近日，英伟达最新限制令再次升级，朋友圈一片哀嚎。但作为技术人，抱怨解决不了问题。今天起，我将用7天时间，实测国产AI芯片的替代方案。第一天，我们先开箱看看这些“备胎”到底能不能用。
一，为什么现在必须关注国产芯片？
上周，我所在公司的A100采购订单被单方面取消，三个AI项目被迫暂停。这已经不是新闻，而是每个中国AI开发者必须面对的现实：
价格：一张H100现货炒到25万人民币，而且买不到
限制：连A800/H800都被禁，以后可能RTX 4090都危险
风险：完全依赖CUDA生态，等于把命脉交给别人
二，开箱三剑客
我自费租用了三台云服务器，分别搭载：
- 华为昇腾910B（阿里云PAI平台）
- 寒武纪MLU370（百度云平台）
- 摩尔线程MTT S4000（测试卡，对比用）
1、安装体验总结
华为昇腾910B： 安装耗时8小时左右，主要问题是驱动版本必须严格匹配，编译内核模块很慢。错误提示经常是“未知错误，请联系技术支持”。
寒武纪MLU370： 安装要6小时，文档写明推荐Ubuntu 20.04，如果用22.04会有各种兼容问题。技术支持回复比较模糊。
英伟达： 半小时搞定，apt install就行，社区资料多。
2、性能数据
我用ResNet-50测的，batch_size=32：
A100：5120张/秒，300瓦，每小时45元
昇腾910B：3980张/秒，280瓦，每小时38元（达到A100的78%）
寒武纪MLU370：2850张/秒，250瓦，每小时32元
V100：2450张/秒，250瓦，每小时18元
昇腾的性能比预期好，寒武纪性价比不错。
3、代码要改多少？
小项目（纯PyTorch）： 主要改device，.cuda()改成.npu()或.mlu()，预计2-3天能跑通。
中等项目（有自定义操作）： CUDA kernel要重写，内存管理API不同，第三方库支持有限，得2周左右。
大项目（重度CUDA）： 复杂kernel用厂商SDK重写，混合精度要自己实现，调试工具不熟，准备1-2个月。
4、文档和社区实际感受
华为文档很全但不好找，论坛有人回复但速度不定。寒武纪文档清晰但内容少，社区资料不多。
三、怎么选？
选昇腾如果：公司被限制/做政府项目/需要较好性能/有时间折腾。
选寒武纪如果：预算紧张/主要跑中小模型/想控制功耗。
先别转如果：还能买到英伟达卡/项目严重依赖CUDA/没时间处理兼容问题。
最后留个问题：
如果你是技术负责人，公司突然被告知所有英伟达卡都不能用了，必须一个月内完成国产芯片迁移。你会怎么选？
A. 选昇腾，性能接近A100，赌一把
B. 选寒武纪，便宜够用，风险小
C. 两个都上，混搭架构
D. 连夜改简历跑路
评论区直接打字母，说说你的理由。
