华为ai 与人工智能走到2026年：从被卡脖子到全栈自研，我聊了聊真实的进展和差距-华为ai 与人工智能

前天晚上看球看到一半，手机弹了条推送，说昇腾那边又有新动作。我放下啤酒罐点进去看了半天，看着看着就跑神了——想起2019年那会儿，我跟一个在深圳做硬件的哥们儿打电话，他说"这回是真要命了"。那会儿谁能想到，七八年之后，"华为ai 与人工智能"会变成百度、必应上被人翻来覆去搜的一个词。

先交个底，我不是什么专业人士

我就是一个在论坛泡了七八年的普通网友，干过几年媒体，现在做点小生意。看科技新闻纯属爱好，跟圈里几个朋友偶尔聊两句，听来的东西不一定准，您就当听个乐。

但为什么还是想写这篇？因为"华为ai 与人工智能"这个事儿，网上讨论要么吹上天，要么踩到泥里，中间那部分最真实的东西，反而没人好好说。

2019年那事儿，现在回头看是个分水岭

如果没记错，2019年5月，华为被列进实体清单。海思那封"一夜之间全部转正"的内部信，当时刷屏了。我记得那天我在一个球迷群里，平时只聊球的哥们儿都在转。

那会儿大家讨论的还只是芯片、5G这些。AI这块，说实话没多少人往深了想。毕竟英伟达那时候已经把CUDA生态做得跟长城一样厚了，你拿什么去碰？

结果华为选了条最笨的路

全栈。从最底下的芯片，到中间的框架，再到上面的模型和应用，全自己来。

我查了下，不一定全对，大概是这么个链条：

• 算力层：昇腾系列芯片，配上CANN这套软件栈
• 框架层：昇思MindSpore
• 模型层：盘古大模型，分了好几个版本，什么气象、矿山、电力这些行业版
• 应用层：鸿蒙那边的端侧AI，还有各种行业落地

这条链子拉得有多长呢？打个比方，相当于一个人既要去挖铁矿，又要自己炼钢，还要造发动机，最后还得把车开上赛道跟人比。任何一个环节掉链子，整条线都很难看。

但就是这种笨功夫，反而成了它最难被替代的地方。

不过冷水还是要泼

我有个大学同学，现在在一家做大模型的公司写代码。前阵子喝酒，我问他昇腾用得咋样。他愣了一下，说"能用，但迁移挺折腾的"。

"生态这东西不是靠堆钱堆出来的，是无数开发者一行一行代码踩坑踩出来的。CUDA那套东西二十年了，你想让人搬家，光靠情怀不够。"

这话我觉得挺实在。硬件参数可以追，工具链、文档、社区、报错时能不能搜到答案——这些才是真正卡人的地方。

还有个我觉得被低估的问题

人才。不是做AI的人少，是习惯了某套生态的人，重新学一套，时间成本太高。2026年了，我身边做算法的朋友，十个里有八个还是Python加PyTorch那套。换谁都得掂量掂量。

那到底该怎么看这件事

我的看法比较糙：别把它当成一场短跑。

如果只看单点性能，可能还有差距，这个不用回避。但如果看整条链路的自主程度，看它在被限制的情况下还能不能往前推，这个意义就不一样了。说白了，华为ai 与人工智能走的不是"我要在今天超过谁"的路子，是"我得先保证明天不断供"的路子。

这两个目标，评价标准完全不同。

扯远了，说回普通人。其实对我们来说，这东西最直接的感受可能就是手机上的助手变聪明了、拍照优化变好了、家里的设备联动顺了。至于背后是昇腾还是别的什么，大部分人根本不关心。

但恰恰是这些不关心的部分，才是最要命的。

先写到这吧。我也就是个看热闹的，说得不一定对。你们怎么看？