deepseek為什麼要在此時擁抱華為？

影子備忘錄2026.10.02 09:56 · 來自廣東全文4161字00:00 / 11:24這不是一次適配，這是一次搬家。文 | 影子備忘錄國慶假期前一天，DeepSeek放出了一條一則消息：正式開源面向華為昇騰算力平臺的基礎設施組件，涵蓋TileLang高級語言編譯工具、高性能計算庫與分佈式通信庫，所有組件與此前面向英偉達平臺的開源組件一一對應。如果你只把這當作一次普通的“國產適配”，那可能會錯過這件事真正的分量。過去幾年，國產芯片適配大模型的新聞並不少見，但大多是“能在上面跑起來”的層面，比如驗證兼容性，刷個適配公告，然後就沒有然後了。

不過這次不一樣，因為DeepSeek把自己在英偉達平臺上打磨成熟的那套工具鏈，幾乎完整地、成體系地搬到了昇騰上，而且關鍵測試中的計算與通信性能已經接近硬件上限。這不是一次適配，這是一次搬家。算力焦慮的盡頭，是別無選擇要理解DeepSeek為什麼在此時選擇華為，得先理解這家公司正面臨什麼。梁文鋒在今年7月的一場閉門投資者會議上，說了一句非常坦率的話：中美AI能力之間的差距，包括人才、模型性能和應用等都可以歸結為一個變量，算力資源。他透露DeepSeek目前運營著約2萬塊英偉達H系列同等算力的芯片，但無法採購到足夠的硬件來訓練最大規模的前沿模型。

他估算，訓練頂級大模型可能需要約5萬顆英偉達GB300芯片，若採用華為昇騰950，則可能需要約20萬顆。“今年能花出去200億人民幣，就說明我們的採購團隊表現出色了。要花到這個數實在太難了。芯片買不到，價格還高。”這段話裡有兩層意思。第一層是外部供應的不確定性，主要是出口管制持續收緊，英偉達對華特供芯片的供應既不充足也不穩定。第二層是即便買到了，成本也高得令人窒息。DeepSeek V4-Pro的API輸入價格低至0.25元/百萬詞元，而GPT-5.5 Pro加權平均輸入價格為30美元/百萬詞元，兩者相差超過700倍。這種極致性價比的定價策略，要求基礎設施成本必須被壓到極限。

而英偉達芯片的採購價格擺在那裡，再怎麼優化，成本曲線也降不下來。相比之下，華為昇騰新款推理芯片的採購價格僅為英偉達的四分之一，單卡算力卻比英偉達對華特供版提升了2.87倍。梁文鋒對華為昇騰950超節點的評價是：“在性能和價格上完全可以平替英偉達的GB200和GB300。”這就不難理解為什麼DeepSeek把使用華為等國產芯片訓練大模型列為重要戰略方向。據彭博社報道，DeepSeek已向華為訂購了16萬顆昇騰950DT芯片，用於其位於內蒙古的1GW數據中心。梁文鋒甚至說，這項工作“必須成功”。TileLang這步棋，走在了所有人前面但僅僅因為“買不到英偉達芯片”就去擁抱華為，這個敘事太單薄了。

真正值得拆解的，是DeepSeek選擇合作的技術路徑。答案藏在TileLang裡。這家公司從訓練V3模型開始，就在做一件很多同行沒有做的事情，他們正在用自研的TileLang高級語言來寫算子，而不是直接調用CUDA。TileLang的設計思路是：讓開發者用更簡潔的高級語言編程，同時通過編譯器優化達到接近硬件性能上限的執行效率。目前，DeepSeek V4系列模型訓練中大部分算子已經基於TileLang實現。這也意味著DeepSeek在英偉達平臺上構建模型時，並沒有把自己和CUDA生態綁死。TileLang扮演了一層抽象，往上承接模型訓練的邏輯，往下對接芯片的底層指令。

當這層抽象被移植到昇騰平臺時，對昇騰Ascend C底層指令進行封裝，開發者的代碼邏輯幾乎不需要重寫。從目前的情況來看，梁文鋒確實把這條路走通了。華為950超節點“四顆芯片的算力相當於一顆英偉達芯片”，雙方在芯片本身仍存在“四倍加兩年”的差距，但生態適配的障礙已經被跨過去了。對比一下OpenAI和Anthropic的做法，這條路徑的獨特性就更清楚了。OpenAI選擇的是自研芯片，他們與博通合作開發了Jalapeño推理加速器，同時與Cerebras簽署了超過200億美元的算力服務協議，走的是“定製硬件+多元供應商”的路子。Anthropic則在模型性能上持續加碼，Sonnet 5.

5在編碼基準上已經超越了自家旗艦Opus 5.5，同時成本只有GPT-6 Sol的五分之一。兩家美國頭部公司，一家向左往硬件深處走，一家向右往模型效率走，但都沒有走“把一個成熟的軟件工具鏈跨平臺移植”這條路。DeepSeek走的是第三條路。它的賭注在於：軟件工具鏈的可移植性，可能比芯片本身的性能差距更重要。當TileLang在昇騰上跑通，所有使用TileLang的開發者，理論上都可以在昇騰上構建模型，而不需要重新學習一套編程範式。

華為也將本次聯合創新的成果在CANN社區開源，覆蓋大EP低延時推理部署、單卡/單機部署、大規模訓練、超長文本KVcache池化與Agentic RL，開發者拿到的是可以直接用的實踐方案。不只是DeepSeek一家的選擇如果把視角拉遠一些，會發現DeepSeek的決策並非孤立事件。智譜AI在今年1月聯合華為開源了GLM-Image，這是首個完全基於國產芯片（昇騰Atlas 800T A2）和昇思MindSpore框架完成全流程訓練的SOTA多模態模型。

到了2月，智譜完全使用華為昇騰910C芯片訓練的7440億參數GLM-5模型，在“人類最後的考試”基準測試中登上了榜首，全程沒有使用任何英偉達GPU。阿里通義千問、字節豆包、百川智能等頭部玩家，都在同步推進國產算力適配。彭博行業研究的一項調查顯示，中國企業計劃在未來12個月內將46%的AI加速芯片預算用於採購國內芯片，遠高於目前的30%。深圳已經投運了基於昇騰910C的1萬卡AI算力集群，預約率達到92%。這不是一兩家公司的孤勇，而是一個行業在供應鏈約束下的集體戰略調整。

區別在於，DeepSeek這次做的是“從根上”解決問題，而不是簡單地讓模型能在國產芯片上跑，這是在國產芯片上構建一套完整的、從編譯工具到通信庫的基礎設施。華為向DeepSeek提供的昇騰超節點SuperPoD Flex和UBL128組網方案，可實現128卡3.2Tbps單層交換的Scale-up網絡和256K卡兩層交換的Scale-out網絡，兼顧超低時延推理與前沿基座模型的大規模訓練需求。DeepSeek團隊開發的DeepEP通信庫，實測互聯帶寬達到Dispatch 375 GB/s、Combine 347 GB/s，已經接近硬件上限。

這些數字說明，至少在超節點這種大規模並行計算的場景下，昇騰平臺的通信效率已經達到了可用的水平。軟件生態才是真正的護城河回過頭來看，DeepSeek選擇在這個時間點與華為深度合作，還有一個容易被忽略的考量。英偉達的CUDA生態之所以牢固，核心不在於芯片本身，而在於十餘年積累的數百萬開發者、成熟的工具鏈和豐富的代碼庫。換成硬件容易，換成生態極難。梁文鋒對此的判斷是：CUDA的護城河正在“迅速瓦解”，中國AI芯片產業正面臨取代外國硬件的“歷史性機遇”。他預測，在一年之內，實際部署情況將顛覆市場上認為國產芯片生態“不可用或難以使用”的看法。這話聽起來像是樂觀主義者的宣言。

但從技術角度看，他手裡確實有幾張牌。TileLang本身就是一張牌。它的定位是比CUDA更簡單的高級語言，能顯著提高開發效率、簡化代碼邏輯，同時不損失硬件性能。如果TileLang的昇騰版本能夠吸引足夠多的開發者使用，那它就構成了一條繞過CUDA的通道，最終的結果是開發者不需要學CUDA，只需要學TileLang，就能在兩種芯片平臺上部署模型。DeepSeek把TileLang昇騰版本開源，並明確表示希望“對更多AI芯片建立高可用軟件生態起到示範作用”，這背後的意圖再清晰不過了。另一張牌是DeepSeek自身開源模型的號召力。

DeepSeek V4系列是目前全球開源大模型中最受關注的之一，開發者基數龐大。當這些開發者習慣了用DeepSeek的模型和工具鏈，遷移成本就自然降低了。而如果昇騰平臺能夠提供與英偉達平臺“一一對應”的組件，遷移就變成了換一個pip install的事。當然，樂觀歸樂觀，現實中的挑戰也不容迴避。梁文鋒坦承，華為的產能是當前最主要的瓶頸。華為昇騰950DT的年產量僅有幾十萬顆，DeepSeek那筆16萬顆的訂單可能需要長達一年才能交付。華為自身也承認，由於產能受限、國內需求旺盛，下一代昇騰900系列將主要面向中國市場供應，暫不會全面推向海外。產能問題不解決，生態的雪球就滾不起來。

寫在最後站在2026年秋天回看，DeepSeek與華為昇騰的合作，與其說是一個“去英偉達化”的故事，不如說是一個關於“選擇權”的故事。過去幾年，中國AI公司在大模型訓練上幾乎只有一條路：買英偉達芯片，用CUDA生態，在既定的遊戲規則裡競爭。出口管制收緊之後，這條路越來越窄，成本越來越高。DeepSeek的選擇是與其在一條越來越窄的路上掙扎，不如和芯片廠商一起，把第二條路修出來。至於這條路修得怎麼樣，現在還不好下定論。TileLang能否成為真正的“中國版CUDA”的雛形，昇騰的產能能否跟上需求，超節點方案在實際訓練中的穩定性如何，這些都需要時間檢驗。

但至少有一點是確定的：當一個行業最頂尖的模型公司願意把自己最核心的工具鏈，成體系地移植到一個新的硬件平臺上，並且公開宣稱“性能接近硬件上限”的時候，這條路就不再只是一個備選方案了。