華為搶走了英偉達的劇本

“華為云不追逐Token數量，也不在乎收入總量。”

《中國企業家》記者 閆俊文

見習編輯｜李原 編輯｜何伊凡

頭圖來源｜視覺中國

今年5月，英偉達CEO黃仁勛對媒體坦言：“很大程度上，我們已經把中國AI芯片市場，讓給華為了。”

事實的確如此，華為正從Plan B選項躍升為至關重要的AI算力支撐平臺，并吸引了一批互聯網大廠主動“遷移”至華為云。

《中國企業家》獲悉，小紅書大模型基建部門披露，目前，小紅書MaaS規模已達日均萬億級Token規模，約有40%的Token計算在昇騰系列芯片上運行。未來3個月，小紅書計劃將昇騰的推理產能提升至60%，長期目標是讓昇騰成為其AI推理底座。

除了小紅書，華為云的客戶名單上還有美團、B站、DeepSeek、月之暗面和更多互聯網大廠。

華為基于910C芯片的A3超節點，以及將在不久后推出的950芯片系列超節點，也被大廠搶先下單。一家計算服務器公司的高層告訴《中國企業家》：“在推理需求的帶動下，2026年，互聯網大廠對超節點的需求猛增，訂單已經排到了兩年后。”

字節、阿里圍繞MaaS、Token消耗激戰正酣之際，華為卻不準備進入熱戰中心，而是將注意力投向to B和產業落地。

6月5日，在“華為云創想者峰會”上，華為公司董事、華為云CEO周躍峰公布了華為云的開放戰略，擁抱“百模千態”——開源模型即日可部署，上線“智果園”智能體平臺，提供包括智譜、Kimi、DeepSeek在內的開源模型接入。

周躍峰 來源：受訪者

會后，周躍峰告訴《中國企業家》等媒體，華為云不追逐Token數量，也不在乎收入總量。“我們看重每一個Token給生產力帶來的價值，尤其是落地to B行業帶來的價值。”

周躍峰以金融舉例：“我們要看防范了多少金融風險，提升了個人多少工作和信貸業務的效率等。不能簡單說，產生了多少Token，模型被調用了多少次，這是沒有意義的。”

一位資深投資人告訴《中國企業家》：華為云與華為計算，未來對標的是英偉達。

除了直接賣GPU算力，“華為云+華為計算”也仿效英偉達，搭建起算力集群、超節點與高規格基礎設施。“價值導向”而非“規模導向”的定位，也讓華為將主攻方向鎖定在公共云賽道，重點服務政企、金融、汽車等領域。

在行業AI解決方案上，英偉達布局了工業孿生、汽車智駕芯片、機器人大腦模型等領域；華為則推出了具身智能、智慧醫療、智能制造、科學發現等4類行業AI工廠。

黃仁勛將英偉達的故事描述為“Token工廠”，追求高吞吐，低成本。最近，華為半導體業務部總裁何庭波宣布了韜（τ）定律，提出了芯片的邏輯折疊技術。

華為云峰會上，周躍峰也提出了一個新公式：Agentic Infra新范式=高效Token工廠+持續學習+通智一體化調度+安全自治。

攝影：閆俊文

不過，華為還需要補齊大模型一塊關鍵拼圖。采訪中，周躍峰沒有太多提及自家“盤古”大模型。

上一次盤古大模型版本更新還是在2025年6月。2026年3月，華為諾亞方舟實驗室主任、華為盤古大模型負責人王云鶴宣布離職。而《中國企業家》獲悉，華為自研的盤古大模型正在推倒重來，預計下半年會推出新版本。

不追逐Token數量

Token消耗和銷售的戰事，還在不斷升級。6月8日，阿里宣布合并通義大模型事業部和未來生活實驗室，成立Token Foundry事業部，由集團CEO吳泳銘直接負責。

豆包則是在6月內測推出專業版，一腳踏進訂閱付費領域。媒體報道稱，字節負責模型研發的Seed團隊今年的重點是：世界模型、視頻模型、Coding和辦公場景的商業化。

華為云則選擇從三個層面與對手實施差異化競爭：開放模型、AI Coding與RL（強化學習）的產業落地。

一位華為云前置銷售告訴《中國企業家》，友商對賣MaaS和Token給予了超額激勵，華為云也給了銷售人員賣Token一定的壓力。

但考慮到華為盤古大模型“目前不是主推模型”，該銷售表示，華為考核的是客戶在華為云上對第三方模型的Token消耗。但面對未來，該銷售仍然樂觀。AI發展還在初期，“用戶就像流水一樣，他們會隨著價格、模型能力等流動”。

用周躍峰的話說，在智能體時代，華為云要成為一朵最開放的云。6月5日的大會現場，華為云攜手智譜、DeepSeek、MiniMax、月之暗面、階躍星辰、百度、美團LongCat、訊飛星火、愛詩科技、生數科技等20余家頭部AI廠商，發布了“百模千態，云聚共贏”的生態合作計劃。

來源：受訪者

華為云也在強化銷售體系，華為高級副總裁、華為云全球營銷服總裁楊友桂在演講中說，加強與伙伴的合作永遠不動搖。未來華為云50%的收入將來自華為直銷，50%來自伙伴銷售。華為云要讓伙伴：更信任、更掙錢、更簡單、更好成長。

除了行業大客戶，華為云還推出了OPC（超級個體）創新支持計劃，提供包括算力與AI Coding等工具的支持。在AI Coding戰場，華為云上線了AI編程智能體“碼道”（CodeArts）。周躍峰表示，華為云將以“范佛里特彈藥量”（不計成本）來打造這一能力。

雖然華為云沒有披露盤古大模型訓練的最新進展，但周躍峰表示：強化學習與企業數據，是行業落地非常關鍵的一個步驟。“調整模型參數已經解決不了行業落地問題，必須結合企業私有數據進行強化學習。比如需要分鐘級創建萬級沙箱，并且RL過程要可觀測、可存儲。”

軟、硬、芯協同，瞄準公有云

華為云一位高層在演講中判斷，云計算已經跨入了“Token工業時代”。

這意味著Token大基建時代正在到來。頭部大模型公司DeepSeek、月之暗面、智譜、MiniMax仍在通過上市或持續融資儲備更多的彈藥，投入AI基礎設施建設——主要是Infra層。

但周躍峰告訴《中國企業家》等媒體：不可能每一個機構和公司都打造萬卡集群，公共云才是承載超大規模通用大模型的最優解。“通過機密推理和訓練，平衡安全和資源高效共享。”

公共云是華為云主攻的市場，也是阿里、百度、騰訊等廠商集中炮火的領域。對華為云來說，其核心優勢在于軟、硬、芯的協同：

其中軟件層指模型路由、Agent運行環境等Infra工具，實現硬件與模型的最優配合。華為云已上線“模型路由”能力，讓智能體自主選擇適配模型，運行成本可下降20%以上。

硬件層指超節點產品以及各類算力集群，華為的靈衢智算集群支持10萬卡集群規模，單一集群達到200EFLOPS算力，并可將Token生成時延降低到10毫秒以內，千卡每秒吞吐高達500萬Token。

芯片層則是華為自研昇騰（AI）、鯤鵬（CPU）等芯片，可以提供算子優化、計算加速等各類支持。

更具前瞻性的是對Agent時代基礎設施的重新定義。華為公司Fellow、云系統首席專家余洲提出，傳統計算機關注算力與內存的資源堆積，而Agent時代的計算機應關注“任務如何被拆解、調度、執行、訪問狀態，以及從錯誤中恢復”。

“未來的基礎設施將以Token作為最小單位去考量，”余洲說，“不必暴露底層資源組成，重要的是如何高效生產、執行任務。”

業界普遍擔憂，內存而非計算才是Agent時代的“卡脖子”環節——KV Cache（鍵值緩存）大小與模型生成序列長度成正比，文本越長，緩存的Key和Value向量越多，顯存占用越大。

為此，華為云推出AMS Agentic（記憶存儲解決方案），依托昇騰NPU，構筑PB級超大上下文記憶空間，規模優于業界1倍；全新盤級存儲架構與三合一芯片實現TB級記憶極速讀取，整體性能領先業界50%。

黑土地形成需要時間

5月25日，華為半導體業務部總裁何庭波宣布，基于華為過去6年做出381款芯片的經驗提出了新理論——韜（τ）定律。

韜（τ）定律以“時間縮微”替代“幾何縮微”，通過邏輯折疊等創新技術，壓縮芯片內的走線距離、互聯時延，提高電信號傳輸效率，讓芯片從2D平面進化為3D立體，從而開拓出一條有別于追求制程納米節點的新路。

周躍峰在采訪中提到韜（τ）定律時表示：“華為沒有辦法構建萬國牌的硅基黑土地，我們的硅基黑土地會越來越厚。”

攝影：閆俊文

但黑土地的形成需要時間。一位半導體領域的投資人告訴《中國企業家》：華為提出韜（τ）定律，需要開放更多技術細節和進展，他們才會敢于出手投資產業鏈上下游。

生態的構建是一項長期的任務，也不是華為一家可以完成的事情。在峰會上，華為云宣布，要聯合開發者在“黑土地”上共同打造“行業AI夢工廠”，通過構建垂直領域開發社區，開放華為在醫療、自動駕駛、具身智能等領域積累的技術能力、工具鏈與行業實踐經驗，支持開發者落地。

這也與英偉達的路徑形成了映射。英偉達正嘗試將CUDA生態從數據中心擴展到PC和人形機器人領域，試圖讓所有算力場景都離不開它的標準。今年6月，英偉達又聯合微軟推出了全新RTX Spark智能體計算機。黃仁勛說：“家庭AI超級計算機將像現代家電一樣普及，這場PC再發明與智能手機的誕生同等量級。”

東北黑土地每形成1厘米厚的黑土，就需要200年至400年的時間。而英偉達的CUDA生態，也歷經了十余年培養開發者黏性。對于華為云來說，這場硅基黑土地的長征才剛剛開始。