有效算力。国产算力的竞争，已经深入到系统内部一处处具体的工程问题。

更关键的是，昇腾有了实际使用积累。截至这次大会，昇腾系列超节点已规模商用1000多套，进入互联网、运营商、金融、教育、医疗、交通和制造等行业，昇腾950超节点也已实现商用。

这1000多套的价值，除了销售成绩，还有用户在真实环境里提出的问题。模型能不能跑稳，系统出现故障怎样恢复，任务增加后怎样扩容，都需要在实际运行中反复打磨。产品越深入使用场景，改进才越有方向。

软件生态同样决定用户愿不愿意留下来。开发者已经积累了代码、工具和经验，更换算力平台要付出适配成本。采购部门签个字很快，工程团队把业务顺利搬过去，往往才是费功夫的部分。

所以，华为在2025年8月宣布CANN全面开源开放、Mind系列应用使能套件及工具链全面开源，具有长期意义。CANN可以理解为连接模型与昇腾硬件的一层基础软件，开放它，是为了让开发者更深入地优化性能、解决问题。

到2026年9月，CANN已经进入常态化的开源社区运营。华为公布，基于昇腾与CANN的原生训练模型已超过40个。原生训练意味着生态正在向模型研发的起点延伸，这比单纯完成一个应用适配，承担的任务更重。

我更看重这种变化：让用户愿意围绕昇腾持续投入。开发工具越顺手，问题越容易解决，合作伙伴越有机会赚到钱，生态才越有动力发展。国产平台最终要成为工程师日常工作里一个省心的选择。

而且，人工智能的算力需求正在进入更广泛的企业场景。9月18日，华为云宣布，企业级智能体平台智果AgentArts已服务100多家企业，“行业AI梦工厂”落地项目超过1000个。

这些应用能不能持续创造价值，还要接受成本和效果的检验。但趋势已经具体起来：从训练模型，到运行模型，再到企业让智能体处理实际任务，每一步都需要计算、存储和网络协同支持。

对华为来说，接下来要继续提高交付能力、使用效率和生态便利度；对整个国产算力产业来说，也需要更多企业共同补齐设备、软件和服务。市场足够大，竞争应该推动大家把产品做好，让客户拥有更多可靠选择。

我愿意为昇腾的进展鼓掌，也期待掌声之后出现更多扎实成果。中国人工智能产业能否走得远，很大程度上取决于底座能否持续供给、持续升级。让企业放心规划，让工程师安心开发，这份价值会比一次份额变化影响得更长久。