深度 | 模型为芯片而生：DeepSeek V4 与昇腾 950 的共谋改变了什么
模型为芯片而生：DeepSeek V4 与昇腾 950 的共谋改变了什么
核心观点：DeepSeek V4 不是"适配"了昇腾，而是为昇腾"协同设计"——当开源世界最有分量的模型把架构写成昇腾原生，国产算力第一次摸到了生态定义权。
这是一篇深度研究，不是新闻简报。基于 30+ 个来源的交叉验证，覆盖技术架构、竞争格局、市场影响三个维度。
证据等级：[A] 官方/一手 [B] 2+可靠来源 [C] 单一来源 [D] 个人判断
一、被误读的"八芯适配"
4 月 24 日 DeepSeek 发布 V4：1.6 万亿总参数、490 亿激活的 MoE，1M 上下文，开源权重。主流叙事把它包装成"国产算力里程碑"——八家国产芯片厂商 Day 0 全量适配。
但这份叙事漏了最重要的细节。SemiAnalysis 在 6 月 17 日发布昇腾 950DT 的指令级拆解，结论直接推翻"适配"这个词：V4 的推理路径，在发布之前就是照着昇腾的硬件写出来的。稀疏矩阵乘、专家路由的 Expert Gather 指令、FP4/FP8 混合精度——这些 V4 架构里最核心的设计，恰好都是昇腾 NPU 最擅长、而通用 GPU 并不天生优化的东西。[A]
黄仁勋在 4 月 15 日播客里说，DeepSeek 若率先在华为芯片上跑通，对美国是"糟糕的结果"。他没说完的下半句才是重点——他怕的不是"跑通"，而是 CUDA 失去默认优化特权。[B]
二、技术纵深：V4 架构里写着昇腾的名字
V4 相对 V3 做了四个激进改动，每一个都偏离 GPU 惯例：
| 设计 | V4 的取舍 | 对昇腾的意味 |
|---|---|---|
| 注意力 | 抛弃 MLA，改 CSA+HCA 混合压缩注意力 | 稀疏索引与全局压缩贴合 NPU 稀疏访存 |
| 多 Token 预测 | 原生 MTP（同时预测 t+1…t+3） | 让 decode 从访存密集转向算力密集 |
| 精度 | FP4 专家 + FP8 非专家 | 950PR 是国产唯一原生 FP4 芯片 |
| 残差 | mHC 流形约束超连接 | 减少中间激活，省显存带宽 |
1M 上下文下，V4-Pro 每 token 的 FLOPs 只有 V3.2 的 27%，KV 缓存只有 10%。[B] 在 1M 上下文场景里，KV 缓存是从显存里"挤"出来的，10% 意味着同样的卡能塞下十倍长的上下文，也意味着昇腾相对小的片上内存不再是致命伤。
昇腾 950DT 最关键的三个数字：144GB 片上 HiZQ 2.0 内存、4TB/s 带宽、2TB/s 片间互联。[A] 144GB 对 MoE 推理是决定性的——1.6T 总参数、49B 激活的 V4-Pro，所有专家权重放上单卡后，推理只需搬运激活参数。这是"全部专家常驻"与"专家换入换出"的本质区别。
Atlas 950 SuperPoD 在 WAIC 2026 真机首秀：1024 卡、1 EFLOPS FP8、256TB 统一编址、3μs RTT，最大可扩到 8192 卡。256TB 统一编址意味着 1.6T 参数的权重与 KV 可全部驻留在同一逻辑内存空间，应用层不需要做跨机调度。
华为公布的数字：V4-Pro 在 950DT 上单卡 decode 约 4700 TPS、TPOT 约 20ms。对比 H20，FP4 算力 2.87 倍。需要诚实标注：这是厂商口径、8K 输入的离线指标。
真正的独立验证来自另一个方向。SemiAnalysis 的追踪显示，V4 发布当天只有 CUDA 和 CANN 两套栈能跑完整推理：AMD ROCm 只有 1-2 tok/s，NVIDIA 自己的 TensorRT-LLM 还踩了一个静默内存损坏的 bug，修了几周。[A] V4 发布当天能"完整"跑起来的推理栈只有两套——CUDA，和昇腾 CANN。
上图：V4 的四个激进设计与昇腾 950 硬件能力的对应关系。
三、竞争格局：八家赛马与英伟达的侧门
"八家国产芯片 Day 0 适配"是被扁平化的表述。严格拆解：Day 0（4 月 24 日）只有昇腾和寒武纪；Day 1（4 月 25 日）海光、摩尔线程、沐曦、昆仑芯、平头哥、天数智芯六家通过智源 FlagOS 补齐 Flash 版适配；壁仞单独完成了 Pro 版适配。[B] 唯一在 Day 0 拿出完整、可验证推理性能的国产栈，只有昇腾。
智源 FlagOS 做了三件事：FlagGems 全算子替换（Triton 写，不依赖 cuDNN/cuBLAS）、统一张量并行策略、FP4+FP8→BF16 精度转换。这套抽象层让"写一次、跑八家"成为可能，但代价是性能上限被锁在通用算子层——这就是为什么六家 Day 1 适配都没拿出可审计的性能数字。
| 厂商 | 芯片 | V4 适配 | 公开性能 |
|---|---|---|---|
| 华为 | 昇腾 950DT/950PR | Day 0，协同设计 | 4700 TPS 单卡 decode |
| 寒武纪 | 思元 590/690 | Day 0，代码开源 | 无公开 V4 数据 |
| 摩尔线程 | 夸娥 S5000 | Day 1 | V4-Flash 吞吐 +65.7% |
| 沐曦 | 曦云 C500/C600 | Day 1 | 无公开 V4 数据 |
| 海光 | 深算 DCU3 | Day 1 | 无 V4 数据 |
| 昆仑芯/平头哥/天数 | P800/真武/天核 | Day 1 | 仅验证 |
| NVIDIA | H20/H200 | CUDA Day 0 | 中国份额已跌至约 8% |
对比表：八家中只有华为拿出了可审计的 V4 性能数字。
英伟达在中国三条路全受阻。H20 是被阉割的降级产品，算力密度只有 H100 的约 40%，被中国云厂商用脚投票；H200 获准出口但到 2026 年 Q1 实际营收是零——北京以"战略陷阱"为由按住了审批。[B] 于是英伟达打出第四张牌：把独立的 Vera CPU 卖给中国。
Vera CPU 不是降级产品，而是一台完整的 88 核 Armv9.2 服务器 CPU，1.2TB/s 内存带宽，定价"远高于"2 万美元。[B] 精妙之处在于：出口管制管的是 GPU，不管 CPU——这是监管后门。中国头部云厂商已计划采购 300+ 台双路 Vera 服务器做测试。但这条路同样悬：AMD Venice 256 核声称单机柜吞吐是 Vera 的 3.3 倍，美国也可能把管制扩展到 CPU。[D]
上图：2026 年国产算力与英伟达中国路线的关键节点。
四、市场与生态：估值、产能与定义权
DeepSeek 的融资曲线三个月内被改写：4 月锚定 100 亿美元估值，5 月 28 日第一轮交割、投后约 520 亿美元、大基金首次投资一家大模型公司，7 月第二轮投前估值已到 710 亿美元，A 股 IPO 已列入 2027 年科创板日程。[B] 最有象征意义的不是金额，而是大基金——这个历史上只投中芯、长鑫等硬件的国家队，第一次把钱放进了一家软件公司。
7 月 31 日彭博报道，DeepSeek 计划在内蒙古乌兰察布建设 1GW 级智算中心，投资约 350 亿美元，采用"自建+租赁"混合模式。但最关键的芯片方案至今未被证实——彭博原文说"尚不清楚用谁的芯片"，中国部分自媒体声称"全部国产"，而 8 月 8 日中国日报的说法更保守：双方都未承诺建设。[C] 1GW 国产方案目前是叙事，不是事实。
产能账很朴素：中芯 N+2 年产能约 260 万颗，2026 年需求约 420 万颗，缺口 40%；华为独占 43% 产能。[B] 昇腾 950 2026 年计划出货约 75 万颗（路透），字节跳动一家就锁走了一半；HBM 是更硬的瓶颈——国产 HBM3 要等长鑫 2028 年才可能规模化。梁文锋在 7 月内部会上说的那句"华为的问题是产能，不是技术"，是对全局最精准的概括。[C]
7 月 31 日国产算力板块"史诗级大反攻"：科创芯片 ETF 涨 7.9%，寒武纪 20cm 涨停、市值一度站上 5000 亿。[B] 政策底座更厚：国家规划五年 2 万亿建全国算力网、2028 年国产芯片占比不低于 80%；日本 8 月 1 日起对先进封装设备实施全面出口许可，反向加速国产封装替代。
上图：国产算力的供需结构——需求被开源模型点燃，供给被产能与 HBM 卡住。
五、三个层次的博弈
第一层是"推理先行"。国产芯片今天真正攻下的是推理市场——昇腾 950DT 的 decode 已摸到 H100 的 85-90%，成本只有约四分之一。[B] 但训练仍是英伟达的天下：V4 技术报告刻意不披露预训练硬件，行业共识是"H800 训练 + 昇腾推理/续训练"的混合结构，"弃 CUDA"叙事被夸大了。[C] 需要看到的是，6 月 5 日昇腾 910C 集群已完成 V4-Pro 1.6T 全参数后训练，MFU 34.22%，这堵墙正在被一点点凿穿。[A]
第二层是"生态反向渗透"。V4 的开源让昇腾从"国产替代选项"变成"全球开发者默认选项"之一。技术报告同期发布的 TileLang 是一套旨在逃离 CUDA 的 GPU 算子语言——DeepSeek 不只在芯片层面做国产化，还在工具链层面给整个行业留了退路。
第三层是"定义权"。当开源世界最有影响力的模型把架构做成昇腾原生，开发者生态会围绕 CANN 生长，正如二十年前围绕 CUDA 生长。我判断：未来一年国产算力最大的变量不是芯片性能，而是"模型-芯片"协同设计的深度——谁能让模型为自家芯片而生，谁就掌握了生态的定义权。[D]
六、我的判断
我原以为"国产算力跑万亿模型"是工程成就，现在看是范式转折。V4 与昇腾的协同设计，第一次让"芯片定义模型"变成了现实——这在 AI 芯片史上只有 CUDA 时代做到过。
最需要保持清醒的三点。第一，性能数字基本是厂商口径，4700 TPS 是离线最优值，真实在线负载要等 950DT 8 月上线华为云后才有独立验证。第二，"国产训练闭环"仍未完全跑通，预训练依旧是英伟达主导，910C 的 34% MFU 后训练是进步，但离端到端国产还有距离。第三，乌兰察布 1GW 的芯片方案悬而未决，它可能是国产算力最大的增量订单，也可能只是一篇彭博报道。
我判断方向是确定的：模型为芯片而设计的循环一旦转起来，就不会倒转。MiniMax H3 在 8 月 3 日复制了同样的 Day 0 模式，说明这不是 DeepSeek 的孤例，而是中国开源生态的默认打法。下一个观察窗口是 9 月——昇腾 950 超节点批量商用时，V4 的推理价格会降多少，那是国产算力真正交卷的时刻。
参考来源（部分）
AI 辅助深度研究，人工视角解读。 每日更新。
作为“人工智能6S店”的官方数字引擎，为AI开发者与企业提供一个覆盖软硬件全栈、一站式门户。
更多推荐
2
0- 0
已为社区贡献2条内容
所有评论(0)