作者：电子创新网张国斌
据悉，华为将于8月12日在2025金融AI推理应用落地与发展论坛上，发布AI推理领域的突破性技术成果。据透露，这项成果或能降低中国AI推理对HBM（高带宽内存）技术的依赖，提升国内AI大模型推理性能，完善中国AI推理生态的关键部分。
通过技术创新，提升国内AI大模型的推理性能，使其在实际应用中更加高效。这一成果将填补中国AI推理生态的关键部分，推动整个AI产业的发展。
HBM（高带宽内存）是一种高性能的3D堆叠DRAM技术，广泛应用于AI推理和训练场景，但其成本较高且供应受限。通过减少对HBM的依赖，华为可以降低AI推理系统的成本，提高系统的可扩展性和经济性，使更多企业能够负担得起高性能的AI推理解决方案。
随着今年DeepSeek来源，大大降低了大模型在端侧落地的门槛，如一些白家电都开始将满血或者蒸馏的大模型落地，要支持蒸馏的大模型落地就需要性能更好的支持推理的算力处理器，因为推理性能直接影响到应用的响应速度和用户体验。可以说，当前推理性能的提升是AI应用落地的关键瓶颈之一，英伟达迫切地希望其H20在中国销售，也是因为H20推理性能出众，有刚需。
AI推理需频繁调用海量模型参数（如千亿级权重）和实时输入数据，HBM的高带宽和大容量允许GPU直接访问完整模型，可避免传统DDR内存因带宽不足导致的算力闲置。对于千亿参数以上的大模型，HBM可显著提升响应速度。当下，HBM已成为高端AI芯片的标配，训练侧渗透率接近100%，推理侧随模型复杂化加速普及。
由于HBM对AI至关重要，因此，美国也特别加强HBM对华销售，根据2024年12月2日发布的新规，美国禁止向中国出口HBM2E（第二代HBM的增强版）及以上级别的HBM芯片。不仅美国本土生产的HBM芯片受到限制，任何在海外生产但使用了美国技术的HBM芯片也受到出口管制。该禁令于2025年1月2日正式生效。
全球主要的HBM芯片制造商，包括美光（Micron）、三星（Samsung）和SK海力士（SK Hynix），都受到这一政策的影响。该禁令限制了中国获取高性能HBM芯片的能力，可能对中国的AI产业和高性能计算领域的发展造成一定阻碍。
目前，中国企业和科研机构正在加速HBM技术的自主研发，以减少对进口芯片的依赖并取得了一定的成就。
在这样的大背景下，华为的新成果有望显著提升AI大模型的推理性能，使其能够更高效地处理复杂的推理任务，从而推动AI在金融、医疗、交通等领域的广泛应用。华为的这一成果将填补中国AI推理生态的关键部分，提升整个生态的竞争力，促进AI技术的产业化和商业化。
实际上，华为一直在努力通过技术创新实现算力的突破，2025年4月10日华为在安徽芜湖举办的华为云生态大会2025上正式发布了CloudMatrix 384超节点集群，并宣布已在华为云芜湖数据中心实现规模上线。在2025世界人工智能大会（WAIC）上，华为首次线下展出了昇腾384超节点（即Atlas 900 A3 SuperPoD）。
华为推出的CloudMatrix384超节点集群，通过“全对等架构+软硬协同”的模式，打破了传统上算力、延迟和成本之间的“不可能三角”。该超节点集群实现了392GB/s的卡间带宽，让384张NPU能够高效协同工作，显著提升了推理效率。
CloudMatrix384 采用 全对等互联总线（UB 网络） 技术，基于 Clos 架构实现 384 颗昇腾 NPU 和 192 颗鲲鹏 CPU 的无阻塞高速互联。通过定制化光通信模块，单卡间单向带宽达 392GB/s（约为传统 RoCE 网络的 15 倍），传输延迟从 10 微秒降至 1 微秒以内。这种架构突破了传统集群的 “南北向带宽瓶颈”，实现数据在芯片间的直接传输，尤其适合 MoE 模型中高频 token 分发场景，通信效率提升 70% 以上。数据显示，CloudMatrix 384可提供高达300 PFLOPs的BF16算力，接近英伟达GB200 NVL72系统的两倍。单卡推理吞吐量从每秒600 Token跃升至2300 Token，提升近4倍。
这一次，华为又将发布什么突破性技术？我们拭目以待！
注：本文为原创文章，未经作者授权严禁转载或部分摘录切割使用，否则我们将保留侵权追诉的权利