1、华为昇腾生态
深度学习之前的配置都是：NVIDIA GPU / CPU + CUDA + Tensorflow/PyTorch
后来老美禁止 NVIDIA 卖GPU芯片给我们，于是国内企业开始发力CPU和GPU硬件，成果丰硕，虽然与NVIDIA顶级GPU还有一些差距，但是也不错，为了尽快填补国内需求，我们的解决方案是国产GPU + CUDA + Tensorflow/PyTorch，本来用的好好的，然而敌人亡我之心不死，开始禁止我们使用 CUDA ，它其实就是一个协议或者指令集，它连接底层硬件与上层机器学习框架即Tensorflow/PyTorch，通过硬件和软件两个维度卡你，我们这么多年习惯了拿来主义，现在变得很被动。
值此危难之际，还是华为站了出来，硬件软件一起扛，硬件上推出了昇腾系列AI计算芯片 Ascend910/Ascend310，就是专门用来计算的GPU芯片，软件上使用 CANN（类比于CUDA），然后推出机器学习框架异思mindspore（对标Tensorflow/PyTorch），同时mindspore也是开放的，它支持基于 CUDA 的 GPU 以及普通的 CPU芯片，当然mindspore也是使用 Python 来开发，还提供一个 MindStudio 全流程开发工具链。官网 https://www.mindspore.cn/，也就是说华为昇腾是一个完整的生态，不再受外界掣肘。
有资料显示Ascend910性能与NVIDIA-A100相当，这其实很牛逼了，要知道英伟达发展了多少年，我们才多少年。
在人工智能框架使用率方面，TensorFlow、PyTorch、昇思MindSpore和飞桨合计占了86%的市场份额，其中，MindSpore以11%的占比在全球框架里排名第三，逆势进入了AI框架的第一梯队。
2、昇腾当前有哪些不足：
当前昇腾需求的爆发式增长动力主要来自1）AI算力行业自身的快速增长；2）国内自主可控的替代，比如说国家级别的人工智能计算中心，大部分开始会采用昇腾。
当相比于英伟达目前也有不少核心问题：
1，昇腾只能用于华为自身生态中的大模型业务，比如昇腾不能做GPT-3，因为910不支持32位浮点，**而目前大模型训练几乎都要使用32位的浮点，所以昇腾芯片只能利用华为开发的框架（如MindSpore），再加上优化好的大模型，比如盘古CV。
2，生态依然需要完善。英伟达最强大的护城河在于它的生态系统CUDA。目前CANN还有差距。
3，先进制程的卡脖子问题得到了一定解决，但依然需要担忧产能问题。