昇腾 / 寒武纪 / 沐曦 / 昆仑芯全系列国产算力卡算力排名对比

1. 统一采用理论峰值 FP16 TFLOPS（训练核心指标） 为主排序，补充 INT8 TOPS（推理指标）；

2. 仅统计数据中心标准算力加速卡 / OAM 模组，剔除边缘小卡、开发板；

3. 四大厂商定位区分：

昇腾：NPU 专用 AI 芯片，全栈训练 + 推理，集群生态最强

寒武纪：MLU 专用 AI 芯片，训推一体，思元 690 为当前国产纸面算力天花板

沐曦：通用 GPU，兼容 CUDA，兼顾通用计算 + AI 训练

昆仑芯：XPU 异构，深度适配百度文心，推理规模化落地成熟

一、全型号核心参数总表（从高到低 FP16 排序）

二、分梯队算力排名（2026 商用梯队）

第一梯队：旗舰大模型训练（FP16 ≥300 TFLOPS，万亿参数训练）

1. 寒武纪 思元 690（700+ TFLOPS FP16）：当前国产纸面算力第一，4nm 双芯 Chiplet，196GB 超大 HBM3 显存，面向超大规模千亿 / 万亿参数大模型训练

2. 沐曦 C600（500 TFLOPS FP16）：通用 GPU，兼容 CUDA，144GB HBM3e，科学计算 + 大模型双适配，2026 新旗舰

3. 昇腾 910B2（320 TFLOPS FP16）：国内落地量最大，昇腾全栈 CANN 生态完善，万卡集群成熟，政企智算中心首选

4. 寒武纪 思元 590 / 昆仑芯 P800（并列 345 TFLOPS FP16）

思元 590：MLU 软件栈成熟，互联网大厂批量采购，训推均衡

昆仑芯 P800：XPU 第三代，96GB HBM3，深度适配文心大模型，原生 vXPU 虚拟化

第二梯队：中大型训练 / 高密度推理（100≤FP16＜300 TFLOPS）

1. 沐曦 C550 (OAM) 280 TFLOPS

2. 昇腾 Atlas300I A2 280 TFLOPS（推理卡，轻量训练可用）

3. 沐曦 C500 (PCIe) 240 TFLOPS（对标 A100 通用算力）

4. 昆仑芯 R200 128 TFLOPS（主流云推理）

5. 寒武纪 MLU370-X8 96 TFLOPS（多租户虚拟化推理）

第三梯队：标准云端 / 边缘推理（FP16＜100 TFLOPS）

1. 寒武纪 MLU270 64 TFLOPS

2. 昆仑芯 K200 64 TFLOPS

3. 昇腾 310P 70 TFLOPS（视频推理专用）

4. 昆仑芯 K100 32 TFLOPS（边缘低功耗）

三、分场景专项排名

1）大模型训练场景（FP16 算力 + 显存带宽综合）

1. 寒武纪思元 690

2. 沐曦 C600

3. 思元 590 / 昆仑芯 P800

4. 昇腾 910B2

5. 沐曦 C550

2）云端推理场景（INT8 算力 + 显存性价比）

1. 昇腾 910B2（762 TOPS）

2. 思元 590 / 昆仑芯 P800（1380 TOPS）

3. 沐曦 C550（560 TOPS）

4. 昆仑芯 R200 / MLU370-X8（256 TOPS）

3）通用 GPU 兼容场景（CUDA 迁移友好）

1. 沐曦全系列（C600＞C550＞C500）

2. 寒武纪思元系列（MLU 生态独立，迁移成本中等）

3. 昆仑芯 XPU（自研栈，适配百度生态）

4. 昇腾 NPU（CANN 独立栈，不兼容 CUDA）

四、四大厂商核心优劣势总结

1. 昇腾

优势：全栈软硬一体、集群调度最强、国产化适配最完善、政企集采首选；

短板：不兼容 CUDA，通用图形计算弱；

算力定位：中端训练卡出货断层领先，旗舰 920 暂未大规模商用。

2. 寒武纪

优势：纸面算力国产第一（思元 690），MLU 推理优化成熟，虚拟化 vMLU 完善；

短板：早期思元 290 显存偏小，大模型多卡互联效率略逊昇腾；

算力定位：覆盖从边缘到超算全产品线。

3. 沐曦

优势：通用 GPU 架构，CUDA 高兼容，科学计算 / 渲染 / AI 三用；

短板：集群生态、国内落地规模弱于昇腾、寒武纪；

算力定位：通用算力替代英伟达 A100/H100 最佳国产方案。

4. 昆仑芯

优势：深度绑定百度文心大模型，推理业务经过搜索海量验证，硬件虚拟化成熟；

短板：训练旗舰 P800 出货量较少，早期一代芯片算力偏低；

算力定位：互联网云推理市场占有率高。

补充说明

1. 上表均为理论峰值算力，实际业务吞吐量受软件栈、多卡互联、显存带宽、算子优化影响，排名会发生变化；

2. FP8 算力仅沐曦 C600、寒武纪思元 690、昆仑芯 P800 支持，昇腾 910 系列无 FP8；

3. 若用于千亿参数大模型训练，优先看显存容量 + HBM 带宽，其次 FP16 算力；纯视觉推理优先看 INT8 算力与视频编解码能力。

家具美容培训

家具维修培训