華為的昇騰晶片正為 AI 圖像模型打造另一條道路

大多數關於 AI 硬體的討論，都繞著一家公司和一種晶片打轉。華為正試圖闢出第二條路，而它最新的進展就體現在本月的基礎設施發布中。

華為發表了昇騰（Ascend）960 SuperPoD，這是一套以其昇騰處理器為基礎打造的叢集，並以 NPO 技術為賣點，鎖定下一代 AI 基礎設施。這項發布針對大型模型的訓練與服務，而雖然圖像生成不是最受矚目的用例，卻正處於影響範圍內。文字轉圖像模型是 AI 中最耗費算力的工作負載之一，而任何能替代主流硬體堆疊的方案，都會重新形塑誰有能力打造與運行這些模型。

戰略背景是美國的出口管制，限制了中國企業取得最先進晶片的管道。這促使中國企業開發本土替代方案，而華為的昇騰系列是這些努力中最先進的成果。960 SuperPoD 是最新宣示，聲稱差距正在縮小，或者至少存在一條不依賴受限硬體的可行道路。這是一項押注：中國 AI 的未來不必跑在別人能隨時斷供的晶片上。

具體就圖像模型而言，這有幾層重要意義。首先，訓練大型圖像模型所費不貲，而且成本對底層晶片非常敏感。圖像生成器背後的擴散模型在訓練期間極度耗費算力，需要在大型資料集上反覆迭代，而成本直接取決於晶片與軟體堆疊的效率。如果本土晶片能以可接受的成本訓練與服務模型，中國實驗室就能持續發布 Qwen-Image 2.1 等開源模型，而不必依賴外國硬體。這既是效能問題，也是韌性問題。

其次，服務（serving）的重要性超乎一般人的想像。圖像生成是互動式的。使用者輸入提示詞，期待幾秒內得到結果，而一個熱門模型每天會收到數百萬次這類請求。決定免費或低價圖像服務在經濟上是否可行的，不只是訓練吞吐量，還有推論效率。本土推論堆疊會改變中國圖像應用與 API 的成本算式，這也是像華為這樣的公司之所以大力投資服務基礎設施、而不只是訓練叢集的原因。

第三，還有標準層面的問題。全球的圖像模型越來越預設某個特定的訓練與服務軟體生態系，一套特定的框架、核心與最佳化函式庫。競爭的硬體堆疊需要有自己的軟體層、自己的最佳化器、自己的社群，而硬體與可用硬體之間的落差，主要來自軟體。華為一直在建構這一切，每一次基礎設施發布，都是朝一個不依賴現有主導者工具鏈的生態系邁進一步。

這一切都並不表示華為的晶片即將在原始效能上取代主導者。誠實的解讀是，它們提供了第二供應來源，而第二供應來源即使不是最強，也依然重要，因為它們會改變所有下游業者的談判地位。能在本土晶片上訓練的實驗室，較不易受供應衝擊影響。能在本土晶片上提供服務的公司，擁有更大的定價自由度。兩者都能做到的國家，則有更高的戰略自主性，而這正是整件事的重點。

地緣政治的角度在這裡無可迴避。圖像模型不只是消費性玩具。它們被用於設計、製造、媒體，也越來越多用於與國家相關的應用，從宣傳、監控到假訊息。控制訓練與運行這些模型的硬體，就等於控制一項戰略能力，這正是出口管制存在的原因，也正是本土替代方案被如此積極推動的原因。兩者陷入一個循環：限制加速了本土努力，而本土努力又為限制提供了目標。

對中國以外的人來說，昇騰的發布很容易被當成內部事務而忽略。那將是個錯誤。如果替代堆疊達到某個門檻，能讓開源模型在其中訓練與服務良好，那麼下一款 Qwen-Image，或再下一款，可能永遠不會碰觸你以為舉世通用的硬體。圖像生成經濟正悄悄出現第二個硬體故事，而它將形塑哪些模型會被發布、運行成本能壓到多低，以及由誰控制整件事底下的基礎設施。

此外還有技術人才與社群的面向。替代硬體堆疊需要懂得如何使用它的人，而這些人目前集中在現有主導者的生態系中。建立那個社群需要數年時間，這才是真正的長期賽局。從這個角度看，華為的基礎設施發布，既關乎原始規格，也同樣關乎招募人才與對外釋放訊號。它們在向世界傳達：這裡有一條可行的路，來這裡打造吧。

圖像生成的角度是大多數觀察者會漏掉的部分。他們讀到「SuperPoD」，想到的是語言模型與聊天機器人。但同樣的叢集也訓練與服務生成圖像的模型，而圖像生成的經濟特性——高算力、高互動性、高流量——使它成為替代堆疊最先能在商業上證明自己的工作負載之一。看看本土圖像模型多快採用本土晶片。那會比任何基準測試圖表更能告訴你這條第二道路的軌跡。

還有一個微妙的重點：真正的瓶頸在哪裡。晶片只是故事的一半。另一半是讓晶片發揮用處的軟體，包括編譯器、核心、框架，以及針對特定架構調校的模型實作。沒有軟體的晶片只是紙鎮。這就是為什麼華為的發布會把硬體與軟體生態系的推動綁在一起，也是為什麼現有主導堆疊與替代方案之間的落差，既以 teraflops 衡量，也同樣以開發者工具衡量。對圖像模型來說，這意味著問題不只是「晶片能不能跑擴散模型」，而是「晶片能不能跑得好，透過開發者已經熟悉的工具，而不需要一組專家手動調校每一層」。

這個軟體落差，就是替代堆疊儘管經過多年投資，仍遲遲未能起飛的原因。硬體可以在實驗室裡打造，但開發者生態系必須由開發者來建立，而開發者會前往工具好用、摩擦低的地方。每一個對替代堆疊提供首日支援的開源模型、每一個新增後端的框架、每一篇帶初學者入門的教學，都在侵蝕這個落差。圖像生成社群高度依賴 ComfyUI 和 Diffusers 等開源框架，其實是替代堆疊最有望站穩腳跟的地方之一，因為這個社群早已習慣在各種硬體上運行模型。

這就是長期賽局，也是為什麼本月的發布，與其說在於抵達終點，不如說在於指出方向。昇騰 960 SuperPoD 不會一夕之間改變圖像生成的版圖。但它是一根插在地上的標竿，一個訊號：替代道路正在被建造、被投資、被配置人力，而圖像生成的未來，就像更廣泛的 AI 未來一樣，未必永遠只跑在單一硬體故事上。那些認定它必然如此的人，正在下一個歷史反覆證明有風險的賭注。