华为创始人任正非在《人民日报》采访中，对中国芯片发展表达了积极看法。他认为，通过叠加和集群等方法，中国芯片在计算结果上可以达到先进水平。虽然单芯片技术仍落后于美国，但华为通过数学、非摩尔定律以及群计算等方式弥补差距。华为云展示了CloudMatrix 384超节点算力集群的强大性能，该集群由384颗昇腾NPU和192颗鲲鹏CPU组成，实现了高带宽全对等互联，在推理吞吐量和集群算力方面均表现出色。华为还发布了相关的论文，介绍了CloudMatrix 384的架构设计和最佳实践方案，展示了其在AI大模型应用中的优势。

💡 任正非认为，中国芯片问题不必过度担忧，通过采用叠加和集群等方法，计算结果可以达到先进水平。虽然单芯片技术落后，但可以通过数学、非摩尔定律和群计算来弥补。

🚀 华为云展示了CloudMatrix 384超节点算力集群的强大性能，该集群由384颗昇腾NPU（昇腾910C）和192颗鲲鹏CPU组成。它实现了全对等互联，形成“超级AI服务器”。

💪 CloudMatrix 384具有业界最大的单卡推理吞吐量（2300Tokens/s）和最大集群算力（16万卡，万卡线性度高达95%）。

💡 CloudMatrix 384的架构设计创新在于高带宽全对等互联。与传统AI集群不同，CloudMatrix384中CPU和NPU等硬件地位平等，通过UB网络直接通信，提高了效率。

✅ 基于CloudMatrix384进行DeepSeek推理的最佳实践方案CloudMatrix-Infer，在预填充吞吐量和计算效率方面均超过了NVIDIA H100/H800的性能。

快科技7月1日消息，前不久，华为创始人任正非接受《人民日报》采访时为中国芯片指路——芯片问题其实没必要担心，用叠加和集群等方法，计算结果上与最先进水平是相当的。

他坦言，我们单芯片还是落后美国一代，我们用数学补物理、非摩尔补摩尔，用群计算补单芯片，在结果上也能达到实用状况。

任正非认为，中国在中低端芯片上是可以有机会的，中国数十、上百家芯片公司都很努力。特别是化合物半导体机会更大。硅基芯片，我们用数学补物理、非摩尔补摩尔，利用集群计算的原理，可以达到满足我们现在的需求。

那华为是怎么做的呢？

日前，华为云官微通过一段视频展示了CloudMatrix 384超节点算力集群的威力——

384颗昇腾NPU（昇腾910C）+192颗鲲鹏CPU全对等互联，形成一台“超级AI服务器”；

业界最大单卡推理吞吐量——2300Tokens/s；

业界最大集群算力——16万卡，万卡线性度高达95%；

云上确定性运维-40天长稳训练、10分钟快速恢复。

华为云表示，新一代昇腾AI云服务，是最适合大模型应用的算力服务。

此前，华为还发布了一一篇60页的重磅论文，提出了他们的下一代AI数据中心架构设计构想——Huawei CloudMatrix，以及该构想的第一代产品化的实现CloudMatrix384。

简单来说，华为CloudMatrix并非简单的“堆卡”，而是通过高带宽全对等互联（Peer-to-Peer）来设计，这也是CloudMatrix 384硬件架构的一大创新。

传统的AI集群中，CPU相当于公司领导的角色，NPU等其它硬件更像是下属，数据传输的过程中就需要CPU审批和签字，效率就会大打折扣。

但在CloudMatrix384中，CPU和NPU等硬件更像是一个扁平化管理的团队，它们之间的地位比较平等，直接通过UB网络通信直接对话，效率自然就上来了。

另外，论文还介绍了基于CloudMatrix384进行DeepSeek推理的最佳实践方案——CloudMatrix-Infer。

从官方给出的案例来看，CloudMatrix384预填充吞吐量达6688 token/s/NPU，解码阶段1943 token/s/NPU；计算效率方面，预填充达4.45 token/s/TFLOPS，解码阶段1.29 token/s/TFLOPS，均超过NVIDIA H100/H800上实现的性能。