DeepSeek 要融资了！抛弃英伟达，估值百亿的中国AI联手华为

本文仅在今日头条发布，谢绝转载

据传 DeepSeek 要融资了。这家从来不要外部钱的 AI 公司，突然传出消息：首轮股权融资，至少3亿美元，估值不低于100亿美元。折合人民币差不多680亿。截止到现在 DeepSeek 官方没有正式回应。圈里的人都在猜，梁文锋到底在想什么。反正现在我周围的投资人朋友，都想有机会能去和梁文峰聊聊。梁文峰现在可能是全中国为数不多的、所有投资人都想把钱「塞给他」的人。

同一时间，另一个消息更值得琢磨：DeepSeek 的下一代模型 V4，正在深度适配华为昇腾芯片。底层算子全部重写，从英伟达的 CUDA 框架迁移到华为的 CANN 架构（但是这里也有不同说法，有知名的投资人朋友和我说，只是推理用华为的，训练还是在英伟达上面。但是无论哪一个，都是好的进展）。

这两件事拼在一起，指向一个正在发生的产业大分裂：中国的 AI 算力生态，正在和美国彻底分道扬镳。

而这场分裂的核心，是一颗芯片。华为昇腾。

先说 DeepSeek 为什么突然要钱。

梁文锋，1985年生，浙大电子信息工程本科，信息与通信工程硕士。2015年创立幻方量化，干量化私募，干到国内头部。2023年拿幻方赚的钱，单独成立了深度求索，也就是 DeepSeek，专门搞 AI 大模型。

幻方给 DeepSeek 攒了一个叫「萤火二号」的算力集群，砸了10个亿，装了大约1万张英伟达 A100 GPU。那时候 A100 一张卡七八万块钱，1万张就是将近10亿人民币，光买卡的钱就够一家中型公司活好几年。

靠这堆卡，DeepSeek 在2024年底干了件让整个硅谷坐不住的事。

DeepSeek-V3，671亿参数，2048张 H800 GPU，训练了不到两个月，总算力成本557万美元。这个数字公布出来，美国人不敢信。Meta 训练一个差不多水平的模型，花了几十倍的钱。OpenAI 更不用说。

紧接着2025年1月，DeepSeek-R1 发布，推理能力对标 OpenAI 的 o1 模型，而且完全开源。

英伟达股价当天跳水。

硅谷的反应很有意思。Meta 内部紧急拉了个专题会，分析 DeepSeek 的技术路线。好几家大公司的研究员私底下在传：这帮人用我们五分之一的资源，干出了差不多的活儿，我们是不是哪里搞错了？

这个背景很重要。DeepSeek 证明了一件事：搞 AI 不一定非得砸天量算力，算法效率才是核心变量。

现在问题来了。

DeepSeek 手里那些英伟达的卡，正在变成一种「消耗品」，而且很可能补不上。

2022年开始，美国对中国 AI 芯片出口管制一轮接一轮地收紧。先是禁了 A100 和 H100，英伟达专门给中国做了个降级版 H20，算力砍了一大截。2025年4月，连 H20 也被要求出口许可。虽然中间有过反复，一会儿放一会儿收，可大方向很清楚：高端 AI 芯片，美国不想让中国用。

H20 这种降级芯片，性能远不如 H100，价格还不便宜。2025年初 DeepSeek 火了之后，国内算力需求疯涨，H20 的价格一度飙到100多万一台八卡模组。

做这行的人都清楚一件事：如果你的算力底座随时可能被人一刀切断供应，你就不可能安心做长期研发。

所以 DeepSeek 做了一个决定：V4 模型要能在国产芯片上跑。

而国产 AI 芯片里，能接住大模型训练这种重活的，目前就一个选择——华为昇腾。

华为昇腾，说大白话就是华为自己搞的 AI 芯片。

这个东西的来头要从华为海思说起。海思是华为的芯片设计部门，总部在深圳坂田，华为基地里头。达芬奇架构就是海思团队自研的，专门针对 AI 计算设计的芯片底层架构。

昇腾910B，对标英伟达 A100。FP16 算力大约320 TFLOPS，A100 是312 TFLOPS，纸面上看差不多。

昇腾910C，对标英伟达 H100。FP16 算力750到800 TFLOPS，H100 是将近1000 TFLOPS。差距有，但不是不能用。

关键的差距在三个地方。

第一，制程。英伟达 H100 用的是台积电4纳米工艺，华为昇腾用的是中芯国际7纳米。中芯拿不到 EUV 光刻机（极紫外光刻），只能用 DUV 多重曝光的笨办法硬磕。做出来的芯片功耗偏高，良率也不行。公开信息显示，2025年上半年昇腾芯片的良率大约30%到40%，台积电成熟产线能做到60%到70%。简单说就是，同样一片晶圆，华为能用的芯片只有人家的一半。

第二，互联。英伟达有 NVLink，GPU 之间的数据传输带宽极高，训练万亿参数模型的时候，这个东西是命脉。华为有自研的 HCCS 协议，带宽在提升，可在超大规模集群里头的多卡并行效率，跟 NVLink 比还有差距。

第三，也是最致命的：软件生态。

CUDA。

英伟达花了19年建起来的软件栈。全球600万开发者，40000多家公司在用，400多个加速计算库，600多个预训练模型。大学教 AI 的课程，默认就是 CUDA。你写一个深度学习代码，不管用 PyTorch 还是 TensorFlow，底下跑的都是 CUDA。

这东西的恐怖之处在于切换成本。一家公司如果所有的训练代码、推理流程、优化脚本都是基于 CUDA 写的，你让他换到华为的 CANN 上来，等于重写一遍。不是改几行代码的事，是整个工程体系推倒重来。

做过 CUDA 开发的工程师转到昇腾上，痛苦是实打实的。CANN 的版本匹配要求极高，驱动、固件、框架、算子包，任何一个版本对不上，就可能出隐性 bug，查起来要命。有工程师在技术社区里写过：「从 PyTorch 模型转成昇腾推理模型的过程，是 bug 最密集的环节，经常一个算子不支持，整个流水线就卡住了。」

这就是华为面对的真实处境：硬件上在追，追到了70%到80%的水平；软件上差得更远，生态的厚度不是三五年能补上的。

可问题是，留给中国的选择并不多。

英伟达的芯片随时可能断供（现在的限制本来就非常多，实质上对中国是关着门的）。AWS、Google 这些美国云厂商的算力也不可能给中国的核心 AI 企业用。在这种大环境下，昇腾不是「最好的选择」，而是「唯一能走的路」。

2025年，华为在全联接大会上公布了一张芯片路线图，野心不小。

2026年一季度，昇腾950PR 推出，专门做推理任务。四季度推昇腾950DT，做训练和解码。两款芯片都搭载华为自研的高带宽内存（HBM），不再依赖三星和 SK 海力士。

2027年四季度出昇腾960，算力、带宽比950翻一倍。2028年出970。

每年迭代一代，步子不算慢。

这条路线图背后，是一整条正在成型的国产算力产业链。做昇腾这件事，不是华为一家在干，是几十家上市公司一起在干。

先说最上游，芯片封装基板。昇腾910C 用的是双 Die 封装（简单说就是把两颗芯片拼在一块），这个活对基板的精度要求极高。深南电路和兴森科技，这俩公司是国内高端 PCB 和封装基板的龙头，昇腾的关键供应商。

再说连接器。AI 服务器里头，芯片之间、背板之间的数据传输，靠的是高速连接器。华丰科技做昇腾的高速背板连接器，意华股份做板对板连接器。这些东西看着不起眼，但数据跑不通，整台服务器就是废铁。

然后是整机。华为自己不造服务器，找的是合作伙伴。高新发展控股的华鲲振宇，拿到了华为鲲鹏加昇腾双领先级认证。拓维信息做「兆瀚」系列 AI 服务器。神州数码是昇腾全球总经销商，自己还做了一个「神州鲲泰」系列。工业富联负责代工。

光模块。AI 服务器搞万卡集群，卡和卡之间要用光纤连起来。华工科技做800G 光模块，光迅科技做光器件，中际旭创是高速光模块龙头。

最后一个大件：液冷。昇腾 AI 服务器功耗高，传统风冷扛不住，必须上液冷。高澜股份做液冷全套方案，川润股份做昇腾超节点的液冷系统，市占率不低。

软件生态这边，软通动力是华为的顶级软件伙伴，润和软件做昇思 MindSpore 框架的优化，科大讯飞是昇腾生态最大的应用合作方。

这条产业链拉出来，从底层基板到芯片封装，从连接器到整机制造，从光模块到液冷系统，从软件框架到行业应用，几十家公司各占一个环节。

2026年初，中国移动搞了一次超50亿的 AI 通用计算设备集采，昇腾系厂商拿走了34亿。字节跳动也有大规模的昇腾芯片采购计划，910C 和 950 都要，用来搭训练加推理的算力闭环。

说回 DeepSeek 的融资。

3亿美元，对一个估值100亿美元的公司来说，真的不算多。圈里分析比较集中的一个判断是：这笔钱的主要目的是给期权定价。

DeepSeek 的研究员是全行业最抢手的一批人。他们手里有期权，但期权值多少钱？如果没有经过外部融资的真实交易定价，这个数字只是一个内部记账符号。梁文锋需要通过这轮融资，给公司股权锚定一个市场价格，把期权变成真金白银的激励。

另一个更实际的原因：向国产芯片迁移是重资产投入。V4 模型要从 CUDA 全面切到 CANN，底层算子要重写，推理框架要重做，集群通信要重新优化。这些工程量巨大，需要大量高水平的系统工程师，而且没有现成方案可以抄，全得自己趟路。

这件事的意义已经不只是 DeepSeek 一家公司的战略选择。当中国最强的 AI 大模型公司开始全面拥抱国产芯片，整个行业的生态重心就开始位移了。

华为昇腾此前的客户以国资背景为主，运营商、央企、政府智算中心。DeepSeek 是第一个站出来说「我要在昇腾上训练顶级大模型」的纯市场化 AI 公司。这给整个昇腾生态带来的信号量是不一样的。

做开发工具的会跟进，做模型优化的会跟进，做部署方案的也会跟进。一旦生态里有了足够多的头部用户，CANN 的成熟速度会比现在快得多。

截至2025年底，中国已建成的万卡智算集群有42个，智能算力规模超过1590 EFLOPS。整个智算中心市场预计2026年能到1763亿元。这个盘子足够大，大到能养活一条完整的国产算力产业链。

华为的策略也看得出来，不是跟英伟达比单芯片性能，而是靠「超节点加集群」的系统级方案来补单卡差距。用自研的「灵衢」互联协议把几千张昇腾芯片串成一个整体，用专门优化过的推理引擎降低实际运行成本。

DeepSeek 的加入让这条路更快了一步。这家公司最擅长的事情就是在有限资源下把算法效率做到极致。如果他们能在昇腾上把 V4 训出来，而且性能不掉太多，对整个国产算力生态就是一针强心剂。

昇腾现在的状态，有点像当年的安卓。早期的安卓也是一堆毛病，卡顿、兼容性差、开发者骂街。可一旦生态转起来，用户上来了，开发者就跟着来了，应用丰富了，体验也就慢慢好了。现在国产 AI 芯片走的就是这条路。

做集群运维的工程师现在两条腿走路，一边维护英伟达的存量设备，一边学 CANN 的新框架。很多公司的招聘里已经开始加一条：「有昇腾开发经验者优先」。

说到底，这场 AI 算力的产业分化不是突然发生的，是被逼出来的。英伟达不卖高端芯片给中国，中国就只能自己造。造出来不好用，就硬着头皮优化。优化的过程中，一条国产产业链慢慢长出来了。

这条产业链现在还粗糙，问题一大堆。可它正在给几十万工程师创造就业机会，给几十家上市公司带来新的增长曲线，给整个 AI 行业提供一个不怕断供的底座。

加油！非常期待。

我是马力，正在讲好中国产业崛起的故事，帮助更多普通人了解中国的各个产业集群，找到属于自己的机会。欢迎关注我。