如果华为的AI算力业务持续壮大，英伟达就一定会走下坡路吗？

围绕这两家公司的讨论，总有人急着排出胜负：一颗芯片发布，就有人宣布替代已经完成；一份财报创新高，又有人认定后来者再无机会。

这样的判断容易传播，却很难解释正在发生的商业变化。

2026年9月15日，第一财经报道了华为监事会主席郭平与新员工的座谈内容。其中一个表述尤其引人注意：华为ICT及计算业务的目标，是成为“英伟达”。落脚点在于支持客户构建大模型，让不同模型能够在华为的计算平台上高效运行。[1]

这句话值得从产业分工的角度理解。华为想要争取的，是一个越来越重要的位置：模型不断迭代，应用不断更替，但它们背后都需要可靠的计算基础设施。

这也不意味着华为放弃自研模型。同一篇报道明确区分了ICT、终端、智能驾驶和云业务对模型的不同需求。[1]

真正值得展开的问题是：当越来越多企业把AI纳入长期经营，世界是否只有一套算力体系能够成功？

华为不必等到英伟达衰落，才有机会成长为AI时代的算力巨头。 两家公司能够同时做大，同时强化各自的生态，也在更广泛的市场上继续竞争。

太平洋两岸各有一片天空，可以是一种产业前景。它不意味着世界已经被两家公司平分，更不意味着今天双方的实力已经对等。要让这个判断成立，最终还得回到需求、产品和客户的账本。

理解这场竞争，先要放下一张固定大小的市场份额饼图。

在一个需求不再增长的行业，一家公司的新增收入，往往意味着另一家公司的客户被抢走。但AI基础设施还处在用途不断扩展、客户不断进入的阶段。一部分订单来自存量设备更新，另一部分来自此前根本不存在的计算任务。

企业第一次把模型接入客服系统，制造商第一次把视觉模型放进质检流程，软件公司第一次为用户提供持续运行的智能体，这些行为都会产生新的计算需求。它们能否成为可持续收入，要看应用效果；但它们并不天然对应某一家供应商的损失。

英伟达的财报提供了一个观察窗口。2026年8月26日公布的2027财年第二季度业绩显示，在截至2026年7月26日的季度里，公司总营收达到962亿美元，其中数据中心收入为890亿美元，同比增长117%。同时，公司下一季度收入指引没有计入中国数据中心计算收入。[2]

这份指引针对的是中国数据中心计算业务，并不代表英伟达在中国的一切业务都归零。它传递的信号是：即使这部分市场带来很大不确定性，其他市场的需求仍在支撑公司的增长。

另一边，华为也在把算力产品推进真实客户环境。9月10日，华为在与中国联通的合作公告中披露，联通已规模部署昇腾算力并落地384超节点，同时推进昇腾950与联通云适配。[3]

这份公告没有披露相关收入、利润或利用率，不能拿来与英伟达财报直接比较。但它至少说明，华为的竞争已经包含部署、适配和持续服务，不能只按发布会上的产品展示来理解。

GTC 2026上，黄仁勋介绍Vera Rubin平台。图片来源：NVIDIA Newsroom官方

两条增长线因而可以同时存在：全球AI基础设施建设继续扩大，中国客户也在建立能够长期使用的算力供应体系。

一家中国企业把新的业务部署到昇腾平台，并不必然导致一家海外云厂商减少对英伟达的采购。两家公司有时在争夺同一笔预算，有时服务的是不同市场里新生的需求。把两种情况混在一起，就容易把商业竞争写成此消彼长的比分。

需求内部还有差异。训练前沿模型需要集中投入，面向大量用户提供推理服务则要持续计算。企业可能暂时不训练自己的大模型，却每天都在调用模型处理文档、生成内容或执行任务。只盯着少数最昂贵的训练项目，会低估日常服务对算力市场的塑造。

这不代表推理一定会成为所有供应商的好生意。响应速度、模型质量、调用价格和实际使用量，需要一起成立。但它提醒我们，AI市场的扩展来自许多不同场景，产品也可以在不同负载中找到合适的位置。

当然，市场增长也不会自动保证每家供应商都成功。机房建起来，不代表设备会被充分使用；模型运行起来，也不代表客户愿意持续付费。算力支出如果长期无法转化为业务收入，采购节奏就可能调整。

因此，“AI容得下两大巨头”的含义，是需求存在支撑多套大型平台的可能。谁能抓住它，仍取决于计算能力能否变成客户可负担、可持续使用的服务。

一家公司采购算力，表面上买的是设备，实际上也在决定未来几年如何组织技术团队。

硬件能不能按时交付，只是第一道问题。后面还有模型能不能部署、性能能不能达标、出现故障谁来处理、下一轮扩容能不能顺利衔接，以及已经投入的工程经验能否继续使用。

这些问题共同构成采购成本。设备报价之外，有适配费用、机房改造费用、电力支出，也有产品延期和团队反复调试的时间成本。采购部门看到的是合同，业务部门关心的则是服务何时上线、上线以后能不能稳定运行。

考虑一个典型场景：企业计划将内部知识库接入模型，为数千名员工提供服务。试验阶段只要证明模型能够回答问题；进入生产后，就要处理高峰访问、权限管理、错误回滚和日常升级。

如果换一套算力平台能够降低硬件支出，却让项目延期数月，采购收益就可能被开发成本吃掉。反过来，如果新平台能保证后续供应，且迁移后足以满足业务要求，企业也可能愿意承担一次性的适配投入。

不同客户因此会给“性能、价格、交付、连续性”排出不同顺序。前沿模型团队争取的是实验迭代速度，面向行业的服务商还要保证合同期内持续运营。即使在同一家企业里，训练集群与日常推理服务的采购标准，也可能并不相同。

这给不同平台留下了生存空间。成熟的工具体系能够帮助客户减少不确定性，稳定的供应和服务能力同样能够创造价值。华为与英伟达都需要回答这些问题，只是在不同客户那里，各项能力的权重并不一致。

技术领先可以带来溢价，经营上的确定性也有价格。 客户最终比较的，是完成同一项业务所需的全部投入，以及未来继续使用这套系统的风险。

这种逻辑也解释了，为什么第二种选择不能停留在“有一张卡可以买”。它必须形成完整路径：团队能够学会，现有业务能够迁入，出了问题有人解决，明年新增业务仍然有办法接上。

只要这些条件成立，客户就有理由认真考虑它。反之，即使第一次采购有很强的外部推动力，系统不好用、运营成本过高，后续业务也难以自然增长。

华为要撑起自己的天空，需要把这种确定性做出来；英伟达要继续扩大天空，也需要让客户相信，继续沿着它的产品路线投入是值得的。

NVIDIA Rubin平台官方产品图。图片来源：NVIDIA Newsroom

讨论华为的机会，绕不开芯片；只讨论芯片，又会漏掉这场竞争的一大部分。

当一个模型需要多块计算芯片共同完成任务，数据就必须在设备之间流动。芯片等待数据的时间、不同设备协同的效率、任务中断后的恢复速度，都在影响最后能交付多少有效计算。

单个部件再强，如果系统其他环节跟不上，也可能出现昂贵设备等待网络或存储的情况。集群规模越大，组织这些部件协同工作的难度越高。

华为在公开技术路线中，把互联协议和超节点架构放在重要位置；在MWC26的说明中，也把降低通信瓶颈、提高整体协同作为系统创新的方向。[4]

英伟达同样持续推进计算、互联、网络和软件的协同。其Vera Rubin平台采用系统层面的共同设计，覆盖多种芯片与配套系统，而非只更新一个GPU型号。[5]

这意味着双方都知道，客户需要的是一套能产出结果的计算系统。单颗芯片的能力仍然是基础，系统架构则决定这些能力能够被利用到什么程度。

2026 WAIC，昇腾950超节点真机展示。图片来源：华为官网

对华为而言，这种竞争维度的扩展具有特殊意义。它可以将连接、计算与复杂项目交付放在一起组织产品，在系统层面寻找改进空间。通信和网络领域形成的经验，有机会成为计算业务的资产。

机会具体体现在哪里？例如，让跨设备的数据交换更有效率，减少通信造成的等待；让资源调度更贴近模型负载，减少闲置；让故障恢复更可控，减少一次中断对长时间任务的影响。

这些改进看起来没有芯片参数醒目，却直接关系到客户的成本。如果同样一批设备能够更长时间稳定工作，或者在既定时间内完成更多任务，就会改变经济账。

但“系统能力”不能成为回避基础差距的万能解释。更多设备需要更多电力、空间和维护资源，互联设计也要付出代价。依靠规模获得的总性能优势，必须与为此增加的成本一起计算。

因此，判断超节点的竞争力，不能只把两组峰值算力摆在一起。型号不同、精度不同、设备数量不同，数字很容易产生误导。真正有意义的比较，应当落到同一种模型、同一种任务和相近服务要求下的表现。

训练任务要看完成时间、连续运行能力，以及失败后重新计算的代价。推理任务要看用户等待多久、同时能服务多少请求、在满足质量要求时每次服务花多少钱。用电、软件优化和人员投入，也应进入评价。

华为的机会在于，把多个环节组织成能够解决客户问题的整体。它需要用真实负载证明这条路线的价值，而非仅靠规模证明存在感。

英伟达的挑战也不会因为已有优势而消失。随着客户采购越来越庞大的系统，它必须继续解释：新增投入究竟改善了多少实际产出。

竞争由此变得更复杂，也更接近产业本来的面貌。企业之间的较量，最终会穿过一张张参数表，进入机房和生产环境。

硬件卖出去，是平台竞争的起点。

在客户那里，一个新平台要经过模型适配、性能优化、故障排查、工具建设和团队培训。每一步都需要投入，也都会留下经验。经验是否能够积累，决定了这笔采购后面能长出多大的生意。

成熟生态的价值，经常藏在那些不容易被展示的细节里：工程师遇到问题时能否找到可靠文档，常用组件是否已经适配，新增员工能否快速上手，软件升级之后原来的业务是否仍然稳定。

这些条件减少一次次重复劳动，也降低业务延期的概率。对客户而言，省下的工程时间能够转化为更快的上线速度和更低的维护负担。

这也是理解英伟达生态优势的一种方式。客户投入的代码、人才和运行经验，能够影响下一轮采购。平台的竞争力因此会随着使用过程继续积累，而不只存在于卖出硬件的那一刻。

华为需要完成同样的过程。外部环境可以让客户愿意尝试，真实使用体验才会决定团队是否继续投入。软件是否好用、支持是否及时、升级是否顺畅，都会进入客户下一次决策。

华为在MWC26的官方介绍中披露，CANN已支持PyTorch、vLLM等开源项目，并推进基础软件开源。这些动作指向一个清楚的目标：让开发者能够更方便地进入和使用其计算平台。[4]

华为全联接大会2025期间，CANN技术指导委员会成立。图片来源：华为官网

不过，支持名单只是起点。具体模型能不能顺利运行、某个算子是否需要单独优化、版本升级会不会引入新的问题，都需要在实际项目中检查。开源扩大了参与空间，但不会自动消除迁移成本。

真正值得观察的，是客户的第二个项目会不会更快。第一个团队解决过的问题，能否被第二个团队直接复用？第一次部署积累的工具，能否服务下一批模型？供应商的现场支持，能否逐渐沉淀成标准产品和公共文档？

如果每一个项目都要重新配置一支庞大的技术支援队伍，业务可以做成，却很难高效复制。只有经验逐渐标准化，合作伙伴能够独立交付，平台才有可能扩大规模而不同比例增加服务成本。

这正是订单与生态之间最关键的一段距离。

生态也需要合作伙伴获得合理收益。做应用的公司要有空间收取服务费，做集成的公司要能复用交付经验，开发者投入新平台后要获得更多工作机会。平台越强，如果身边的伙伴越难赚钱，扩张就会碰到阻力。

这里还有一个容易被忽略的矛盾：客户希望供应商把问题全都解决，生态伙伴却需要保留自己的业务空间。平台如果把每个行业应用都做成自营业务，伙伴投入就可能变得谨慎；如果只提供硬件而缺少必要支持，伙伴又要独自承担过高的交付风险。基础能力做到哪里、哪些环节交给伙伴，会影响生态能否形成稳定分工。

所以，评价华为的进展，除了看卖了多少设备，也应看客户是否扩容、伙伴是否增加投入、部署周期是否缩短、常见问题是否越来越容易解决。这些指标没有发布会上的数字耀眼，却更接近平台能否长期成立。

让客户愿意试一次，是市场机会；让客户愿意继续用，是企业能力。 华为要成为怎样的“英伟达”，最终需要在这个环节给出答案。

英伟达对中国市场的关注，包含的不只是当季能够卖出多少产品。

在最新10-Q文件中，它表示，无法充分参与中国数据中心计算市场，帮助竞争对手建立了更大的开发者和客户生态，并可能在全球范围内挑战自身。这是英伟达在监管文件中的公司立场；其中的竞争对手并没有被限定为华为。[6]

这段表述点出了一个长期机制：订单流向变化，可能带动工程投入流向变化。

当客户开始认真部署另一套平台，就会有人研究如何优化它，学校和培训机构可能增加相关课程，服务商会形成新的交付团队，软件厂商也会重新评估适配优先级。变化未必立刻体现为市场份额，却可能逐步降低后来者的使用门槛。

过去需要供应商派人处理的问题，将来可能由客户自己的工程师解决；过去只有少数项目能够完成的适配，将来可能变成可以复用的工具。到了这个阶段，新的竞争能力才算真正留下来。

当然，外部限制同时会带来供给、研发与生态协作方面的困难。不能因为竞争对手获得某些市场机会，就把限制直接描述成有利条件。一个平台能否成长，仍要看它能否克服约束、交付产品，并承担长期研发成本。

对华为而言，市场窗口尤其需要转化为时间积累。客户一边使用，一边提出问题，平台一边修复、一边形成标准，才能逐渐减少下一次交付的阻力。如果机会只变成一次性采购，产品和软件没有跟上，窗口本身不会替企业解决问题。

2026中国联通合作伙伴大会上，杨超斌发表主题演讲。图片来源：华为官网

与此同时，不能把中国AI算力市场写成某一家公司的天然领地。其他芯片供应商、云平台以及客户自己的技术路线，同样会影响采购。客户有自己的成本约束，也会根据负载选择方案。

全球市场也一样。即使英伟达继续保持强大地位，客户仍有动力寻找成本更合适的替代方案，或者为某类稳定负载开发更专用的计算路径。

所以，多巨头并存不意味着竞争结束。恰恰相反，竞争会从争取第一批客户，延伸到争取下一代开发者、下一批应用和下一轮扩容。

两家公司都在争夺一种更长久的关系：当客户准备开展下一项AI业务时，谁会成为它首先想到、也最容易开始使用的平台。

“各撑一片天空”是理解格局的一种比喻，不能当成已经画好的市场边界。

华为在MWC26巴塞罗那期间向海外展示Atlas 950等超节点产品，公开提出为世界提供新的算力选择。这表明其市场诉求不限于中国，但产品展示不能等同于已经获得规模海外收入。[4]

华为MWC26官方新闻稿中的超节点产品配图。图片来源：华为官网

从展示走向稳定经营，中间还要经过本地交付、客户验证、合作伙伴建设和持续服务。一个市场里积累的经验，进入另一个市场后能复用多少，要靠具体项目检验。

英伟达拥有庞大的全球业务，也不意味着各地客户的需求完全一致。不同企业对部署位置、供应连续性、成本和技术控制力的要求，会不断塑造新的细分市场。

因此，值得讨论的一种长期格局，是两家公司各有重要基础，同时继续争取能够进入的市场。它们的产品未必服务同一批客户，客户也未必只选择一家。

还有大量企业会通过云服务和模型接口使用算力，根本不直接采购芯片。它们关心的是服务效果、价格和稳定性，底层硬件由云平台来组织。这使竞争多了一层：谁能帮助服务商提供更有吸引力的产品，谁就有机会接住用户需求。最终用户未必记得芯片品牌，订单仍会沿着服务链条传导到基础设施。

对企业来说，多一种成熟平台的价值，首先在于多一条可以认真评估的路径。采购有了比较对象，供应有了替补方案，业务设计也有了更大的回旋空间。

但多平台同样有代价。团队可能需要维护不同的软件环境、验证不同的运行结果、准备不同的运维方案。如果业务规模不足以支撑这些工作，形式上的多一种选择，也可能变成额外负担。

真正有价值的开放，是让客户在需要迁移时有路可走，让已有模型与工程经验能够尽量复用。能否降低这种转换成本，会影响下一阶段的竞争，也会影响AI应用能扩展到多广的范围。

这场竞争最终还会落到一个共同约束上：客户的业务必须成立。

无论设备由谁提供，买方都要回答同样的问题：AI有没有改善服务，有没有降低必要成本，有没有创造值得付费的产品？如果客户只能持续采购、难以获得回报，基础设施厂商的增长终究会受到影响。

反过来，客户找到稳定收入，开发者提高生产效率，合作伙伴能够持续经营，算力平台就会获得更深的需求基础。两家公司的长期空间，都建立在这个基础之上。

这也是两家公司的竞争值得被重新理解的原因。英伟达要继续证明领先带来的经济价值，华为要持续证明另一条路线能够可靠地运行。市场留给两者的空间，最终都来自客户愿意继续投入。

太平洋两岸可以长出不同的产业生态，彼此竞争，也共同推动更多AI业务成为现实。它们今天拥有的优势并不相同，面临的难题也并不对称，但都必须不断把技术能力兑现为客户价值。