昇腾 910 不是 GPU，也不是开发板，而是华为自研的 NPU（神经网络处理器）加速卡 ；英伟达 RTX 5090 是消费级 / 工作站级通用 GPU。二者定位、架构、场景完全不同，下面做详细对比。
一、先澄清：昇腾 910 是什么形态？
- 不是 GPU ：GPU 是通用图形 / 并行计算处理器（CUDA 核心）；昇腾 910 是达芬奇架构 NPU，专为 AI 矩阵计算优化。
- 不是开发板 ：它是标准 PCIe 加速卡（类似服务器 GPU 卡），插在服务器 PCIe 槽使用，无板载 CPU / 内存 / 外设。
- 形态：全长 PCIe 卡、被动 / 主动散热、服务器级供电，用于数据中心 AI 训练 / 推理。
二、核心参数横向对比（昇腾 910B vs RTX 5090）
表格
| 对比项 | 昇腾 910B（NPU） | 英伟达 RTX 5090（GPU） |
|---|---|---|
| 核心定位 | 云端 AI 训练 / 推理（数据中心） | 消费级 / 工作站：游戏 + 图形 + 通用计算 + 轻量 AI |
| 架构 | 达芬奇架构（AI 专用 NPU） | Blackwell 2.0（通用 GPU） |
| 制程 | 7nm（中芯 N+1） | 5nm（台积电） |
| FP16 算力 | 320 TFLOPS | ~105 TFLOPS（理论） |
| INT8 算力 | 640 TOPS | 约 420 TOPS（Tensor Core） |
| 显存 | 32GB HBM2 | 32GB GDDR7 |
| 显存带宽 | 1.2TB/s | 1.79TB/s |
| 功耗 | 310W | 575--600W |
| 互联 | PCIe 4.0、HCCS、RoCE v2 | PCIe 5.0 x16 |
| 视频输出 | 无（服务器卡） | HDMI 2.1b、DP 2.1 |
| 生态 | CANN、MindSpore、AscendCL | CUDA、PyTorch/TensorFlow、游戏生态 |
| 价格 | 约 5--8 万 / 卡（数据中心） | 约 1.9--2.5 万 / 卡（消费级） |
三、关键差异与选型要点
1. 架构与计算效率
- 昇腾 910 ：AI 专用 ，3D Cube 矩阵引擎，单周期 4096 次乘加，AI 训练 / 推理效率极高。
- RTX 5090 ：通用并行，CUDA+Tensor Core，兼顾图形渲染、游戏、科学计算、轻量 AI。
2. 算力与场景
- 训练能力 ：910 的FP16 算力是 5090 的 3 倍 + ，适合大模型训练、千亿参数、多卡集群。
- 推理 / 游戏 / 图形 ：5090 在消费级场景、游戏、4K/8K 渲染、轻量 AI 推理上全面领先。
3. 功耗与部署
- 910：310W ，服务器级散热，适合高密度数据中心、长期稳定运行。
- 5090：575--600W ，需高端电源 / 散热，适合个人 / 工作站、短期高负载。
4. 生态与兼容性
- 910：国产自主 ，CANN/MindSpore，适合政务、金融、军工、国产化项目。
- 5090：CUDA 生态成熟 ，几乎所有 AI 框架 / 游戏 / 软件原生支持，通用性极强。
四、一句话选型建议
- 做大模型训练、数据中心 AI 集群、国产化替代 → 选昇腾 910。
- 做游戏、3D 渲染、个人 AI 开发、轻量推理 → 选RTX 5090。