华为与 NVIDIA 算力对比帖争议：峰值和系统级口径混算
teortaxesTex · x · 2026-07-24
一条围绕华为与 NVIDIA 算力对比的争论帖，核心是在质疑把峰值规格、系统级吞吐和互联能力混着算的做法。
- 配图里有人用厂商公开峰值推算，声称 Atlas 950 的 8 EFLOPS FP8 大致可换算成“GB300 约 8 颗华为芯片”，而到 Rubin 级别又可能变成“30–40 颗华为芯片”的量级。
- 另一张图则把口径拉回到 NVL72 系统级：按 0.72 EFLOPS FP8 / 8,192 计算，约等于 737 颗华为芯片，折算下来是 GB300 约 10.2 颗华为芯片。
- 争论还延伸到互联：帖子认为 130 TB/s 的 NVLink 域未必比 16 PB/s 的 UnifiedBus 域更有实际价值，说明不能只看单点峰值。
- 这条帖子的实质是：芯片横评必须先统一口径，否则“几颗芯片顶一颗 GPU”的说法很容易失真。
所属事件:华为昇腾与英伟达算力差距引发技术争议(3 条相关)→
「Infra」频道最新
- 开源编译器 Latch 从 PyTorch 生成训练 megakernel，H100 上提速 2.75 倍 — sguada · 2026-10-27
- NVIDIA 称 HGX Rubin NVL8 每兆瓦 token 吞吐为 B200 的 10 倍 — thursdai_pod · 2026-10-27
- 要么人力商品化，要么 GPU 商品化：算力经济二选一之辩 — _AustinCalvert_ · 2026-10-27
- DeepSpeed 发布 AutoEP/AutoTP 等并行化进展并办线上答疑 — PyTorch · 2026-10-27
- 9B 本地模型干机械活,规划交给大模型:一套省 token 的编程 agent 分工法 — Electrical_Ninja3805 · 2026-10-27
- Cloudflare Durable Objects 被验证为 AI agent 高并发场景优选架构 — tristanbob · 2026-10-27