本报告聚焦华为盘古大模型与昇腾AI计算平台,深入解析其软硬一体的全栈AI技术体系构建路径,重点介绍大模型架构创新(如分组专家混合架构)与基于CloudMatrix的硬件基础设施协同优化策略,展现华为在AI系统软硬件协同解决方案上的领先优势及潜在风险因素 。
本报告题为《华为盘古大模型与昇腾AI计算平台,共同构建软硬一体的AI技术体系》,由国泰海通证券于2025年8月6日发布,报告撰写者为鲍雁辛、李嘉琪及刘峰,均为国泰海通证券研究所的注册分析师和助理。报告的核心主题聚焦于华为在人工智能领域,特别是其自研大语言模型“盘古大模型”及昇腾AI计算平台的软硬件协同创新,探索全栈AI竞争力的建设路径。报告剖析了华为如何通过软硬一体化技术体系创新,包括模型设计、硬件架构、系统优化等,提升AI算力与效率,突破行业瓶颈。
核心观点总结:
报告起点明确指出,华为AI发展已由追求业界最优(SOTA)模型转向因地制宜地设计模型以发挥自研昇腾硬件潜能。此路径强调“软硬协同”,不再单一强调硬件提升或单纯提升算法,而是系统工程层面解决性能瓶颈。此背景强调AI领域的系统集成瓶颈,是华为差异化竞争策略的理论基础。
报告详细解析大模型技术趋势,即从稠密模型向混合专家(MoE)稀疏模型转变,MoE可显著提升参数规模和理论效率,但“专家负载不均衡”阻碍了训练与推理表现。华为在这一挑战中提出两种创新路径:
两种路径分别应对不同技术难点,体现华为对“解决系统性瓶颈”的深入理解及全栈设计思路。
硬件方面,新一代AI计算平台CloudMatrix尤为关键。其核心为“统一总线(UB)网络”,实现跨节点高速、统一寻址的分布式高速内存池。这显著降低了多节点计算过程中通信延迟的性能差异,是打造大规模专家并行(LEP)架构的硬件基础,为软件层面高度并行化及低延迟提供物理支撑。
报告强调,CloudMatrix为PDC(Prefill-Decode-Caching)分离架构等软件创新提供了底层物理条件。算子级优化措施如LEP和AIV-Direct更是在硬件通信带宽限制下提升计算效率,实现硬件与软件紧密协同,改善大模型推理与训练瓶颈。
风险部分提到三个主要风险因素:
报告未具体给出缓解方案,但风险描述清晰,显示对行业技术复杂性的清醒认识。
报告当前节选中仅包含一张二维码图片(见下图),作为国泰海通证券研究所官方微信公众号的订阅引导,目的在于方便投资者订阅获取更多报告服务。该二维码无直接业务含义,不构成技术或数据分析内容。
此次披露内容中未涉及具体财务数据、估值模型或目标价,报告重点放在技术创新路径及软硬件协同体系建设层面,估值推断可能涵盖在完整报告版本中,但本节选未予展示。
报告风险点设定较为明确,涉及技术演进、行业竞争和研发效果。三大风险均为华为AI体系能否成功商业化释放的关键障碍。鉴于AI领域技术革新快速且竞争激烈,这些风险合理且具有代表性。但报告中并未明确给出风险发生概率或明确缓解策略,显示一定的保守态度,后续持续跟踪研发进展将是关键。
国泰海通证券的这份报告深入解析华为在AI大模型领域的创新路径,揭示了其基于自研昇腾硬件的软硬协同设计战略。通过Pangu Pro MoE与UltraMoE两条创新线路,以及CloudMatrix统一总线网络基础设施,华为力图破解大模型训练与推理中的“专家负载不均衡”及跨节点通信瓶颈,构建全栈AI技术体系。这种软硬耦合创新在业界具有一定的领先性和差异化优势。
风险提示中涵盖了技术进展、竞争态势及优化实现三大关键不确定性,报告体现了技术创新的同时也注意潜在挑战。虽缺少财政估值,但通过技术细节展示华为向产业领先迈进的坚定步伐。
整体来看,这份报告为投资者和行业观察者提供了华为AI技术战略的清晰技术视角,强调软硬协同作为突破大模型业界瓶颈的关键路径,具有较高的参考价值和指导意义。
国泰海通|产业:华为盘古大模型与昇腾AI计算平台,共同构建软硬一体的AI技术体系.pdf