黄仁勋最担心的事发生了！DeepSeek V4华为芯片首发：英伟达CUDA护城河崩塌

快科技4月26日消息，黄仁勋最担心的事，还是发生了！最新的DeepSeekV4版本，把"第一次"给了华为芯片。

"不诱于誉，不恐于诽，率道而行，端然正己。"带着这十六字理念，4月24日，DeepSeekV4预览版正式发布。距离上一版V3.2更新，已经过去了近五个月。

当下海外主流大模型，基本保持三个月一轮的快速迭代。相比之下，DeepSeek的节奏看似偏慢，甚至一度被外界质疑掉队。

GPT Image-2生成

就在前几天，GPT Image-2的出现让网友惊呼"有图有真相"的时代已经过去，现在的AI生图能力，足以以假乱真了。

但DeepSeek一边沉默应对外界和对手的质疑，另一边则潜心修炼。

他们说："感谢每一位用户的信任与支持，大家的肯定、建议和期许，是我们不竭探索、持续进步的动力，也让我们始终坚守初心，专注于不懈的创新。我们将始终秉持长期主义的原则理念，在尝试与思考中踏实前行，努力向实现AGI的目标不断靠近。"

事实证明，长久的蛰伏沉淀与技术投入，从来都不会白费。

今年2月，路透社称，据知情人士透露，DeepSeek发布V4之前，没有向美国芯片公司NVIDIA和AMD提供模型早期访问权限，而是率先让中国企业华为提前数周开展软件适配优化工作。"breaking from standard industry practice（打破行业惯例）。"报道中如此形容这一事件。

毕竟，这是此前无论中国公司还是外国公司的大模型，都没有采用过的方式。

实际上，DeepSeekV4深度适配华为昇腾国产芯片，并非临时之举，而是早有布局。

去年8月，DeepSeek发布DeepSeek-V3.1时，其中一个重大的进步和惊喜，就是支持了UE8M0FP8Scale参数精度，并特别表示这一数据格式是针对即将发布的下一代国产芯片设计。

东莞证券指出，该格式通过更高的灵活度支持复杂模型推理，提升芯片的解码效率与运算能力，为国产芯片适配更大模型提供技术路径，国产AI算力生态有望加速成型。

那UE8M0 FP8到底是什么？将有何影响？

人工智能领域的企业家与技术专家、清华大学计算机系人工智能所博士梁斌表示，DeepSeek为什么非要强调UE8M0 FP8呢？这个和NVIDIA的FP8是两个东西，两套标准。

他解释称，显存的发展是有限的，而模型的发展是快速的，对每个参数的表达必须通过量化进行压缩，FP32就是32位表达一个参数，FP8就是8位表达一个参数，在可接受的范围内，肯定是越低的表达，在显存里面能装下更多的参数。

FP8有NVIDIA的E4M3/E5M2方案和DS的这个UE8M0方案，主要区别就是前者有3-2位的小数表达，后者没有小数表达。前者精度好，后者功耗低，运算快，对芯片要求低。

梁斌表示，现在DeepSeek支持UE8M0 FP8，加上国产芯片都向这个标准靠拢，这是彻底和NVIDIA决裂了，以后其他推理模型，要么选择DS这套体系，要么选择NVIDIA体系，国内芯片公司也积极向这套体系靠拢。

"现在华为他们那边真是为了适配这个标准，真是玩命干，干成了就是名垂千古，多大诱惑，而且我发现DeepSeek还真是有胆量，真是把国产大模型的发展推到了一个牛X的高度上去，太了不起了。"

软件主动适配硬件特性，本质上是在为国产芯片提前量体裁衣。

主动从软件层面适配国产硬件，提前为本土算力生态适配铺路，看似简单，实则难度极大。这需要大规模重写底层调度代码，全方位打通软硬件兼容链路，工程量巨大，技术壁垒极高。

长期以来，NVIDIA依靠CUDA生态，将硬件、软件、开发者深度绑定，构筑起坚固的技术护城河。巅峰时期，NVIDIA芯片在国内大模型训练市场占比高达95%，几乎所有顶级大模型，都高度依赖CUDA框架运行。

摆在国产AI芯片面前的，一直是两道艰难选择题：要么妥协兼容CUDA，依附海外生态降低迁移成本；要么自研全套软件栈，从零搭建自主技术体系。

回看国内高端制造、核心科技的发展历程就能明白，核心技术永远买不来、讨不来，想要不被国外卡脖子，AI领域必须打造软硬件一体化的自主协同能力。

此次DeepSeek V4完成昇腾深度适配，实现高吞吐、低时延的稳定推理部署，既是一次关键技术突破，更是国产AI打破外部技术垄断、自主突围的重要信号。

国产算力生态的崛起，从来不是单点突破。今年初，智谱GLM-5已完成7家主流国产芯片适配，可在纯国产算力集群稳定运行。越来越多大模型，实现了全流程国产化训练落地，纯本土算力的实践案例越来越多。

业内分析认为，这意味着一套完整、成熟的国产AI软硬件协同生态，正在稳步成型。

必须承认，目前国内芯片制程仍有差距，单卡硬件性能不及海外顶尖水平。但这么多年，我们在无数领域都是如此。

从关键设备、核心软件被封锁限制，到一步步自主攻坚、慢慢突围，中国产业向来擅长在有限条件下，靠架构优化、集群设计、软硬件协同、资源统筹，走出属于自己的发展道路。

这正是我们多年对抗技术封锁、突破层层壁垒的缩影，核心技术自主可控，才能彻底攥紧主动权，别人就再也卡不住我们的脖子。

就在近期，NVIDIA CEO黄仁勋在专访中直白警告，一旦DeepSeek新一代模型率先登陆华为芯片平台，对美国科技体系而言，会是灾难性结果。

黄仁勋直言，DeepSeek落地华为架构、完成专属优化，代表顶级AI模型，可以脱离美国技术框架实现高效运行，会直接动摇美国在全球AI赛道的竞争优势，造成巨大战略损失。

有意思的是，黄仁勋此前一直反对刻意孤立、围堵中国科技。他坦言，中国坐拥充足能源、完整芯片产业链和海量AI科研人才，强行将中国推向对立面，人为割裂产业合作，并不是明智选择。

在他看来，强行拆分两套AI生态十分愚蠢。一套是脱离美系技术的开源本土生态，一套是高度绑定美国架构的封闭生态，这种割裂格局，最终只会反噬美国自身。

他也多次提到，中国拥有海量算力资源，只要完成内部算力整合，完全可以自给自足，支撑本土AI产业长期发展。

同时，黄仁勋直言，美国极端的芯片出口管制政策过于短视。结合他提出的AI"五层蛋糕"理论，能源才是AI最底层的核心根基，7nm成熟制程，完全能够满足绝大多数AI落地需求，而能源充沛，正是中国的天然优势。

美国本土能源资源紧张，所以NVIDIA只能拼命压缩功耗、打磨单卡能效。反观中国，电力资源储备充足，不需要极致抠每瓦性能，哪怕用成熟制程芯片，依靠大规模集群组网，照样能补齐硬件差距。

即便面临EUV光刻机限制，国内依旧保有充足的7nm芯片量产能力。全球主流大模型大多基于NVIDIA Hopper架构训练，但中国完全可以依托能源优势，用集群规模抵消单芯片性能短板，走出差异化路线。

"他们庞大的AI研究人员队伍难道不是他们最根本的优势吗？ 我们都看到了这一点"。这是黄仁勋反复强调的一点。受限的硬件环境，反而倒逼国内团队打磨出更精简、高效的算法模型。

在他眼中，AI行业的核心突破，更多来自算法迭代，而非单纯硬件堆砌。海量本土科研人员、持续进化的自研算法，才是中国AI长期竞争的最大底气。