華為最新的 AI 處理器「昇騰 910C」（Ascend 910C）號稱表現可媲美 Nvidia H100 GPU。根據 DeepSeek 研究人員的測試，在推理任務中，昇騰 910C 效能可達 H100 的 60%。雖然昇騰 910C 並非當前最強 AI 晶片，但它的推出有助於降低中國對 NVIDIA GPU 的依賴。
微信公眾號 AGIHunt 指出，DeepSeek 團隊的實測數據顯示，華為 910C 處理器的推理效能表現超乎預期。若透過手動優化 CUNN 核心，性能還可進一步提升。此外，DeepSeek 對昇騰處理器的原生支援，以及其 PyTorch 儲存庫可讓 CUDA 到 CUNN 無縫轉換，讓華為硬體更容易整合到 AI 工作流程中。
這顯示儘管受美國政府制裁，及無法獲得台積電的先進製程技術，華為 AI 處理器的能力仍在快速進步。
華為和中芯國際在 2019-2020 年間已成功追上台積電的能力，並生產出可與 A100 和 H100 處理器相媲美的晶片，但昇騰 910C 並非 AI 訓練的最佳選擇，主要仍以 NVIDIA 的 GPU 占據領先地位。
DeepSeek 的 Yuchen Jin 表示，「長週期訓練的穩定性是中國晶片最大難關」。這涉及 NVIDIA 軟硬體生態系統的深度整合，CUDA 護城河已經發展二十多年。雖然推理性能可繼續改善，但持續的訓練工作負載需要華為進一步改進軟硬體堆疊。
昇騰 910C 採用 chiplet 封裝，整合約 530 億個電晶體。過去昇騰 910 運算晶片採用台積電 N7+ 製程，而昇騰910C 運算晶片則由中芯國際採用第二代 7 奈米級（N+2）製程製造。
有專家預測，隨著 AI 模型向「Transformer 架構」（如 GPT、BERT 等）靠攏，CUDA 和 PyTorch 編譯器的重要性將降低。此外，DeepSeek 團隊在軟硬體優化方面的專長，也可能大幅降低對 NVIDIA 的依賴，大幅節省成本。然而，要在全球競爭，中國必須克服長期訓練穩定性的挑戰，進一步完善其人工智慧運算基礎設施。
（首圖來源：華為）