華為最近推出了最新的 AI 系統架構CloudMatrix 384 Supernode，此系統使用了多達384顆Ascend 910C晶片，總計算力達到300 PFLOPS，性能相較於NVIDIA的GB200 NVL72提升了約1.7倍。這一技術是中國針對美國晶片禁令的重要回應。然而，此技術以增加數量來提升性能的策略也帶來了高耗電的問題，其總功耗是競爭者的近4倍。
CloudMatrix 384 Supernode已經在中國安徽蕪湖市的數據中心部署。華為將此系統定義為「原子能級」的AI解決方案，主要競爭對象是NVIDIA的NVL72架構。NVL72配備72顆Blackwell GPU，通過高速NVLink互連，整體算力達180 PFLOPS。雖然單顆Ascend 910C的效能約為Blackwell的三分之一，但華為通過增加五倍的硬體數量，並搭配3.6倍的記憶體容量和2.1倍的記憶體頻寬，成功超越NVIDIA的旗艦系統。
華為還計劃與中國AI初創企業SiliconFlow合作，利用CloudMatrix架構支援中國自研推理模型DeepSeek-R1。這項部署顯示中國正在實現AI計算基礎設施的自主化，有助於加強中美科技對抗的局面。
儘管CloudMatrix 384在系統層面展現了工程創新，包括大規模光學互連和軟件優化，但其效能在耗電方面相對低下。總功耗是NVL72的3.9倍，每FLOP的耗電量是其2.3倍，每TB/S記憶體頻寬下的耗電為1.8倍，而記憶體容量的耗電比則為1.1倍。在中國，由於電力供應足夠，這種效能差異並未構成重大限制。
根據分析，中國的電力供應主要依賴燃煤發電，並正在快速擴展太陽能、水力、風能和核能。中國自2011年以來新增的電網容量已經相當於美國電網的總規模，這種電力優勢使中國能夠以犧牲效率的方式擴大AI計算的能力。
報告指出，CloudMatrix架構使用了16個機櫃，其中12個為運算櫃，裝載32顆Ascend晶片，其餘4個作為光學互連核心。整體系統使用6,912個400G LPO光模組來提升互連密度和延展能力，這類設計與NVIDIA曾計劃但未量產的DGX H100 NVL256「Ranger」架構有相似之處。
需注意的是，儘管Ascend 910C由華為完全設計，其生產仍高度依賴國外供應鏈，包括來自韓國的HBM高頻寬記憶體、台灣TSMC提供的晶圓，以及美國、荷蘭和日本製的半導體制造設備。據說華為透過第三方公司從TSMC採購約2.9百萬顆晶圓裸晶，還與三星合作獲得大量HBM供應。
雖然中國本土的SMIC技術尚未完全追上先進製程，但正在上海、深圳及北京擴充產能，預計今年月產量將達5萬片晶圓。若能持續獲得外國供應的光阻材料與維護支援，SMIC的產量仍有上升空間。
總結來看，CloudMatrix 384展示出中國透過系統整合來補足晶片製造短板的策略。即便單晶片效能不及NVIDIA，華為透過大規模堆疊與光學網絡擴展，實現了整體計算性能的提升，並縮小與西方科技巨頭的差距。未來的挑戰在於如何增強供應鏈的自主性及提高製造良率。
