Huawei Ascend
PulseAugur coverage of Huawei Ascend — every cluster mentioning Huawei Ascend across labs, papers, and developer communities, ranked by signal.
- developed by Huawei 100%
- used by Meituan 90%
- used by LongCat-2.0 90%
- partners with University of Science and Technology of China 90%
- instance of Ascend 950 90%
- used by Cann 90%
- developed by Cann 70%
- affiliated with Moore Threads 70%
- used by Moore Threads 70%
- used by Tsinghua University 70%
- instance of alphaXiv 70%
- instance of Xian Y-20 70%
- 2026-06-24 product_launch Huawei will announce new Ascend AI chip solutions at the 2026 World Artificial Intelligence Conference. 来源
15 天有情绪数据
-
小红书开源MoE大模型dots3-note
小红书已开源其大语言模型dots3-note，这是一个混合专家（MoE）模型，拥有2800亿总参数和160亿激活参数。该模型拥有512K的上下文窗口，并支持文本、视觉和语音理解。此次在Hugging Face和GitHub上发布的模型，标志着小红书正将AI作为其平台的基础元素进行战略性整合，该平台服务于超过3亿月活跃用户。
-
受制裁驱动的AI需求和价格上涨，中芯国际创纪录季度营收
中国领先的芯片制造商中芯国际（SMIC）公布了创纪录的季度业绩，营收达30亿美元。这主要得益于晶圆价格的大幅上涨和高产能利用率。此次激增很大程度上归因于美国制裁，这些制裁限制了中国AI公司从台积电（TSMC）和三星（Samsung）等海外芯片制造商获取先进芯片。因此，需求转向国内，为中芯国际创造了一个本土市场。中芯国际是唯一一家生产7纳米级别逻辑芯片的国内制造商。该公司计划在第三季度进一步提高价格，这反映了全球趋势，但因其中国市场的独…
-
华为开源AscendNPU-IR以优化AI处理器
华为发布了AscendNPU-IR，一个基于MLIR的开源中间表示工具。该工具旨在增强Ascend AI处理器算子的编译和优化，以提高其计算效率。AscendNPU-IR为算子开发和细粒度性能控制提供了多级抽象接口，支持与生态框架集成。
-
英伟达 H200 AI 芯片运抵中国，但香港部署面临障碍 · 追踪 3 个来源
英伟达已开始向中国运送其 H200 AI 加速器，据报道，主要科技公司字节跳动和腾讯已收到约 10,000 件的首批货物。尽管有这些货物，北京方面正将大部分获批芯片导向香港，那里的基础设施限制可能会阻止其部署。此举似乎是北京方面在本土芯片制造商发展其能力的同时，维持对中国大陆市场影响力的策略，尽管这给接收公司带来了后勤挑战。
-
新的ASCEND框架通过自适应压缩优化联邦学习
研究人员开发了ASCEND，一种用于联邦知识蒸馏（FedKD）的新型框架，解决了通信开销和模型异构性问题。该方法允许各个客户端从一组选项中选择最佳压缩策略，该问题被表述为一个随机多臂老虎机问题。ASCEND旨在平衡本地训练改进、全局知识对齐和执行时间，在保持具有竞争力的准确性的同时，显著减少了通信和训练时间。
-
Qwen3-8B模型在Ascend与CUDA硬件上显示出15%的Token一致性
一项技术比较显示，当Qwen3-8B模型在华为Ascend硬件上使用DashScope运行时，与在NVIDIA GPU上使用CUDA运行时，输出存在显著差异。在61个提示下，仅有15%的顶级预测Token达成一致，表明模型行为存在巨大分歧。这与在同一CUDA堆栈下，两个NVIDIA GPU之间观察到的较小分歧率形成对比。
-
Ruitong 推出以衡量 LLM 在不同硬件上的准确性漂移
一项名为 Ruitong 的新计划已启动，旨在解决大型语言模型 (LLM) 在迁移到不同硬件时出现的准确性漂移问题。虽然延迟和成本是众所周知的，但对模型输出的影响在很大程度上仍未被衡量。Ruitong 旨在提供一个标准化、可复现的准确性差异表，以量化这些变化，使公司能够更好地评估在切换硬件供应商或精度时模型的性能。初步研究结果表明，即使是微小的精度变化也会导致不同的输出，尽管端到端的函数等效性门控通常仍然通过。
-
维珍银河将新飞船航班推迟至 2027 年
维珍银河已将其新的 Delta 级飞船的首次商业飞行推迟至 2027 年 2 月，原因是组装过程中存在许多小的安装问题。首席执行官 Michael Colglazier 表示，数百个微小差异，例如组件测量略有偏差，导致了此次推迟。该公司已以每张 750,000 美元的价格售出了 50 多张未来亚轨道旅游航班的门票，预订收入超过 5000 万美元。
-
新的代理模型将大语言模型调试成本降低高达33倍
研究人员开发了一种为大语言模型（LLM）创建“代理模型”的方法，该方法显著降低了强化学习后训练期间调试和复现故障所需的计算成本和时间。这些代理模型保留了原始LLM的核心架构和能力，可以将加速器需求降低高达87.5%，并将成本降低33.3倍。这种方法对于诊断大规模LLM训练中常见的梯度溢出和损失发散等问题特别有用，尤其是在华为Ascend平台等专用硬件上。
-
openJiuwen推出企业级AI Agent Swarm架构，完成首个金融行业落地
openJiuwen发布了其AI Agent平台JiuwenSwarm的企业级分布式Swarm架构。该新架构解决了AI Agent在企业应用中规模化部署的关键挑战，包括大规模部署管理、成本控制、统一治理和安全保障。该平台已在中国邮政储蓄银行的生产环境中成功实施，证明了其支持关键金融运营的能力。
-
明玕FX100存储解决方案加速视频推理，降低延迟
明玕的FX100存储解决方案解决了实时视频推理中的延迟瓶颈，这些瓶颈通常由存储和数据路径限制引起，而非GPU计算能力。该系统采用分层KV缓存方法，将热数据放在GPU HBM中，温数据放在本地NVMe上，冷数据放在NVMe-oF阵列上。该策略显著提高了吞吐量，并减少了长上下文工作负载的首次令牌生成时间（TTFT），吞吐量提升高达40%，TTFT提升32%。
-
华为芯片科学家详述AI处理器自给自足战略
华为半导体业务首席科学家、Ascend AI处理器架构师廖恒分享了该公司在美国制裁下实现技术自给自足的战略见解。他讨论了如何克服芯片设计和生产的挑战，强调创新而非纳米精度。廖恒曾在美国硅谷工作，他指出一些西方公司在创新方面存在所谓的“盲目傲慢”，并强调了华为芯片设计部门海思（HiSilicon）的高成功率。
-
中国的人工智能芯片雄心以华为昇腾挑战英伟达
中国在人工智能领域取得了显著进展，尤其是在开发自己的AI芯片方面。华为昇腾系列被重点介绍为英伟达产品的关键竞争对手，标志着中国在人工智能领域日益增长的技术独立性。
-
华为开源拥有5050亿参数的 openPangu-2.0-Pro MoE 模型
华为已开源其新的混合专家（MoE）模型 openPangu-2.0-Pro。该模型拥有总计5050亿参数，其中180亿参数被激活，并支持512,000个 token 的上下文长度。它在34万亿个 token 上进行了训练，并采用了先进的训练技术，包括用于慢速和快速思考的统一 SFT、多专家 RL 训练以及 on-policy 蒸馏。
-
LLM生成的硬件内核出现新的基准测试和优化工具
两篇新的研究论文介绍了用于大型语言模型（LLM）生成硬件加速器代码的基准测试和优化框架。第一篇论文KernelGenBench提供了一个统一的基准测试，用于评估LLM生成的Triton内核在不同算子源和硬件平台上的性能，揭示了基于代理的方法存在显著的性能差异和高令牌成本。第二篇论文提出了一个基于编译器的分层诊断系统，用于优化Ascend NPU等新兴加速器上的Triton内核，通过将运行时问题与编译器行为联系起来，实现了显著的加速。
-
Clos 网络架构：AI 推理集群的成本与选型框架
Clos（或称 Fat-Tree）网络架构因其可扩展性和高带宽而成为大规模 AI 推理集群的流行选择。本文分析了 Clos 网络在拥有数千个 GPU 的集群中的成本构成，包括交换机、线缆和端口密度。文章还讨论了在全面的总体拥有成本（TCO）模型中，将运营费用与初始硬件成本一并考虑的重要性，并强调了高效存储解决方案如何间接优化网络需求。
-
中国在美禁令下推动国内AI芯片采用 · 追踪5个来源
中国正在加速其国内AI芯片的研发，目标是实现自给自足，以克服美国的进口限制。据报道，副总理丁薛祥已敦促企业采用中国AI芯片，甚至将拒绝行为定性为背叛。尽管面临GPU短缺等挑战，影响了Moonshot AI的Kimi K3等热门型号，但华为（凭借其Ascend芯片）和DeepSeek等中国公司正在取得进展。华为的Ascend 910C已成功训练了DeepSeek-V4-Pro，标志着其在构建独立AI生态系统方面取得了进步。
-
华为Ascend芯片与DeepSeek V4一同展现效率提升，但仍存疑问
华为发布了其Ascend芯片的基准测试，展示了DeepSeek V4模型在训练后阶段的效率提升。这些基准测试表明，华为910C芯片的推理速度约为NVIDIA H100芯片的60%。然而，专家们对该报告仅涵盖最终训练阶段表示担忧，这使得关于初始训练过程和所用硬件的问题仍然存在。
-
美团在国产ASIC上训练1.6T编码模型，绕过英伟达
美团发布了LongCat-2.0，一个为代理编码任务设计的1.6万亿参数的混合专家模型。值得注意的是，该模型完全在国产中国AI ASIC上训练，避免了英伟达硬件。LongCat-2.0采用了一种新颖的稀疏注意力机制，可处理百万级token上下文，并在软件工程基准测试中展现出与领先的闭源模型相媲美的性能。
-
中国人工智能实验室 Z.ai 推出使用国产芯片的 1 吉瓦数据中心，绕过 Nvidia
据报道，中国人工智能开发商 Z.ai 已完成并部分启用了一个 1 吉瓦的数据中心，该中心完全使用国产芯片来训练其 GLM 模型系列。该设施是中国公司建造的最大的人工智能数据中心之一，标志着由于美国制裁，中国正朝着摆脱美国技术（尤其是 Nvidia 芯片）的独立方向迈进。虽然该数据中心拥有可观的功率容量，但华为 Ascend 等中国加速器的每瓦性能可能落后于 Nvidia 的产品，从而影响可用训练计算能力。