CUDA 迁移的隐秘战争 ——谁在深夜重写那百万行代码

2026-11-14 15:17:561℃
臻 研 社 · 专栏硬科技产业观察 · 系列第五篇 · 收束《大厂自研》《昇腾的孤独》《HBM 这道坎》CUDA 迁移的隐秘战争

——谁在深夜重写那百万行代码,CANN、SAIL、MUSA、XPU-P 四栈的胜负手

/ 文 :房旭阳/ 臻研社 · 产业研究组 | 数据多源交叉核验,2026-11编者按:前三篇讲了三件明面上的事——大厂在"造芯"、华为在"造底座"、弹药库(HBM)卡在别人手里。这一篇钻到最底下那层:芯片造出来、HBM 抢到了,代码怎么跑起来?英伟达真正的护城河从来不是 GPU,是 CUDA 二十年堆出来的"百万行已跑通的代码"。当六七个国产软件栈各自为战,一场没人报道的"翻译战争"正在深夜进行——把同一段模型,从 CUDA 方言,翻译成 CANN、SAIL、MUSA、XPU-P 四套彼此不通的方言。这场战争的决定权,不在谁的算子多,在谁的"迁移摩擦"先趋近于零。

前作收口时说,通用算力平台的生态位,中国最终只长一到两个;而第二个位置的争夺,"是 CANN 和 SAIL 谁占"。这句话把战争引向了它的真正战场——不是晶圆,不是封装,是软件栈。芯片是肌肉,软件栈是神经;肌肉能靠砸钱和 lithography 追,神经只能靠开发者一行一行喂、一年一年长。这一篇把四条国产神经摊开,看谁先接得住 CUDA 那套二十年的 reflexes。

600万CUDA 开发者
二十年积累<100万国产阵营
开发者基数15-20%迁栈需重写的
核心代码比例6套互不兼容的
国产软件栈◆ ◆ ◆01先看战场:CUDA 的护城河不是技术,是"已跑通"

迁移难的从来不是语法,是二十年踩过的坑、调优过的算子、验证过的精度——这些不在文档里,在代码里

很多人以为 CUDA 是一座技术高山,国产只要把算子补齐就能翻过去。这个理解错在根上。CUDA 的护城河不是"能做到什么",是"已经被验证能稳定做到什么"。600 万开发者、二十年的开源项目(PyTorch、vLLM、FlashAttention、Triton……)、无数个生产环境里踩平的性能陷阱——这些沉淀成两样东西:一套事实标准的算子语义,和一堆默认"抹平"好的工程细节。迁栈的痛,几乎全来自这两样东西的缺口。

⚠ 一个被反复误用的对标:算子"数量"不是护城河,"密度"才是

常见话术是"CANN 算子从零做到 1400-1500 个,追上 CUDA 了"。但 CUDA 的 300 个软件库,每一个背后都是百万级用户喂出来的调用密度、边界情况、性能特化路径。算子对得上名字 ≠ 对得上精度 ≠ 对得上性能 ≠ 对得上长尾 shape。数量能在四年里补,密度只能靠用户规模一点点喂——而密度,恰恰是国产栈现在最缺的东西。

光明实验室做过一次罕见的硬核对标:对 4000 多个测试用例、100 多个核心算子跑 CANN,结果是完全支持 55 个、条件支持 14 个、暂不支持 33 个。"条件支持"意味着某些 shape、某些 dtype、某些融合场景下会掉链子——而生产环境偏偏最爱踩这些条件。这就是"翻译战争"的真实战场:不是在补那 33 个"不支持",是在把 14 个"条件支持"磨成"无条件",把 55 个"能跑"磨成"跑得快、跑得稳"。

◆ ◆ ◆02迁移的真实成本账:九道坎,一道比一道深

把一个真实大模型从 CUDA 迁到国产栈,工程队要爬完这九级台阶——这才是"隐秘"二字的分量

把"迁栈"从一句口号还原成一张工程清单,才知道深夜重写的是什么。一家企业把大模型从 CUDA 迁到 CANN,要依次爬完九道坎:

1算子覆盖差异

先做全量算子盘点。缺的算子要么等官方补,要么自己写 Ascend C / Triton。某自动驾驶企业迁昇腾,重写了 60% 以上算子。

2精度对齐

同一模型、同一权重,逐层比对输出。FP8/FP4、BF16 的舍入路径不同,误差会层层放大。精度不对齐,训练根本不敢放上去。

3通信库替换

NCCL → HCCL(昇腾)/ BCCL(昆仑芯)/ 各栈自有通信库。万卡集群的集合通信拓扑、ring/tree 算法全要重调。

4Profiling 工具链切换

nsys/nvprof 换成 MindStudio Profiler / 各栈自研工具。性能调优的眼睛换了,过去的调优经验一半作废。

5动态 shape 处理

CUDA 生态对变长序列、动态 batch 早已抹平;国产栈在动态 shape 上仍需大量手工分桶、重编译。

6算子融合

FlashAttention、 fused MoE 这类融合算子是性能命脉,每个都要在目标栈上重新手写、重新验证。

7分布式切分

TP/PP/EP/CP 的切分策略与通信重叠,要和新的互联协议(灵衢等)重新对齐。

8混合精度策略

loss scaling、master weight、梯度累积的整套配方,在新的数值体系下重调。

9验收基准重建

整套评测、回归、压测基准重建。跑通只是起点,跑得和 GPU 一样稳,才是终点。

真 实 账 单 · 迁移到底多贵通用口径:重写 15-20% 核心代码 · 验证周期 3-6 个月 · 首跑性能损耗 15-20%

极端案例:某自动驾驶企业迁昇腾,重写 60% 算子,额外工程成本超 300 万元,耗时跨季度。

明星案例:DeepSeek V4 从 CUDA 迁至 CANN,首次运行大量算子效率极低、性能损耗 20-30%(优化算子库不完整,很多操作只能走通用路径);从初始版到优化版效率提升约 35 倍——但这 35 倍不是芯片进步,是 14 个月、一次一个算子硬啃出来的。

结论:迁移成本不付在"买卡"那一刻,付在此后一年多的工程师工时里。谁能让这笔隐性成本趋近于零,谁就赢下这场隐秘战争。

反过来,这正是大厂自研相对独立芯片公司的天然优势(承接《大厂自研》飞轮三):千问迁真武、文心迁昆仑芯、豆包迁 Ada,模型团队和芯片团队在同一个屋檐下,迁移是"内部协同"而非"对外适配"。独立芯片公司造出卡,得出去找客户、陪客户爬这九道坎,一个大客户迁移成本 6-18 个月、50-200 万额外工程投入,最后还不一定签得下。这就是为什么"业务养芯片"的飞轮,独立厂商这辈子搭不起来。

◆ ◆ ◆03四栈牌桌:两条路线,四种活法

原生派用迁移摩擦换长期自主,兼容派用自主天花板换当下平滑——这是四种不同的赌注

把四条主流国产栈摊开,先看清它们站在哪条路线上。分野只有一条:要不要和 CUDA 兼容。兼容,迁移就平滑,但永远活在 CUDA 的语义阴影里;不兼容,起点痛苦,但规则由自己定。

昇腾 CANN + MindSpore原生派 · 独立生态

2016 定调不与 CUDA 兼容,2021 推出 CANN,2025/8 全面开源。算子 1400-1500、外部开发者占比 61%、月活 5200+、进 PyTorch 官方安装源、覆盖 vLLM/Triton/veRL 等 90+ 社区。40+ 大模型完成原生预训练。

赌注:摩擦换自主 · 短板:迁移最痛、千卡以上扩展性仍在爬

阿里 T-Head SAIL原生派 · 全栈配套

随真武 V900 同步开源,绑阿里云+千问+淘宝的自有负载喂密度。真武走"训推一体",宁可牺牲部分能效也要保通用性。依托阿里 47 万片出货、百亿营收的商业化底盘。

赌注:云的天量负载喂出第二极 · 短板:外部生态刚起步、绑定阿里云

摩尔线程 MUSA兼容派 · 平滑迁移

走"类 CUDA"路线,MT-Lang 编程模型对标 CUDA、提供 CUDA 源码迁移工具,迁移摩擦四栈里最低。全功能 GPU(图形+AI+物理仿真)独一份。

赌注:低摩擦抢存量迁移 · 短板:自主语义弱、受 CUDA 演进牵制、2025 营收约 17 亿未盈利

百度昆仑芯 XPU-P + 飞桨半兼容 · 双轮驱动

XPU-P 自研架构配飞桨框架,P800 三万卡集群点亮、中标中国移动关键标段 70%/70%/100%。飞桨是国内唯一有规模的独立深度学习框架,与飞桨深度绑。

赌注:飞桨存量 + 政企标变现 · 短板:框架生态弱于 PyTorch 主流、负载规模比阿里字节小一档

维度CANN(华为)SAIL(阿里)MUSA(摩尔)XPU-P(百度)路线原生不兼容原生配套类CUDA兼容自研+半兼容迁移摩擦最高高最低中框架MindSpore+PyTorch后端PyTorch/MNNPyTorch迁移飞桨+PyTorch开发者生态665万鲲鹏昇腾生态阿里云内为主成长期飞桨 800万+(官方口径)开源姿态全面开源开源部分开放飞桨开源、XPU-P闭最大靠山华为全栈+运营商集采阿里云+千问负载存量CUDA迁移需求飞桨+中国移动标战略价值自主可控最高云生态第二极平滑过渡桥政企变现快◆ 一句话点破四条路的差别

CANN 是"我先受苦,换十年后规则我定";SAIL 是"我用云的天量订单,把生态硬喂出来";MUSA 是"我不跟 CUDA 正面打,我当那座桥";XPU-P 是"我有飞桨这个现成的家底,先拿政企标变现"。没有一条路是错的——它们赌的是同一个问题的不同答案:迁移摩擦这笔账,由谁来付、什么时候付。

◆ ◆ ◆04胜负手不是算子数量,是"临界点"

战局的分水岭是一个物理现象:当迁移成本低于"继续用 CUDA 的隐性成本"那一刻

这场战争没有一个"算子补到 X 个就赢"的终点。真正的胜负手是一个临界点:当把模型迁到某国产栈的总成本(重写工时+性能损耗+运维摩擦),第一次低于"继续留在 CUDA 的代价"(75% 毛利溢价+断供风险+无议价权)时,迁移会从"被政策推"变成"被利益拉"。过了这个点,生态会自我加速;没过,就永远靠行政和补贴吊着。

三条信号可以判断谁先摸到临界点:

信号一:从"迁过来"变成"一起长"

DeepSeek V4 的意义不在"迁到了 CANN",而在迁移顺序变了——它是研发阶段就与昇腾芯模协同,不是先在 GPU 跑通再往回搬。当模型厂开始把算力选型写进架构设计的第一天,软件栈就不再是"迁移目的地",而是"联合设计方"。这是 CANN 目前最硬的一张牌,也是 SAIL 用千问、XPU-P 用文心在抢的同一张牌。

信号二:外部开发者能不能"低摩擦"贡献

CANN 外部开发者占比 61% 看着漂亮,但要分清两种"外部":一种是"生态繁荣、自愿贡献",一种是"官方人手不够、长尾缺口被迫外包"。判断标尺是——外部开发者贡献一个算子,从提 PR 到合入能用,要几天、要几轮返工?摩擦越低,越接近真繁荣;摩擦越高,61% 就只是"华为自己仍是最大瓶颈"的另一副面孔。

信号三:跨栈摩擦——巴别塔能不能塌

前作点破的死结:一家大厂同时采三家卡,就要养三个适配小组、把同一段代码翻译成三套方言。谁能让"写一次、跑多栈",谁就赢下整个生态,而不只是自己的小栈。两条尝试值得一盯:一是 PyTorch 成为事实中间层(CANN 已进 PyTorch 官方安装源,让框架吸收部分方言差异);二是 Triton 这类"写算子一次、编译多后端"的路线。巴别塔塌不塌,决定中国是"一个标准+两个生态",还是"六个栈永久内耗"。

⚠ 泼一盆冷水:兼容派有一条"饮鸩止渴"的隐线

MUSA 这类类 CUDA 路线迁移最平滑,但风险也最隐蔽:CUDA 语义一变、护城河一加深,兼容方就要跟着改。你省下的迁移摩擦,本质是"预支了跟随成本"。方兴东那句话讲得透——华为 2016 年就定"不与 CUDA 兼容、做独立生态",兼容能借 CUDA 的生态、但永远是追随者;不兼容要自己把工具链从零建起来,主导权才在自己手里。MUSA 的"平滑",是以"永远慢 CUDA 半步、规则永远别人定"为代价的。这是兼容派绕不开的天花板。

◆ ◆ ◆05三年推演:这场战争怎么收场

承接系列时间轴,每段挂一个可证伪的观测点——不算命,只给判据

2026-2027|摩擦掩盖期

昇腾缺货、大厂自用闭环,迁移需求被"抢产能"掩盖——大家顾不上抢生态,先抢卡。CANN 借运营商集采(移动超节点 20.66 亿标段全线 CANN、CANN 包金额约为类 CUDA 包的 2 倍)完成"事实标准"的行政背书;SAIL 靠千问/淘宝负载喂密度;MUSA 抢「CUDA 断供」的存量平滑迁移。

观测点:中国移动/电信下一轮集采,CANN 包金额占比是否仍压过"非 CANN 包"。升到 80%+ → 事实标准成型;跌破 50% → 巴别塔真裂口。2027-2028|临界点碰撞期

推理侧国产 ASIC 渗透破 60%,三家从"自用"转"外卖",SAIL/XPU-P/MUSA 开始和 CANN 正面抢开发者。这是四栈摩擦最密集的一年——原厂、云厂、独立芯片厂在同一批客户面前同台。迁移总成本 vs CUDA 隐性成本,在这一年前后触达临界点。

观测点:头部模型(DeepSeek、智谱、Qwen 新一代)首发时"昇腾/真武/昆仑芯日"是否与 CUDA 同天——同天 = 联合设计成立,滞后半年 = 仍是"迁过来"。2028-2030|生态决战期

分水岭是新一代 AI 工程师出校门的第一份工作用哪个栈。前作判断:1 个全球标准(CUDA)+ 2 个中国主流生态(CANN + SAIL/XPU-P 二选一)+ N 个专用栈。第二个通用生态位只够一家,MUSA 大概率退守"桥"与"专用场景隐形冠军",而非争通用平台。

观测点:校招——新 AI 工程师首份工作用 CANN / SAIL / XPU-P / MUSA 的比例。这是"开发者的脚投票"唯一可量化的落地方式。迁移战争的终点,不是干掉 CUDA——
是让"迁移"这件事,不再是一场战争。◆ ◆ ◆06 收口:隐秘战争的真结局,是"方言"消失

四篇连载走到这里,可以把那条暗线一以贯之了:大厂造芯解决"谁来定义芯片",昇腾造底座解决"谁来当默认选项",HBM解决"弹药卡在谁手里",而CUDA 迁移解决最后、也最难的一层——谁来定义"代码怎么写"。

这场战争最反直觉的地方在于:它的胜利条件不是"我的栈打赢你的栈",而是"开发者根本感觉不到栈的存在"。今天工程师要懂四套方言、养三个适配小组,是因为巴别塔还立着。谁先把方言抹平——无论是靠 CANN 成为事实标准、PyTork 吸收差异、还是 Triton 一次编译多后端——谁就让这场隐秘战争悄无声息地结束。

所以四栈的胜负手,最终不落在算子数量、不落在某次跑分,而落在那个临界点:迁过来的隐性成本,第一次低于留在 CUDA 的隐性代价。CANN 用自主换长期、SAIL 用负载喂密度、MUSA 用兼容当桥、XPU-P 用飞桨变现——四条路都在往这个临界点爬。谁先到,谁就是那个"第二个通用生态";其余的,退回专用场景做隐形冠军,在大厂的资本和订单里找到自己的位置。

赢家通吃的是平台,百花齐放的是应用。这句话,从芯片(前作)到软件栈(本篇),是同一个答案。

黄仁勋的皮衣还在折旧,中国大厂的炉火烧到了最底下那层——不是铸枪、不是造弹药,是重写那百万行代码。三年后回头看,2026 不只是"大厂造芯分水岭",也是"国产软件栈从被政策推、转向被利益拉"的那道临界线。

▍系列往回看 / 接下来想看哪一篇《HBM 这道坎,中国怎么跨》——从长鑫换道到先进封装,一条被卡三年的暗线,以及大厂怎么偷偷锁产能。《昇腾的孤独:华为凭什么同时是队友和对手》——当全国产算力只有一个底层基座,竞合关系怎么解。《大厂自研芯片的阳谋与困局》——回看系列起点:阿里、百度、字节为什么都在造,以及为什么没有"第二名"。《先进封装:从工序变成资产》(下篇预告)——CoWoS、混合键合、硅中介层,封装不再是后道配角,A股这条链怎么重估。

口径与数据来源说明(多源交叉核验,已规避常见误读):

① CUDA vs 国产开发者:CUDA 约 600 万开发者、二十年生态为英伟达公开口径;国产阵营开发者"不足 100 万"为量级估算,非精确统计,仅作对照。飞桨"800 万开发者"、鲲鹏昇腾生态"665 万/8800 伙伴"均为厂商官方口径,含泛生态,勿与"AI 栈核心贡献者"混用。

② 迁移成本:重写 15-20% 核心代码 / 验证 3-6 个月 / 首跑损耗 15-20% 为行业工程经验区间;某自动驾驶企业重写 60% 算子、额外成本超 300 万元为个案披露;DeepSeek V4 迁 CANN 首跑损耗 20-30%、14 个月优化效率提升约 35 倍为媒体/机构测算,"35 倍"指算子级优化幅度、非端到端训练吞吐,勿夸大。独立芯片公司"大客户迁移 6-18 个月、50-200 万"承接前作口径。

③ CANN:2021 推出、2025/8 全面开源、算子 1400-1500、外部开发者占比 61%、月活 5200+、进 PyTorch 官方安装源、覆盖 90+ 社区、40+ 模型原生预训练为华为公开披露;光明实验室对标"完全支持 55 / 条件支持 14 / 暂不支持 33(共 100+ 核心算子、4000+ 用例)"为第三方评测,与官方口径存在差异,两存并列。"算子追到 CUDA 约 20%"为前作转引的早期口径,与"1400 个"非同一指标(覆盖度 vs 数量),已区分。

④ 四栈定位:华为 2016 定"不与 CUDA 兼容"为方兴东访谈口径;阿里真武 V900 训推一体、T-Head SAIL 开源、平头哥 47 万片/百亿营收为云栖大会及吴泳铭公开表述;摩尔线程 MUSA/MT-Lang 类 CUDA 迁移为公开技术资料,2025 营收约 17 亿未盈利为招股口径;昆仑芯 P800 三万卡、中国移动标段 70%/70%/100%、飞桨生态为百度及中国移动集采披露。"第二个通用生态只够一家(CANN vs SAIL/XPU-P)"含结构性推演。

⑤ 运营商集采:中国移动 2026-2027 超节点集采 20.66 亿、五家中标全线 CANN、份额第一为百度系河南昆仑(27.78%)、华为原厂零中标;"CANN 包金额约为类 CUDA 包 2 倍"指 2025 推理集采(CANN 包约 34 亿 vs 类 CUDA 包约 17 亿)。均为公开招标文件口径,用于"行政背书"论点,不代表性能优劣。

本篇为臻研社产业观察,不构成任何投资建议。硬科技是长周期,不是情绪;是布局,不是赌博。凡"迁移成本""份额""临界点时点"均标注口径与观测点,含推演成分,以公开披露与后续验证为准。© 2026 臻研社专栏。

作者声明: 本文转载自第三方,旨在提供资讯参考,并非证券推荐或投资建议。作者对内容的真实性、准确性不承担保证责任。本文不构成任何投资建议或证券推荐。截至发文日,作者与文中提及的标的不存在持仓关系。

合规声明:本站发布的所有文章及观点均系个人研究共享,投资心得交流,不代表本站立场,且不构成任何形式的投资建议。投资者据此操作,风险自担,请务必保持独立审慎的决策态度。