DeepSeekV4终于发布，成功终结卡脖子时代，中国电力给足了底气

你敢信吗，盼了整整三个月的DeepSeekV4终于正式上线，一出场就把本就卷得发烫的AI大模型赛道，再搅出了大动静。这次新版本性能小幅超过Claude3.5Sonnet，就算和GPT-4o还有差距，可它拿出的王牌，直接戳中了整个行业的痛点。

百万token也就是AI对话的最小单位，全套服务只要12元人民币，后续华为昇腾节点批量上线后，价格还能进一步往下降。更值得留意的是，这个模型是目前国产化程度最高的大模型之一，全面适配华为昇腾芯片，软件架构也换成了国产开源技术。

好多人现在都觉得，AI大模型“打架”，比的就是谁参数大，谁显卡好，谁卖得便宜。美国拿着最先进的GPU卡我们脖子，咋反而我们成本还更低呢？这事儿仔细捋捋，真的挺有意思。

DeepSeek的路子其实已经给了答案，现在AI圈卷到最后，早就不是拼单块硬件参数了，核心就两点，一个是底层算力得自己说了算，另一个就是能源成本得压得住。

价格差其实一眼就能看明白，DeepSeekV4百万token只要12块，海外主流的同规格服务，价格是咱们的好几倍甚至十几倍。这份成本优势真不是赔本赚吆喝赚来的，是从根上重构了算力体系才拿到的。

DeepSeek干脆不用行业通用的英伟达算力卡，全换了国产软硬件体系，不光彻底摆脱了被海外芯片卡脖子的风险，还把定价权牢牢握在了自己手里。创始人梁文峰这个选择，看着挺敢赌，其实早就把行业本质看明白了。

高端算力一直被卡脖子，算力自主才能笑到最后，要是没有自己的底层算力，再牛的模型，再大的参数，说停就能给你停了，长期成本优势更是想都别想。

算力自主省下来的钱，最后都会落到每一次对话的token上，毕竟你每次和大模型聊天，都要耗算力，token就是最基础的成本单位。这么低的成本，不光让国产模型在国内站稳了脚，还让咱们有了出海抢市场的底气，现在不少海外企业都转过来用中国大模型，核心原因就是这个。

说起来，国产算力能走到今天，其实还是被美国的芯片禁售逼出来的。ChatGPT带火AI大模型之后，高端GPU就成了美国卡我们的工具。2022年8月和10月，美国连出两道禁令，不让卖高性能GPU给我们，直接掐断了英伟达高端芯片的供货。

对英伟达来说，这等于丢了全球最火的大市场，黄仁勋也没办法，一边讨好美国政府，一边推出了降带宽的A800、H800，后来又出了性能更差的H20，就想绕开禁令稳住中国市场。有意思的是，就算是这种砍了又砍的残次显卡，当时国内厂商抢着要，2023年第一季度，H20在中国卖了46亿美元，腾讯阿里这些大厂还有160亿美元的订单等着交。

美国本来想着，只要一直收紧禁令，就能把中国AI大模型锁死，结果剧情完全出乎他们意料。禁售这么多年，不光没干死中国AI产业，反而逼着国产芯片市场彻底爆发了。

国内三大芯片代工厂中芯国际、华虹、晶合集成都开足马力生产，华虹的产能利用率都超过106%了。之前没多少名气的国产GPU厂商全都站了出来，华为昇腾、阿里平头哥、昆仑芯、海光信息、寒武纪、沐曦这些品牌快速崛起，国产芯片扎堆出现在AI大模型的赛道上。

更讽刺的是，后来对H20、H200松绑，想让国内厂商再回去用美国芯片，结果松绑两个月，H200在中国销量居然是零。这不是我们不识货，是制裁这么多年，我们已经攒出了一套完整的国产算力替代体系，美国想用芯片卡脖子的日子，早就慢慢过去了。

平心而论，现在国产芯片单芯片性能、软件适配，和英伟达高端产品确实还有差距。就算是第一梯队的华为昇腾910系列，参数和A100差不多，但生态适配还差不少，可A100在英伟达那边早就已经是上一代的旧产品了。

但咱们中国企业最会的就是错位出牌，就算牌不算好，也能打出不一样的效果。面对单芯片性能的差距，我们走出了两条自己的路子，用体系优势补上了单点性能的不足。

一条是硬件端靠数量补质量差距，华为昇腾的思路很直接，把更多裸芯片封装到一块GPU里，昇腾910C封装了2颗，最新曝光的910D直接封装了4颗，性能直接追着H100走。还打造了384颗芯片连在一起的超大规模集群，靠集群的规模优势，把单芯片的性能短板抹平了。

另一条是软件端靠模型架构创新，把算力门槛降下来。国内厂商大多转用了MoE混合专家模型，说白了就是把大参数的整体模型拆成好多个独立的小模型。用的时候只激活需要的部分，其他模块不占显卡资源，一下子就降低了对单芯片算力的要求。

最典型的就是DeepSeekV3，整个训练过程只用了2048块H800，成本不到560万美元，训练完的模型灵活高效，完全能适配性能普通的国产芯片。这两条路子拼在一起，就是一套完整的国产算力方案，我们没有死磕单芯片的性能极限，靠体系化创新绕开了海外的技术壁垒，走出了属于我们自己的路。

当然，我们也不能盲目飘，国产算力要突围，还有一座大山必须翻，那就是软件生态。很多人觉得我们被卡脖子的是那块显卡，其实真正的壁垒从来都不是硬件，是英伟达攒了近20年的CUDA软件架构。

CUDA从2006年上线到现在，已经攒了450万全球开发者，大家写的每一行代码，做的每一次训练，都是英伟达的护城河。壁垒越高，切换的成本就越高，转到国产芯片架构，等于开发者要把所有代码重写一遍，去适配各种不兼容的标准，AI市场变化这么快，这个时间成本和风险，绝大多数企业都扛不住。

国产芯片厂商当然明白这点，华为昇腾CANN、海光DTK都在推自己的软件架构，可为了提高适配性，又不得不兼容第三方开源架构，比如海光现在就同时兼容AMD的ROCm生态，还主要靠着后者的开源社区。想要搭出一套能和CUDA抗衡的自研软件生态，我们还有很长的路要走。

等绕开了芯片卡脖子，翻过了生态这座山，你会发现，AI内卷到最后，拼的居然是最基础的能源和电价。谁能想到，决定大模型输赢的不是硅谷的顶尖工程师，是中国遍地都有的水电站、风电场和光伏板。

拿数据说话，现在中国的总发电量，比美国加欧盟还要高出40%，马斯克都曾说过，中国发电量是美国的2.5倍。更关键的是，中国居民用电只占总发电量的15%，美国居民用电占比居然高达36%，这意味着咱们不光发电量多，能给工业和科技用的工业用电，占比也比美国高太多。

跑大模型的数据中心，本来就是出了名的电老虎。2024年美国数据中心的耗电量，已经占到全美总发电量的4%，预计2030年这个数字会涨到20%到25%，加上居民用电，差不多要耗掉美国六成发电量。电力不够用，直接导致美国电价疯涨，过去五年，美国数据中心的电力成本涨了267%，好多数据中心都被迫停建了。

回头看咱们中国，不光电力供应够足，风电光伏水电核电这些年一直在发展，工业用电成本一直压在很低的水平。充足的电力加上自己说了算的算力，最后就变成了国产大模型的核心竞争力，极低的token价格，让中国大模型能卖到全球各个角落。

现在DeepSeek的用户里，本土占31%，印度占14%，美国占比都超过4%了。Airbnb的客服系统用了阿里的通义大模型，Oneself的AI编程产品用了智谱AI的大模型，越来越多海外企业，都开始选性价比更高的中国大模型。

现在全球AI竞争，已经形成了一种微妙的平衡，美国拿着更先进的算力技术，中国有更庞大稳定的能源供应和极致的成本优势，谁都没法一口吃掉对方。好多人把这场竞争说成非赢即输的战争，其实技术突破本身，就是推动人类进步的好事。

与其天天想着怎么按住别人不让发展，不如花精力突破自己的下一个技术节点，筑牢自己的优势。AI赛道这么长，从来都不是靠摁住对手赢的，只有一直往前跑，才能站在时代的潮头。

参考资料：新华网 国产大模型自主创新发展观察