华为昇腾910C作为国产AI芯片的代表，近期在万亿级大模型训练中实现了关键突破，标志着国产算力在规模化训练能力上迈出了实质性的一步。
首先，深圳市AI团队成功利用昇腾910C集群完成DeepSeek-V4-Pro万亿参数大模型的全参数后训练，验证了国产芯片在超大规模模型训练中的可行性与稳定性（深圳团队用华为昇腾910C成功训练万亿参数大模型DeepSeek-V4-Pro）。紧接着，华为自身也宣布昇腾910C完成了1.6万亿参数模型的全参数后训练，进一步展示了其在算力密度和集群效率上的潜力（昇腾910C完成1.6万亿参数模型全参数后训练，国产AI算力跨越关键门槛）。在技术创新层面，针对LLM推理中Prefill和Decode阶段的资源争用问题，研究者提出了FlexNPU方案，通过透明NPU虚拟化优化资源分配，可有效提升昇腾910C等NPU在动态负载下的利用率（FlexNPU：为LLM动态Prefill-Decode共置的透明NPU虚拟化）。
当前焦点在于，昇腾910C已证明能支撑万亿参数级别的训练任务，但仍需在集群互联效率、软件生态完善度和长稳运行可靠性上持续优化。未来观察点包括：国产AI芯片在更大规模（如10万亿参数）模型上的表现，以及其与英伟达H100/B200等主流芯片的实际性能对比。