#我要上精选-全民写作大赛#

01

The Information今天报道了一件重磅消息：DeepSeek专门推迟了V4的发布时间，花了几个月和华为、寒武纪合作，重写了模型底层代码的部分模块，确保V4能在华为最新的昇腾芯片上流畅运行。

更关键的是，在整个过程中，英伟达和AMD没有得到V4的任何早期访问权限——这个机会被DeepSeek独家给了国内厂商。

按照AI行业惯例，大模型发布前，都要提前把模型交给英伟达做性能优化。这是不成文的规矩，就像五星酒店开业前要让消防局先验收一样理所当然——你的产品要跑在人家的硬件上，不打招呼是不专业的。

但DeepSeek这次把英伟达晾在一边了，这个动作，比V4本身发布更值得关注。

很多人搞混了一件事，说到"国产芯片替代英伟达"，大多数人脑子里的画面是：以前用英伟达，现在改用华为，就这么简单。

但实际上，AI对芯片的需求分成完全不同的两段：训练和推理。

训练，是把一个大模型从零到一做出来的过程。这个阶段需要数以万计的芯片协同工作，对精度、稳定性、芯片之间的通信速度要求极高——出一点差错，整个训练跑就崩了。

DeepSeek训练R1，据报道用了一个包含5万张英伟达Hopper系列显卡的集群，其中包括H100、H800和H20，这些资源来自背后的投资机构幻方量化。

推理，是模型训练完成之后，每天向用户提供服务的过程。你在手机上问DeepSeek一个问题，背后就是一次推理请求。这个阶段对每张芯片的要求没有训练那么极端，更看重的是稳定性、显存大小和服务并发能力。

这两件事，是完全不同的战场。

用盖楼来打比方：训练是浇地基、立钢筋、打混凝土，只干一次，但容不得半点马虎；推理是之后每天让住户进来住，要稳定运转几十年。

两件事需要的技能根本不同。去年，DeepSeek曾经尝试用华为昇腾910C芯片训练推理模型R2，结果反复失败。

即便华为派驻工程师现场支援，团队也没能完成一次完整的训练跑，最终只能退回英伟达硬件做训练，华为芯片只用于推理。

问题出在三个层面：稳定性，通信效率和软件生态。其中最根本的，是软件生态的系统性差距。

英伟达的CUDA软件栈经过超过15年的持续迭代，有超过400万名开发者贡献积累，而华为的CANN才发展了几年，算子库覆盖度和调试工具成熟度都落后了整整一代。

DeepSeek做了一个务实的决定：训练继续用英伟达，华为芯片只负责推理。

02

说回这里的主角——华为昇腾950PR。

这是华为今年3月刚发布的最新芯片，单卡算力是英伟达H20的2.87倍，配备112GB显存。

听起来很猛，对吧？别急，先搞清楚它对标的是谁。

H20是英伟达专门为中国市场设计的"合规版"芯片，说白了就是"阉割版"。为了满足美国出口管制的要求，英伟达把H100的互联带宽和算力大幅砍了一刀再卖给中国客户。

H20的整体性能大概只有H100的四分之一到三分之一。所以950PR对标的，是英伟达的一个残血版对手。能打赢残血版，不代表能打赢满血版。这一点要诚实。

但这里有一个关键信息，很多报道一笔带过了，值得单拎出来讲——FP4。华为这颗芯片是目前中国唯一支持FP4低精度推理的AI芯片。

FP4是什么？你可以这样理解：同一张照片，RAW格式保留了最完整的色彩信息，文件可能有30MB；压缩成JPEG之后，肉眼几乎看不出区别，文件可能只有3MB。

AI模型在推理时处理数据的精度格式，有类似的道理。FP16是高精度版本，对显存的需求极大；FP4是低精度版本，显存占用大幅下降，而对绝大多数推理任务来说，精度损失在可接受范围内。

实际效果有多显著？原新闻里已经给了个数字：一个700亿参数的模型，用FP16跑需要140GB显存，用FP4只需要35GB——同样的硬件，能同时处理的请求量可以增加好几倍。

再结合V4本身的架构。V4采用了MoE（混合专家）设计，虽然总参数量约达1万亿，但每次推理只激活其中约370亿个参数，在保持低延迟和低算力成本的同时，实现了媲美更大密集模型的性能。

这意味着，国产芯片在推理这件事上，第一次有了能真正算得过来的经济账。

当然，代价也要说清楚：昇腾950PR的功耗是600W，大约是H20的两倍。数据中心的电费和散热成本会随之上涨，这是实际部署时绕不过去的现实。不能只看进攻，不看成本。

03

现在DeepSeek V4尚未正式发布，但中国最大的几家互联网公司——阿里巴巴、字节跳动、腾讯，已经批量采购了数十万片华为最新芯片。

华为昇腾950PR的价格在消息传出后应声上涨了20%。

这三家公司，是中国AI应用最大的三个基础设施平台。它们每天处理的AI推理请求体量远超任何一家垂直AI公司。

集体大手笔下单，背后是两条硬的商业算盘。

第一条，供应链安全。

H20是目前美国对华出口合规版本中算力最强的芯片，但这个"合规"本身就是不稳定的——过去几年，美国对华芯片出口管制收紧了一轮又一轮。

就在几天前，美国国会提出了MATCH法案，试图进一步封堵对华出口DUV光刻机的路径，其中点名了ASML和东京电子在中国的设备维护服务是现有管制体系的漏洞。

DUV是中国芯片厂商目前实现较先进制程的关键设备，一旦连维护也被切断，影响是根本性的。把公司的AI服务命脉押在进口芯片的出口配额上，是一件越来越危险的事。

如果V4真能在华为芯片上流畅推理，阿里、字节、腾讯就获得了一条不依赖英伟达出口配额的服务路径。

第二条，成本压力。

AI推理服务的成本，每天都要算。如果昇腾950PR在FP4下的实际推理效率真的能对标H20，企业就有了真实的替代选项，而不是被动接受英伟达的定价。

供应链出现了第二个选项，议价能力就回来了。

04

到这里，很多人可能已经兴奋起来了：国产芯片要翻盘了？

先冷静一下。

改变的是：推理环节，第一次出现了真实可用的国产替代路径。不是PPT上的规划，不是发布会上的宣传，而是DeepSeek花了几个月时间重写底层代码、实际跑通了的路径。

这是从"理论上可以替代"到"工程上已经实现"的一步。

更重要的是生态飞轮开始转了。DeepSeek为华为芯片专门优化底层代码，这些优化本身就是资产。

每一次为昇腾写成的软件优化，都降低了其他公司从英伟达迁移的成本，随着每一代新模型的推出，国产算力的供应优势在持续积累。软件生态的积累，靠的是真实项目一点一点堆出来，这次合作是实质性的开端。

没改变的是：训练，依然是最大的短板。

R2的失败案例说明，华为的CANN和CUDA之间的差距是系统性的，不只是某个算子没优化好，而是分布式训练通信效率、调试工具链、长时间稳定性，整体落后了一代。

这个差距不会因为推理跑通了就消失。

另外，华为自己的产能上限，也是现实约束。华为昇腾芯片2025年全年产量约80万片，主要瓶颈是高带宽内存的供应短缺和偏低的芯片良率。

相比之下，英伟达2025年B300等效芯片的产量超过300万片。体量差距，仍然悬殊。

结论只有一个：这是"推理独立"的第一步，不是"全面独立"。说这是决定性胜利，过度乐观；说这只是政治表态、没有实质意义，同样是没看清这件事的真正重量。

05

有一个规律，在过去几十年的科技史上反复出现：技术封锁的长期效果，往往是倒逼被封锁方加速。

华为被列入出口管制实体名单之后，5G设备并没有崩溃；Mate60 Pro带着麒麟芯片在2023年悄悄回来了。

中国被禁止购买先进光刻机之后，SMIC开始量产7nm芯片，良率虽然不高，但工艺在往前走。就在最近，SMIC还宣布开始测试中国首台国产浸没式DUV光刻机。如果成功量产，将是在先进制程路上迈出的重要一步。

DeepSeek这次和华为的合作，有一个很重要的背景——不是它心甘情愿，而是外部压力推着它往这个方向走。

没有出口管制的层层收紧，中国AI公司大概率还会继续舒服地用英伟达，根本没有动力去啃"重写底层代码适配国产芯片"这块硬骨头。

但现在，DeepSeek不光自己做了，还给整个行业发出了一个信号：这件事可以做，值得做，而且我已经做成了一部分。

接下来的问题只剩一个：如果V4在昇腾上真的跑得好，软件生态的飞轮就开始转了。昇腾积累的真实工程经验越来越多，迁移成本越来越低，越来越多的开发者愿意为它写代码优化，反过来又让它对下一个模型的适配变得更容易。

而训练，才是真正的终局。

推理独立是第一刀，但如果有一天DeepSeek能宣布，新模型从头到尾用华为芯片完成训练——那才是真正改变格局的时刻。

那一天还没到。但昨天还是"完全不可能"，今天已经是"推理跑通了"。这条路，正在越走越宽。

06

很多人讨论中美芯片博弈的时候，老是聚焦在"这颗芯片行不行"、"制程差几纳米"这些硬件参数上。

但如果你站到更高的视角看，美国对华芯片封锁的核心逻辑，从来就不只是怕中国造出一颗好芯片。

它真正怕的是中国形成一个自洽的AI计算生态闭环。什么意思？就是从底层芯片，到芯片上面的算子库，到编译器，到AI框架，到大模型，到终端应用——这一整条链条全部实现国产化，各环节能互相咬合、互相迭代、自我进化。

为什么这个生态闭环比单颗芯片可怕得多？因为单颗芯片可以通过限制光刻机、限制EDA软件、限制先进制程来卡你。但一旦生态闭环形成，它就会有自己的生命力——用户越多，反馈越多，迭代越快，越来越好用，越来越离不开。

现在，Deepseek打响了这场突围的第一枪。

#deepseek#