一、为什么必须分开：推理不是一种负载
很多人看到昇腾 950 后面跟着 PR、DT，第一反应是字母代号，其实它不是后缀，而是场景声明。理解 PR/DT，必须先理解大模型推理内部被切成了两种本质不同的负载。
Prefill（预填充）：用户输入一整段提示词，芯片一次性并行把整段 prompt 跑完，生成完整的 KV Cache，然后输出第一个 token。这一段的特征非常清晰：
- 算力密集：attention 是 O(n²) 但 GEMM 主导，矩阵乘占比 70%+
- Batch 友好：同一时刻多请求可以拼成大 batch
- 对单卡峰值 FLOPS 极度敏感，对显存带宽不敏感
- 同样特征也覆盖电商推荐、内容信息流、广告 CTR —— 一次性把"用户画像 × 候选池"算完出排序结果
Decode（解码）：模型一字一字吐 token，每生成一个 token 都要把历史的 KV Cache 从 HBM 读一遍，算一个新向量，softmax，再写回。这一段的特征是另一个极端：
- 访存密集：每个 token 的 FLOPs 极小，但需要读 N×D×L 的 KV
- Batch 不友好：单请求延迟极敏感
- 对显存带宽和容量极度敏感，对单卡峰值算力不敏感
- 训练更是带宽+容量双密集的大户
把这两件事硬塞在同一张卡里，结果就是"短跑选手跑马拉松"。这就是 P/D 分离（Prefill-Decode Disaggregation）从 2024 年起成为业界标准做法的原因。英伟达 Blackwell B200/Rubin 走"一颗大卡 + 高速互联把 Prefill 节点和 Decode 节点拆开"；华为的昇腾 950 PR/DT 走的是另一种路径——同一颗 Die，搭配两种自研 HBM 做出两个 SKU。
AI Know 洞察一：P/D 分离不是营销概念，而是 2024 年起 NVIDIA/Meta/字节/Anthropic 等大厂推理系统的默认架构。昇腾 PR/DT 是华为第一次把"分离"做到芯片命名层。
二、950 基础 Die：一芯双构的"双"是什么
在拆解 PR 和 DT 之前，必须先讲清楚它们共用的"芯"长什么样。
华为全联接大会 2025 公布的 950 Die 关键升级：
| 模块 | 950（基线）→ 950PR/950DT 的变化 |
|---|---|
| 制程 | 国产先进制程（中芯国际 N+2 或更先进节点） |
| 算子精度 | 新增支持低精度数据格式（推测 FP4/MXFP4 级别） |
| 向量算力 | 较 910C/910B 显著提升（具体倍数未公布） |
| 互联带宽 | 较上一代提升 2.5 倍（HCCS 演进 + UB 总线升级） |
| HBM | 首次搭载华为自研 HBM（HiBL 1.0 / HiZQ 2.0） |
| 下一代 | 950 → 960（2027Q4 规划中）→ 970（路线图） |
关键判断：950 的 Die 是"中性的算力底座"，PR 和 DT 之间的差异不在芯片内部，而在 Die 之外的两个东西：
- 封装的 HBM 规格（决定带宽、容量、功耗）
- 整卡定位和软件栈调优（决定面向场景）
这就是华为宣称的"一芯双构"——用同一块硅复用两个市场，摊薄 NRE 成本，让供应链只需维护一条 Die 产线。
AI Know 洞察二：这种"同 Die 多 SKU"是 AMD MI300X/MI300A、英伟达 B100/B200/GB200 的成熟玩法。华为第一次把它国产化且对准推理场景做了命名级区分，是产品定义的进步。
三、950PR：算力型选手，主打 Prefill + 推荐
3.1 关键规格
| 项目 | 规格 | 含义 |
|---|---|---|
| 型号名 | 950PR | Prefill + Recommendation |
| Die | 昇腾 950 共享 | 同 DT，差异在 HBM |
| HBM | HiBL 1.0（自研） | 128GB 容量 |
| 带宽 | 1.6 TB/s | 入门级，但匹配算力/带宽比 |
| 核心场景 | 大模型 Prefill + 电商推荐 + 内容信息流 | 计算密集、低延迟要求 |
| 价值定位 | 首 token 快、并发强、成本友好 | 不是性能之最，是性价比之最 |
3.2 解读
为什么是 1.6 TB/s 而不是 4 TB/s？ 因为 Prefill 阶段算力利用率（MFU）能跑到 50%+，对带宽的需求被算力掩盖了。给 Prefill 配 H200 级别的 4.8 TB/s 是浪费——多出来的带宽 Prefill 跑不满，整卡价格却被 HBM 拉高。1.6 TB/s 是"刚好够用+成本最优"的甜点。
为什么叫 Recommendation？ 因为推荐系统负载特征几乎和 Prefill 同构：一次请求算完一个用户 × 几十万候选池的得分矩阵，出 Top-K。算力占比 80%+，KV Cache 不需要（无状态）。把推荐业务和 Prefill 装进同一颗 SKU，能直接吃下互联网大厂的推理推荐双场景。
目标客户画像：
- 互联网大厂的 LLM API 网关（Prefill 阶段专用）
- 电商/内容平台的推荐排序
- 中小模型（7B/13B/34B）的离线批量推理
- 政企知识库的文档批量处理
AI Know 洞察三：950PR 是华为第一次正式用"PR"后缀承认推荐业务的重要性。推荐系统在中国互联网算力池里占比超过 30%，是国产算力最现实的"杀手级场景"。
四、950DT：带宽型猛兽，主打 Decode + 训练
4.1 关键规格
| 项目 | 规格 | 含义 |
|---|---|---|
| 型号名 | 950DT | Decode + Training |
| Die | 昇腾 950 共享 | 同 PR |
| HBM | HiZQ 2.0（自研） | 144GB 容量 |
| 带宽 | 4 TB/s | 对标 H200/MI300X 同档 |
| 核心场景 | 大模型 Decode 生成 + 全参数训练 | 访存密集、容量敏感 |
| 价值定位 | 长文本稳、训练快、不掉链子 | 性能拉满 |
4.2 解读
4 TB/s 是关键数字。 单卡 4 TB/s 是 8K 上下文 Decode 的工程最低线。1.6 TB/s 的 PR 跑 Decode 会被打回原形。
144GB 容量的意义：可以装下 70B 量级模型的完整 FP8 权重（70GB）+ 较大 KV Cache 预算。意味着 950DT 单卡就能跑 70B 模型的 Decode，不需要张量并行切分，对中小客户是质变。
训练场景：全参训练、LoRA/QLoRA 微调、MoE 训练都直接命中。
目标客户画像：
- 大模型 API 服务（DeepSeek/Qwen/智谱等的高并发 Decode 节点）
- 长文本应用（200K 上下文 RAG、代码生成、Agent 多轮对话）
- 国产 GPU 池中的训练任务
- 金融/政企的私有化大模型部署（70B 起步）
AI Know 洞察四：950DT 的 4 TB/s 让华为第一次在 HBM 带宽维度进入"国际可对标"档位（英伟达 H200 是 4.8 TB/s，B200 是 8 TB/s）。差距仍在，但不再是"差一个数量级"。
五、自研 HBM：HiBL / HiZQ 命名推测
华为首次在昇腾上搭载自研 HBM，命名分两档：
- HiBL 1.0（PR 用）：B 可能代表 "Bandwidth-Lite" 或 "Base"，定位成本优化
- HiZQ 2.0（DT 用）：ZQ 可能代表某种代号，2.0 暗示第二代
HiZQ 2.0 = 144GB / 4 TB/s 推算：
- 144GB ÷ 8 stack = 18GB/stack → 介于 HBM3 16GB 和 HBM3E 24GB 之间
- 4 TB/s / 8 stack = 512 GB/s/stack → 接近 HBM3E 水平
- 大概率是国产 HBM2E/3 演进，不是 HBM3E 顶级规格
含义：
- 国产 HBM 距离海力士/三星顶级规格仍有 1-2 代差距
- 但够用了——跑 70B 模型、做 200K Decode 完全可行
- 真正的瓶颈不在 HBM 本身，而在先进封装和良率
AI Know 洞察五：华为自研 HBM 的战略意义大于规格意义。它打断了"国产 GPU = 必须用海外 HBM"的卡脖子链条。下一步是良率和成本爬坡。
六、互联升级 2.5 倍：从卡到柜的桥梁
华为公布"互联带宽较上一代提升 2.5 倍"，背后是 HCCS（Huawei Cache Coherence System）和 UB（Unified Bus）协议的演进。
HCCS 演进路径（推测）：
- 昇腾 910：HCCS 1.0，单链路 25 GB/s
- 昇腾 910C：HCCS 升级，56 GB/s
- 昇腾 950：HCCS 演进 + UB 总线，单链路 ~140 GB/s 量级
- 终极目标：对标 NVLink 5（1.8 TB/s 总带宽）
超节点背景：
- 华为 CloudMatrix 384 超节点已经把 384 颗昇腾 NPU 组成一个机柜级算力池
- 950 系列要让超节点从"384 颗"扩展到"千卡级"甚至"万卡级"
- 卡间互联是扩展性的命门——2.5 倍提升是"必须做到"
AI Know 洞察六：昇腾的真正战场在"机柜内"和"机柜间"。互联带宽提升 2.5 倍的意义，不在于单卡跑得多快，而在于让超节点从"拼起来能用"走向"拼起来好用"。
七、对标英伟达：差距与策略
| 维度 | 昇腾 950DT | 英伟达 H200 | 英伟达 B200 | 英伟达 Rubin（预期） |
|---|---|---|---|---|
| HBM 容量 | 144GB | 141GB | 192GB | 288GB |
| HBM 带宽 | 4 TB/s | 4.8 TB/s | 8 TB/s | 13 TB/s |
| FP8 算力 | 未公布 | ~2 PFLOPS | ~4.5 PFLOPS | ~10 PFLOPS |
| 卡间互联 | HCCS 升级 2.5× | NVLink 4 900GB/s | NVLink 4 900GB/s | NVLink 5 1.8TB/s |
| 生态成熟度 | CANN/MindSpore 追赶中 | CUDA 垄断 | CUDA 垄断 | CUDA 垄断 |
| 供应链 | 国产可控 | 受出口管制 | 受出口管制 | 受出口管制 |
核心差距：生态（CUDA 护城河 5-10 年难追）、绝对性能（仍差 1-2 代）、软件栈成熟度。
核心优势：供应链安全、P/D 分离的 SKU 命名、超节点架构、性价比（同算力价格预计低 30-50%）。
AI Know 洞察七：昇腾 950 不会替代 H100/H200/B200，但会结构性替代——把国产化采购订单、推理专用场景、推荐业务、长文本生成等场景切走。这才是 950PR/DT 真正的市场空间。
八、落地路径与生态瓶颈
落地节奏（推算）：
- 2025 Q4：950PR/950DT 规格发布（已完成）
- 2026 H1：小规模样品到 ISV（科大讯飞、智谱、DeepSeek 等）
- 2026 H2：规模化交付，配合 CloudMatrix 超节点出货
- 2027 Q4：昇腾 960 接力
- 2028+：昇腾 970，对标 Rubin 档位
生态瓶颈：
- 算子库：CANN 等价于 CUDA 的核心
- 调试工具：Profiler 性能分析差距大
- 开发者习惯：从 CUDA 迁移到 CANN 的学习成本
- 大模型权重：原生 FP8/BF16 在昇腾上的推理性能仍需压测
真正的胜负手：
- 能不能拿下头部互联网大厂的推理 API 订单
- 能不能在政企智算中心招标中成为首选
- 能不能让昇腾成为"中国版 CUDA 替代"的实操选项
九、总结：950 系列的"三重新身份"
昇腾 950PR/950DT 不只是两款新芯片，它是华为在 AI 算力赛道上的三重重定义：
- 从"训练卡"到"推理卡"：呼应产业拐点
- 从"单卡竞争"到"超节点竞争"：用 P/D 分离的命名 + 互联升级 2.5 倍布局机柜
- 从"国产替代"到"国产定义"：用 HiBL/HiZQ 自研 HBM 切断海外供应链依赖
它的成败，不在单卡能不能跑赢 B200，而在能不能让中国 AI 产业的"推理时代"有一个可控的、可规模化的、可演进的国产算力底座。
这条路没有捷径。950PR/DT 是开始，不是终局。
🔍 AI Know 洞察（全文汇总）
- P/D 分离从架构选项升级为产品命名级
- 同 Die 多 SKU是摊薄 NRE 的成熟玩法
- 推荐业务是国产算力的"杀手级场景"
- 950DT 4 TB/s让华为进入"国际可对标"档位
- 自研 HBM的战略意义大于规格意义
- 互联升级 2.5 倍是"必须做到"
- 结构性替代 ≠ 全面替代，市场空间在分化