华为昇腾 910C 完成 DeepSeek 全参数训练 打破封锁改写行业格局

#观点创作激励大赛#

6月5日，深圳河套学院联合哈尔滨工业大学、华为等团队，在昇腾910C国产AI算力集群上，完成了1.6万亿参数大模型DeepSeek-V4-Pro的全参数后训练。模型算力利用率超过30%，关键训练算子效率提升14%，各项指标均达到工业级运行标准。根据公开信息检索，这也是业界首个由第三方机构基于国产算力集群完成的DeepSeek-V4-Pro全参数后训练工程实践。

这些数字，普通人读起来可能没什么感觉。我得先解释一下这里面的弯弯绕绕。

大模型的训练分两步：预训练和后训练。预训练是让模型“识字读书”，灌进去海量文本，学会基本的语言规则。后训练更像是“雕琢”——通过让模型学习人类的反馈、反复试错和修正，把它从一个“会说话”的机器训练成一个“会思考、会拒绝、会讲人话”的助手。这是一个精细活，对芯片的调度能力和稳定性要求极高。

更麻烦的是DeepSeek-V4-Pro本身的架构。它采用的是混合专家模型，你可以把它想象成一个庞大的专家团：平时回答问题只激活少数几位专家，看起来挺省事的。但后训练的时候，“专家们”之间的沟通量是普通模型的几十倍。这就像你让一群专家同时开会讨论，本来每个人分工明确，现在所有人都得互相打断、频繁交换意见，沟通链条一下子炸了。

以前的国产算力主要做的是让大模型“能用”，也就是推理部署。好比给模型修了一条单行道，你输入一个问题，它输出一个答案。但“全参数后训练”是要让模型学会自我反思和调整，相当于在单行道的基础上加了一座复杂的立交桥和多条反馈回路，计算量和通信量瞬间翻了好几倍。

要把这件事做成，团队在国产算力集群上搞定了三个硬骨头。

第一个是“显存拼图”。万亿级大模型不可能只塞进一张计算卡里，团队设计了精密的分布式方案，把庞大的模型参数像拼图一样，精确地分配到一千张卡的每一张上。

第二个是“负载均衡”。混合专家模型最怕的就是有的专家忙得够呛、有的却在闲逛。团队专门优化了调度策略，确保每个专家分工合理，跨卡通信不再堵车。

第三个最实际——有人“守夜”。全参数后训练最怕跑着跑着系统突然崩溃。团队搭建了完整的监控体系，所有指标可视可控，确保长达1500多步的训练过程中，没有出现一次中断或报错。

这三件事做到，才算是真正从“能跑”走到了“能训稳训优”。

从更深一层来看，这次突破其实一举打破了三重天花板。

第一重是“训练能力”的天花板。以前国产芯片只能做做推理、微调，真正的大规模训练还得靠英伟达的高端产品。这次有人真的拿国产芯片训了一个世界顶级的万亿参数大模型，而且是全过程、全参数，这就不是“能不能做实验”的问题了，而是“能不能实际干活”的问题。

第二重是“市场生态”的天花板。摩根士丹利5月发布的报告预测，华为将在2026年占据中国本土AI加速器市场62%的份额。2025年中国市场的AI加速卡出货约400万块，国产芯片占比41%，其中华为出货量排名第二，拿下约20%的市场份额。英伟达CEO黄仁勋在公开访谈中承认，公司已基本将中国AI芯片市场让给华为。他还在另一次节目中警告：“如果DeepSeek率先在华为平台上发布，那对我们国家来说将是灾难性的。”

第三重是“技术路线”的天花板。华为单颗芯片的算力相比英伟达确实存在差距，但它走的是另一条路——集群规模化。昇腾384超节点把384颗芯片通过高速总线连在一起，形成一个巨大的计算单元。华为副董事长徐直军说过，超节点将成为AI基础设施建设的新常态。

网上关于这件事一个很普遍的观点是，如果以DeepSeek为代表的顶尖开源模型能够优先在华为昇腾上运行，这对英伟达的CUDA生态将是一个真正的打击。CUDA是英伟达做了二十年的软件生态，全球数百万AI开发者都在上面写代码，这才是它真正的护城河。一旦国产软硬件形成闭环，这种依赖就会被打破。知乎上有人说：这不是“能不能用英伟达”的问题，而是“要不要依赖英伟达”的问题。

也有冷静的声音在提醒，训练端目前仍然主要由英伟达主导，国产芯片在云端大模型训练的稳定性还需要更多验证。开发者生态的碎片化问题也依然存在——不同芯片厂商有不同的编程接口，缺乏CUDA那种统一的迁移能力。

快思慢想研究院院长、科技创新专家田丰指出，包括很多国际权威机构都预测，中国在AI芯片领域最有望在2026年迎来“DeepSeek时刻”。

所谓“DeepSeek时刻”，不只是芯片性能追上来了。它更本质的含义是，从模型到算力形成了一条闭环——DeepSeek作为世界顶级的开源模型，主动适配了华为昇腾，而不是像过去那样万事都围绕英伟达的CUDA转。这就好比一架飞机和一架引擎终于接上了，不再只是各自跑各自的。

360集团的周鸿祎在2026年初预测，AI芯片市场英伟达一家独大的单极格局将在今年被打破，形成“英伟达主导训练、多家厂商分食推理”的双轨格局。现在回过头看，这个预测正在被事实验证。

这件事证明了一条路可以走通：当你拿不到最先进的制程、拿不到顶尖的HBM内存，你不一定要死磕那一条赛道。华为选择了用系统设计来弥补单芯片的不足，用规模换性能，用算法适配来榨干每一分硬件的潜力。

这类技术突破并不总是靠最前沿的设备硬拼。很多时候，瓶颈在哪里，创新就会在哪里爆发。当先进制程被封锁的时候，封装技术顶上来了；当顶级算力买不到的时候，架构创新顶上来了。这不是弯道超车，这是一个被逼到绝路的人，在每一块能发力的地方都硬生生地撕开了一道口子。

当然，国产芯片要走的路还很长。英伟达的算力代差依然存在，CUDA生态的惯性巨大，先进制程的制约短期内不会消失。但这次突破起码说明了一个事实：在极限封锁下，这条路是被堵死了，还是真的能走通，已经有了一次实战检验的结果。

这大概才是这件事最触及普通人内心的意义——是说明在一个被强行切断供应链的世界里，出口可能不在你想的那个方向，但它确实存在。