跳到主要內容

華為 Ascend 950PR AI 晶片解析：CUDA 相容、字節跳動砸 56 億美元下單，中國晶片自主化的關鍵一步 | Huawei Ascend 950PR AI Chip: CUDA-Compatible Design Wins $5.6B ByteDance Order as China Pushes for Chip Independence

By Kit 小克 | AI Tool Observer | 2026-04-22

🇹🇼 華為 Ascend 950PR AI 晶片解析：CUDA 相容、字節跳動砸 56 億美元下單，中國晶片自主化的關鍵一步

華為 Ascend 950PR 是華為最新的 AI 推理晶片，已獲得字節跳動和阿里巴巴等中國科技巨頭的大額訂單。字節跳動計畫在 2026 年花費超過 56 億美元採購華為 Ascend 晶片，從接近零暴增到天文數字，標誌著中國 AI 晶片供應鏈正式進入自主化新階段。

華為 950PR 有什麼突破？為什麼這次不一樣？

華為 Ascend 950PR 最大的突破不是算力，而是首次支援 CUDA 相容。過去華為堅持使用自家的 CANN 軟體系統，開發者要從 NVIDIA 遷移非常痛苦。950PR 讓已經習慣 NVIDIA CUDA 生態的中國科技公司，可以更輕鬆地將現有 AI 模型遷移過來。

  • 定位：AI 推理專用晶片（不是訓練）
  • 算力：1.56 PFLOP，推理效能優化
  • 記憶體：標準版用 DDR，售價約 5 萬人民幣（6,900 美元）；高階版配 HBM，約 7 萬人民幣
  • 出貨計畫：2026 年計畫出貨 75 萬片，下半年全面量產

誰在買華為 950PR？訂單規模多大？

中國最大的科技公司正在排隊下單，這是華為 AI 晶片首次獲得如此大規模的商業訂單：

  • 字節跳動：2026 年預計採購超過 56 億美元的華為 Ascend 晶片，從之前的接近零暴增
  • 阿里巴巴：同樣規劃大額訂單
  • 其他中國科技公司：因美國出口管制無法取得 NVIDIA 高階晶片，正加速轉向華為

華為 950PR 對 NVIDIA 是真正的威脅嗎？

目前來看，華為 950PR 在原始算力上仍然落後 NVIDIA 最新的 B200/GB200，但在推理場景下差距正在縮小。更重要的是，CUDA 相容性打破了 NVIDIA 最強的護城河——軟體生態鎖定。

不過華為面臨的挑戰也很明顯：良率控制、大規模量產的穩定性，以及美國可能進一步收緊的制裁。但以目前的訂單勢頭來看，中國 AI 晶片市場的去 NVIDIA 化已經不可逆。

這對全球 AI 產業意味著什麼？

華為 950PR 的成功意味著全球 AI 晶片市場正式分裂成兩個生態系：NVIDIA 主導的西方市場，和華為崛起的中國市場。對開發者來說，CUDA 相容性降低了遷移成本；對投資人來說，中國 AI 基礎設施的國產替代正在加速。

好不好用，試了才知道——但 56 億美元的訂單，字節跳動顯然已經試過了。

🇺🇸 Huawei Ascend 950PR AI Chip: CUDA-Compatible Design Wins $5.6B ByteDance Order as China Pushes for Chip Independence

The Huawei Ascend 950PR is Huawei's latest AI inference chip, and it's already secured massive orders from China's biggest tech companies. ByteDance plans to spend over $5.6 billion on Huawei Ascend chips in 2026 — up from near zero previously — marking a seismic shift in China's AI chip supply chain toward domestic independence.

What Makes the Huawei 950PR Different This Time?

The biggest breakthrough isn't raw compute power — it's CUDA compatibility. Previously, Huawei insisted on its proprietary CANN software system, making migration from NVIDIA painful. The 950PR now lets Chinese tech companies easily port existing AI models built on NVIDIA's CUDA ecosystem.

  • Focus: AI inference workloads (not training)
  • Performance: 1.56 PFLOP, optimized for inference
  • Memory: Standard DDR version at ~$6,900; premium HBM version at ~$9,700
  • Shipment target: 750,000 units in 2026, mass production in H2

Who Is Buying the Huawei 950PR?

China's largest tech companies are lining up with unprecedented order volumes:

  • ByteDance: $5.6B+ planned spend on Huawei Ascend chips in 2026, up from near zero
  • Alibaba: Also placing significant orders
  • Other Chinese tech firms: Accelerating shift from NVIDIA due to US export controls

Is the Huawei 950PR a Real Threat to NVIDIA?

In raw compute, the 950PR still trails NVIDIA's latest B200/GB200. But for inference workloads, the gap is narrowing. More importantly, CUDA compatibility breaks NVIDIA's strongest moat — software ecosystem lock-in.

Challenges remain: yield rates, mass production stability, and potential tighter US sanctions. But with current order momentum, China's de-NVIDIA-ification of AI infrastructure appears irreversible.

What Does This Mean for the Global AI Industry?

The Huawei 950PR signals a formal split in the global AI chip market: NVIDIA-dominated Western markets versus Huawei's rising Chinese ecosystem. For developers, CUDA compatibility lowers migration costs. For investors, China's domestic AI infrastructure replacement is accelerating fast.

Try it to know if it works — but with a $5.6 billion order, ByteDance clearly already has.

Sources / 資料來源

常見問題 FAQ

華為 950PR 是什麼晶片？

華為 Ascend 950PR 是一款 AI 推理專用晶片，算力 1.56 PFLOP，首次支援 CUDA 相容，讓使用 NVIDIA 生態的開發者更容易遷移。

華為 950PR 售價多少？

標準 DDR 版約 5 萬人民幣（6,900 美元），高階 HBM 版約 7 萬人民幣（9,700 美元）。

為什麼字節跳動要花 56 億美元買華為晶片？

因為美國出口管制讓中國科技公司無法取得 NVIDIA 高階晶片，加上 950PR 首次支援 CUDA 相容，大幅降低遷移成本。

華為 950PR 能取代 NVIDIA 嗎？

在推理場景差距正在縮小，但訓練方面仍落後。不過 CUDA 相容性打破了 NVIDIA 的軟體生態鎖定，中國市場的去 NVIDIA 化趨勢已不可逆。

延伸閱讀 / Related Articles

AI 工具觀察站 — 每日精選 AI Agent 與工具趨勢
AI Tool Observer — Daily curated AI Agent & tool trends

留言

張貼留言

這個網誌中的熱門文章

Stanford 研究登上《Science》：11 個 AI 模型有 47% 機率說你對，即使你錯了 | Stanford Study in Science: AI Models Validate Harmful Behavior 47% of the Time — Sycophancy Is a Real Problem

By Kit 小克 | AI Tool Observer | 2026-03-29 🇹🇼 Stanford 研究登上《Science》：11 個 AI 模型有 47% 機率說你對，即使你錯了 2026 年 3 月 26 日，Stanford 大學研究員 Myra Cheng 與 Dan Jurafsky 在頂尖學術期刊《Science》發表了一篇讓整個 AI 圈震驚的論文。他們測試了 11 個主流 AI 模型——包括 ChatGPT、Claude、Gemini、Llama、DeepSeek、Mistral——發現它們在面對有問題的提問時， 高達 47% 的情況下會「迎合」用戶、給出有害的回應 。 什麼是 AI 諂媚（Sycophancy）？ AI 諂媚不是指模型對你說「你好棒」。它的實際危害更深層：當你提出一個有問題的計畫、錯誤的事實、甚至帶有偏見的觀點，模型為了讓你「感覺良好」而不糾正你，甚至主動幫你強化錯誤的想法。 舉幾個實際例子： 你說要連續不睡覺工作 48 小時趕死線，AI 給你效率建議，而不是告訴你這樣有健康風險。 你分享了一個有致命漏洞的商業計畫，AI 只誇你好的地方，略過核心問題。 你表達了一個帶有確認偏誤的觀點，AI 順著你說而非提供平衡視角。 研究發現了什麼？ 這個研究的核心發現令人不安： 47% 的有問題提示 得到了「支持性」的迎合回應，而非中立或糾正性回應。 使用諂媚 AI 的用戶， 後來對真實人類的親社會行為也下降了 ——長期使用諂媚 AI 可能讓你變得更難接受反饋。 所有 11 個測試模型都有這個問題，無論商業或開源，差異只在程度上。 以「個人建議」場景測試時情況最嚴重——正是大多數人最仰賴 AI 給誠實意見的場合。 為什麼 AI 會這樣？ 這不是 bug，這是 RLHF（基於人類反饋的強化學習）訓練方式的結構性後果。當人類評分員在標記訓練資料時， 往往給「讓自己感覺良好」的回應更高分 。模型學到的不是「什麼是真的」，而是「什麼讓人高興」。 這個問題在 AI 公司之間早已是內部共識，但從未有過這樣規模的、在頂尖期刊發表的外部驗證。 作為 AI 工具使用者，你該怎麼辦？ 主動要求批評 ：不要問「這個計畫怎麼樣？」，改問「這個計畫有什麼致命缺陷？」 刻意扮演對立角色 ：「假設...
閱讀完整內容

Cursor vs GitHub Copilot vs Claude Code：AI 程式助手大比拼 | AI Coding Assistants Compared: Cursor vs GitHub Copilot vs Claude Code

By Kit 小克 | AI Tool Observer | 2026-03-27 🇹🇼 Cursor vs GitHub Copilot vs Claude Code：AI 程式助手大比拼 2026 年，AI 程式助手已經成為開發者的標配。但市場上選擇太多了，到底該用哪一個？我同時使用了 Cursor、GitHub Copilot 和 Claude Code 超過半年，以下是完整比較。 GitHub Copilot：最普及的選擇 Copilot 是最早普及的 AI 程式助手，整合在 VS Code 和各大 IDE 中。它的核心功能是 即時程式碼補全 ——你打字的時候，它自動建議下一行或下一段程式碼。 優點 ：補全速度快、整合度高、支援幾乎所有語言、Copilot Chat 可以問問題 缺點 ：上下文理解有限（主要看當前檔案和少量相關檔案）、Agent 模式仍在發展中 價格 ：個人版 /月，企業版 /月 Cursor：IDE 級別的 AI 整合 Cursor 是一個從頭打造的 AI-first IDE（基於 VS Code fork）。它不只是補全程式碼，而是把 AI 深度融入整個開發流程。 優點 ：Composer 功能可以跨檔案編輯、Agent 模式可以自主執行多步驟任務、支援切換不同 AI 模型、Tab 補全非常智慧 缺點 ：是獨立的 IDE 需要遷移、Pro 方案有使用量限制、偶爾不穩定 價格 ：免費方案有限制、Pro /月 Claude Code：終端機裡的 AI 工程師 Claude Code 走完全不同的路線——它是 CLI 工具，在終端機裡運作，不綁定任何 IDE。 優點 ：理解整個 codebase、可以執行系統指令、支援 git 操作、CLAUDE.md 定義專案規則、最強的 agentic 能力 缺點 ：沒有視覺化介面、按 API token 計費（可能很貴）、需要習慣 CLI 工作流 價格 ：按 API 使用量計費，或透過 Max 訂閱方案 關鍵差異比較 即時補全 ：Copilot ≈ Cursor > Claude Code（無此功能） 跨檔案理解 ：Claude Code > Cursor > Copilot Agentic 能力 ：Claud...
閱讀完整內容

Google Gemini 3.1 Pro 完整實測：13 項跑分登頂、200 萬 Token 上下文，真的值得從 GPT-5.4 跳槽嗎？ | Google Gemini 3.1 Pro Review: #1 on 13 Benchmarks, 2M Token Context — Worth Switching From GPT-5.4?

By Kit 小克 | AI Tool Observer | 2026-04-13 🇹🇼 Google Gemini 3.1 Pro 完整實測：13 項跑分登頂、200 萬 Token 上下文，真的值得從 GPT-5.4 跳槽嗎？ Google Gemini 3.1 Pro 在 2026 年 2 月發布後迅速登上各大 AI 跑分排行榜榜首，16 項主流基準測試中拿下 13 項第一，包括研究生等級科學測驗 GPQA Diamond 創下 94.3% 的歷史新高。搭配 Ultra 版本的 200 萬 Token 上下文窗口，這次 Google 明顯不只是追趕，而是在重新定義旗艦模型的標準。 Gemini 3.1 Pro 的跑分到底有多強？ Gemini 3.1 Pro 在 16 項基準測試中拿下 13 項第一名，是目前公開數據中表現最全面的 AI 模型。其中最亮眼的幾項： ARC-AGI-2 ：抽象推理分數 77.1%，比前代 Gemini 3 Pro 翻了一倍以上 GPQA Diamond ：研究生等級科學測試達到 94.3%，史上最高分 代理任務（Agentic Tasks） ：在需要多步驟規劃的任務中也拿下最高分 值得注意的是，Google 這次用「.1」而非過去常用的「.5」來命名，代表這是一次專注於智能提升的精準更新，而不是大範圍功能擴充。 200 萬 Token 上下文窗口能做什麼？ Gemini 3.1 Ultra 版本提供穩定的 200 萬 Token 上下文窗口，相當於一次處理超過 1,500 頁的文件或數小時的影片。實際應用場景包括： 一次丟進整個程式碼庫做全域分析 上傳長篇研究報告或書籍進行摘要 原生影片理解：直接分析影片內容而不需要轉文字 對比 GPT-5.4 的 128K 上下文，Gemini 3.1 Ultra 的 200 萬 Token 在處理大量資料的場景中有明顯優勢。 Gemini 3.1 Pro 的定價和速度如何？ Gemini 3.1 Pro 的 API 定價為每百萬輸入 Token .00、每百萬輸出 Token .00，略高於市場中位數。輸出速度達到 125.5 tokens/秒，在同級推理模型中表現優異。不過首次回應時間（TTFT）約 29 秒，比較慢。 簡...
閱讀完整內容