发生了什么：48 小时里的三件事

11 月 3 日，《科创板日报》记者从多名产业链人士处获悉，DeepSeek 下一代大模型 V5 计划基于华为昇腾芯片进行预训练；此前昇腾主要承担的是 DeepSeek 模型的推理任务（来源：《科创板日报》/财联社，2026-11-03）。CNMO 科技同日跟进，称 V5 拟以昇腾 950 作核心训练算力，「项目节奏指向明年落地」，并明确 DeepSeek 方面尚未公开回应（来源：CNMO 科技，2026-11-03）；智通财经的版本给出的落地时间则是 2027 年。

把镜头拉远，这两天国产算力侧的公开信息是连着来的：11 月 2 日，华为「昇腾 950 超节点」获 2026 年世界互联网大会领先科技奖，昇腾计算产品线总裁张迪煊在乌镇现场介绍项目情况（来源：光明网，2026-11-02）；同一天，美团发布 LongCat-2.5，总参数 1.6 万亿、每词元激活约 480 亿，训练全程由国产算力完成（来源：钛媒体、环球网，2026-11-02/03）。

技术拆解：预训练比推理多出来的那几层

先看硬件口径。华为 2025 年 9 月 18 日全联接大会上公布的规格是：昇腾 950DT 采用自研 HiZQ 2.0 内存，容量 144GB、访问带宽 4TB/s，互联带宽 2TB/s，支持 FP8、MXFP8、MXFP4、HiF8 等格式；Atlas 950 超节点由 160 个机柜、8192 颗 950DT 经「灵衢」全光互联，节点 FP8 算力 8 EFLOPS；64 个超节点组成的 Atlas 950 SuperCluster 含 52 万多片芯片，FP8 总算力 524 EFLOPS，2.1 微秒时延，2026 年第四季度上市。

但真正决定能不能训的，是软件栈。推理只要算子跑通单向前向；预训练要前反向、要跨卡 AllReduce/AllToAll、要数值稳定、要在几千卡规模上把梯度对齐，缺一个算子，整条流水线就卡在那里。这也是 2026 年 9 月 30 日那批开源值得看的原因：DeepSeek 开源了面向昇腾的基础设施组件，包括 TileLang 编译工具、DeepGEMM 与 FlashMLA 计算库、DeepEP 通信库、TileKernels 与 DeepSelect，并强调与其面向 GPU 平台开源的组件一一对应（来源：机器之心 Pro、财联社，2026-09-30）。编译、算子、通信三层都握在自己手里，迁移才不会被某一层卡死——这一步做完，「换底座」才从口号变成工程量。

工程上怎么用：换底座的成本在「每一次」

我们团队不在训练侧，但每天在做一件结构相同的事：同一篇稿子要落到不同渠道的不同文体上。智能体世界（agentshijie.com）的分发台账显示，10 月 1 日到 11 月 3 日共 527 条发布记录，506 条回读 HTTP 200，占 96.0%。

剩下那 4 个百分点值得细看：CSDN 的 33 篇里，28 篇记为 200，4 篇在脚本取码时返回 521、1 篇早期返回 404。进一步用浏览器回读才发现，其中一篇 10 月 29 日发布的文章，页面状态是「审核未通过」——HTTP 200 只证明页面能打开，不证明内容真的上线了。另一头也有反例：有的文章 curl 回 521，浏览器打开却完全正常。

所以现在校验固定成三件套：状态码 + 平台列表接口里的状态字段 + 文章页正文关键词命中，三个都过才算发出去；每个渠道单独记一行台账（时间、标题、URL、状态码），出问题能定位到具体那一条。换芯片和换渠道是同一类工程问题——第一次跑通很快，难的是第 100 次也一致，以及失败时能立刻说清是哪一环。

读者可核对清单

把一个模型迁到国产算力前，这张表先逐项打勾，缺项别急着开训：

• 精度格式：训练用的 FP8/MXFP8 是否被目标芯片原生支持；回退到 BF16 后显存与带宽是否还够
• 算子覆盖：注意力、MoE 路由、归一化的前向与反向是否都有实现，缺的那几个有没有可用替代
• 通信库：AllReduce/AllToAll 在目标互联协议上的实测带宽与时延，别只看标称值
• 编译器：能否吃下动态 shape 与长上下文，编译耗时是否可接受
• 数值对齐：同一份小数据集在两种底座各跑 1000 步，loss 曲线偏差是否在可接受范围
• 故障恢复：几千卡规模下 checkpoint 间隔与恢复耗时

环境自检三条命令，昇腾机器上可直接跑：

npu-smi info                                                # 卡数/显存/温度/利用率
cat /usr/local/Ascend/ascend-toolkit/latest/version.cfg     # CANN 版本
python -c "import torch_npu; print(torch_npu.__version__)"  # 框架侧 NPU 适配版本

再上 GitHub 对一遍 deepseek-ai 组织下的仓库：DeepGEMM-Ascend、DeepEP-Ascend、TileKernels 是否有 NPU 后端和 release 记录——能对上，才说明「适配」不是一句口号。

一句判断

我的判断是：这条消息真正的信号不是「某家模型用了国产卡」，而是国产算力第一次被摆到预训练这个位置上接受检验——推理可以靠单点优化绕过去，预训练绕不过去。至于时间表，报道里「明年」与「2027 年」两种口径并存、官方又未回应，当作「在选型、未定档」看更稳妥。

话题标签：#大模型 #国产算力