昇腾管推理、鲲鹏管Agent，Agentic AI 让 CPU 重回舞台中央
一句话看懂：在2026年鲲鹏昇腾开发者大会上，华为明确了AI算力的分工：昇腾负责大模型推理与训练，鲲鹏CPU则扛起Agent（智能体）编排与系统承载重任。这一变化意味着，随着Agentic AI走向复杂化，CPU不再是配角，而是集群算力规划中的独立约束。
事件核心：发生了什么
华为在大会上披露了基于昇腾超节点与鲲鹏的协同架构，并首次将深度学习模型DeepSeek-V4适配至昇腾芯片。关键信息包括：
- 昇腾芯片新增SIMD与SIMT混合编程能力，950代际产品支持FP8、MXFP4等低精度格式，以提升训练效率和推理吞吐。
- 灵衢互联实现总线级全连接，单跳通信延迟200纳秒，支持NPU与CPU直接通信，目标是将大规模AI集群视为“一台计算机”。
- 鲲鹏CPU的算力规划占比从传统AI集群中的10%提升至40%以上，华为预计未来CPU与NPU的配比可能达到1:1甚至更高。
- 开源CANN底层软件栈，开放50多个源码仓，支持Triton、TileLang等第三方编程生态，降低开发门槛。
为什么重要
这一架构转变意味着中国AI生态开始从“单卡/单服务器”走向“系统级协同”，且不再唯GPU论。具体意义有三：
- 国产芯片从“能跑”进入“跑得好”阶段：DeepSeek-V4适配昇腾，说明国产大模型与国产芯片的协同已越过可用门槛，进入优化推理效率、降低Token成本的深水区。
- Agentic AI带来算力需求重构：Agent需要多轮规划、工具调用、记忆检索和状态管理，这些任务天然依赖CPU的异步控制流，而非GPU/NPU的密集矩阵运算。CPU成为决定吞吐与时延的新瓶颈。
- 开源与开放正成为竞争力核心：华为通过开源CANN、支持Triton生态，试图吸引更多算法工程师和算子开发者，而不仅仅是靠封闭硬件绑定用户。
对用户/开发者/创作者的影响
- AI应用开发者：如果使用国产推理API（如基于昇腾的服务），未来可能享受更低Token成本，尤其在长上下文或Agent场景下。但需注意，底层硬件生态依然在快速迭代，开发者可能需要适配Python编程接口（如PyAsc）而非直接使用CUDA风格代码。
- 企业IT采购决策者：采购国产AI集群时，应关注CPU规划比例，避免高估NPU/GPU的单卡能力，低估Agent场景下的CPU瓶颈。华为提出的“HBM+DDR+SSD”三级记忆架构也提醒企业，内存与存储配置直接影响Agent的长上下文推理成本。
- AI框架/算法研究者：昇腾对Triton、TileLang等第三方生态的支持，意味着未来可以在昇腾芯片上试验新的并行计算范式，而不再必须依赖华为自有的AscendC语言。
值得关注的后续
- 产品落地与价格：DeepSeek-V4适配昇腾后，能否在公开API或云端服务中以更低单价提供，将直接影响市场接受度。
- 竞品跟进：AMD、Intel等厂商是否针对Agent场景推出更强调CPU+GPU协同的架构？目前公开信息显示，英伟达主要聚焦GPU扩展，CPU在Agent负载中的角色尚未被等效强调。
- 开发者生态规模：昇腾开源的50多个源码仓能否吸引外部贡献者，以及CANN对Triton生态的支持是否真实可用，将决定其长期竞争力。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
来源：InfoQ CN
