很多人也知道，在中国的人工智能计算能力方面，近来年已经发生了很大的变化。

几年以前的时候，在国内人工智能加速卡市场上几乎都是被英伟达所占据。到2023年的时候，英伟达的市场份额已经达到了95%左右了，而昇腾只占据了其中的3%，所以中国的计算能力的感觉不明显。到了2026年的时候根据各个机构的预测，昇腾在国产人工智能加速卡市场的份额将会达到五分之一以上，并且成为国内计算能力最大的一类人工智能芯片系统之一。

从硬件方面看，昇腾已经在国产化的道路上走出了自己的路子。它是少数能稳定输出上千张卡的大规模计算能力方案，在国内很多智能计算中心、政企的大规模模型项目以及高校的研究平台上都进行了广泛的安装和使用。根据公开计划来推断的话，整个年度内昇腾算力卡的交付量很大，国产化后的硬件也实现了由可以使用向大范围商用的转变。

但是亮眼的硬件成绩单的背后有一道很难在短时间内跨越的小山丘——软件生态系统。
英伟达的CUDA生态系统在将近二十年的时间里慢慢形成了一个庞大的开发者社区。几乎所有的开源大模型、人工智能算法和科学研究论文都会被附上对应的代码，并且都是用CUDA编写的。华为推出了CANN架构来跟上昇腾芯片的步伐，在这期间不断进行改进和完善。
差距是存在的：大量的成熟开源代码、工具链和计算子模块要迁移到CANN平台上，都需要进行二次开发与调试。对人工智能开发者以及科研机构而言，迁移会带来更多的时间成本与劳动力成本。很多重要的研究成果都会先推出CUDA版，而昇腾平台上的适配则会比较晚一些。

但是亮眼的硬件成绩单背后有一条难以迅速跨越的小河，那就是软件生态。
英伟达的CUDA生态系统经过二十多年的发展之后形成了一个大的生态系统。绝大部分的开源的大模型、人工智能算法以及科研论文所对应的原始代码都是以cuda为基础进行编写的。华为推出了CANN架构来替代CUDA对昇腾芯片做适配，在这期间一直都在不断地改进和完善之中。
差距是存在的：大量的成熟开源代码、工具链和计算子模块需要被迁移到到CANN平台上进行二次开发与调试。对于人工智能开发者和科研小组而言，迁移就会有额外的时间费用以及人力成本问题出现。很多重要的研究结果会首先推出CUDA版本，而昇腾平台上的兼容性则会被推迟发布。

并不是说CANN不好用，只是软件生态系统所涉及到的时间和精力要比流片、生产芯片要多得多。芯片可以通过资金、产业链集中的攻关来取得突破性的进展，而生态则需要众多开发者的共同努力以及不断的适应过程才能完成。
目前的情况很清楚：我国算力硬件已经形成了自己的基础，并且能够支撑起整个国产化的计算需求；但是要让全世界大部分开发者的目光转向这里来代替CUDA生态系统中的某些部分进行使用，则还需要一段时间的努力和努力。硬件可以快一点上马，而软件生态则要慢一点去追赶。

有的人说，只要中国的计算需求不断增长，在这个巨大的市场上依靠庞大的市场规模就可以让CANN生态系统在几年内赶上甚至超越CUDA；也有人认为软件生态用户习惯和技术壁垒很深，要填平这个鸿沟至少也需要十来年的时间。
你认为昇腾的CANN生态要到什么时候才会赶上CUDA呢？
#华为昇腾芯片训练大模型有何优劣势#
#ai算力#​#国产芯片##华为昇腾#​​​