DeepSeek V4 跑上国产芯片：推理闭环成立，训练侧还在用英伟达？
核心观点：DeepSeek V4 真正的里程碑不是国产算力「破壁」英伟达，而是第一次有前沿级模型从发布日起就把非 CUDA 栈当一等公民——推理侧的国产闭环已经成立，训练侧至今还在用英伟达，中间的差距才是国产算力真实的水位。
这是一篇深度研究，不是新闻简报。基于 4 路并行研究、40+ 来源的交叉验证，覆盖技术架构、竞争格局、市场影响三个维度。
证据等级：[A] 官方/一手 [B] 2+可靠来源 [C] 单一来源 [D] 个人判断
一、被高估的「破壁」，被低估的软件里程碑
2026 年 4 月 24 日，DeepSeek 上线并开源 V4：V4-Pro 总参数 1.6 万亿、激活 49 亿，V4-Flash 总参数 2840 亿、激活 130 亿，全系百万 token 上下文、MIT 协议。同日华为宣布昇腾超节点全系列支持 V4，推理跑在昇腾 950PR 上，底层代码从 CUDA 转向 CANN Next。券商研报定调「国产算力迎质变拐点」，黄仁勋那句「如果 DeepSeek 先在华为平台上发布，对我们国家将是灾难性的」被翻译成「预言灾难成真」[B]。
但两件被淹没的事实更关键。第一，DeepSeek 官方技术报告没有披露 V4 的训练芯片型号与规模——上一代 V3 明确写的是「2048 块 H800」。第二，梁文锋自己的话是「四张华为卡顶一张英伟达卡，技术上大约落后两年」。一个被包装成「破壁」的事件，最有价值的结论在别处。
二、「Day-0 八厂商适配」到底适配了什么
2.1 V4 的架构，本质是「省」
V4 靠两套压缩注意力把算力压下来：CSA 每 4 个 token 压成 1 个 KV 条目，HCA 每 128 个 token 压成 1 个。结果 V4-Pro 只要 V3.2 约 27% 的单 token FLOPs、约 10% 的 KV 缓存；百万上下文下 KV 缓存约 9.6GB，对比标准 MoE 的约 84GB [A]。这层「省」让官方训练计算账单低到约 $5.2M–5.6M，也让 1.6T 参数的模型能在内存受限的国产 NPU 上部署——这是后面一切适配的技术前提。
2.2 昇腾 950 的规格，和一个关键的沉默
昇腾 950 双芯片：950DT 主打训练，144GB 自研 HBM、4TB/s、单卡 1 PFLOPS FP8；950PR 主打推理，128GB HBM、1.6TB/s、1.56 PFLOPS FP4。互联走自研灵衢协议，单跳延迟降到 200ns [B]。但有一个所有报道默契跳过的沉默：制程节点和 die 面积从未披露——中国供应链共识是「中芯 N+2、等效 7nm、无 EUV」，一家西方机构却声称是「5nm 级密度」，差了一整代，没有官方数据能裁决 [C]。这个沉默决定了 Ascend 950 的真实成本与良率上限，而成本良率正是所有「份额暴涨」数字的地基。
2.3 八厂商适配，是一次软件生态的集体越狱
「Day-0 适配」的八家是：华为昇腾、寒武纪、海光、摩尔线程、沐曦、昆仑芯、阿里平头哥、天数智芯，另有清微智能、曦望补位到十家；NVIDIA 自己也在 Day-1 名单里 [B]。适配的实质是把模型和算子从 CUDA/PyTorch 迁到各家栈上：华为走 CANN Next（宣称 95% 接口兼容），海光靠 DTK「即取即用」，沐曦靠 FlagOS 换算子。DeepSeek 付出的代价是真金白银：重写 200+ CUDA 算子、10 万+ 精度对齐测试、约 30 人年工程量，发布因此推迟两个多月 [B]。
这件事被低估的价值不在「性能追平」，而在生态：这是第一次有前沿模型从发布日起就把非 CUDA 当一等公民，打破的是英伟达最深的护城河——「所有好模型默认先优化 CUDA」。黄仁勋真正的恐惧点在这里，不是「中国做出了好模型」。
上图：V4 的「Day-0 适配」本质是一次软件层的集体迁移，真正的产物是「推理侧国产闭环成立」，而非单点性能追平。
2.4 训练侧：没走通的路，确认的只有「后训练」
推理侧成立，训练侧是另一回事。钛媒体挖得很深：2025 年初 DeepSeek 曾用昇腾 910C 训练下一代模型，遇到训练不稳定、分布式频繁崩溃、通信速度不达预期，华为工程师驻场数月没解决，最终训练切回英伟达 GPU，昇腾只做推理[B]。目前能确认的国产「训练」只有一次全参数后训练（SFT，即用现成数据做微调，不是从零预训练）：河套团队 + 华为 + 哈工大（深圳）在 910C 集群上完成 V4-Pro 的 SFT，算力利用率 >30%。学术侧更冷静，一篇 arXiv 实地研究把 V4-Flash 部署到 16 颗昇腾 910 后指出：MoE 前馈栈、DeepSeek 稀疏注意力等组件在昇腾上的支持「最不成熟」[A]。
一句话：推理侧国产闭环，成立；训练侧国产闭环，未成立。
三、竞争格局：被三种口径搅浑的市场
3.1 份额数字打架，因为分母不一样
2026 年国产 AI 芯片份额数字满天飞，但每个的分母都不同：TrendForce 的「90%」是高端芯片出货件数（8 个月内从约 50% 上修）；Bernstein 的「79%」是国产加速器价值量，配套 NVIDIA 中国份额从 40% 跌到 8%；「华为 43% / 寒武纪 11%」不是市场份额，而是中芯 N+2 产能分配比例；Bloomberg 的「46%」是采购预算占比；IDC 的「41%」是 2025 年实际出货的历史数据 [B]。五个数字从 41% 到 90% 全对，也全在说不同的事。拿「90%」证明「国产碾压英伟达」，犯了口径错误。
3.2 真正在发生的，是英伟达主动收缩
抛开份额口水仗，事实线很清晰：H20 2025 年 4 月被禁、计提约 $4.5B 库存损失、2026 年初停产，B30 计划接替；3 月《芯片安全法案》、4 月 MATCH 法案把围栏越收越紧；美国商务部长卢特尼克 4 月 22 日证实「中国企业没有采购任何一块 H200」。英伟达 CFO 已把中国区数据中心计算收入指引降到 0，黄仁勋在 CNBC 说「基本已经把中国 AI 芯片市场让给了华为」[A]。英伟达的反击是 Vera CPU——88 核 Arm CPU，路透 6 月报道它向中国客户「最早 8 月可交付」，但这只是销售话术、不是获批，初始部署大概率在海外 [B]。
3.3 国产阵营内部，赢家是「有锚点模型」的那几家
V4 的 Day-0 适配在国产内部完成了一次洗牌：华为全产品线 Day-0，但单卡仍落后英伟达旗舰约 30–50%，且全部性能数字无独立实测背书 [C]；海光是唯一跑通 V4-Pro 全 FP16 训练的国产芯片，DTK 的 CUDA 兼容性是护城河；寒武纪连续两次 Day-0 并开源代码，但训练能力弱。而 GPU 四小龙（沐曦/壁仞/摩尔线程/燧原）没有头部锚点模型，是最脆弱的一环。
上图：V4 的「国产优先」重新洗牌——赢家是有锚点模型或训练能力的厂商，没有锚点的 GPU 创业公司最脆弱。
四、融资、数据中心与三道物理天花板
4.1 DeepSeek 从「模型公司」变成「算力业主」
DeepSeek 融资线是一条陡坡：4 月首轮 ≥$3 亿、估值 ≥$10B，一路炒到 $50B；5 月 22 日彭博再曝 ¥70B 轮次、投前 $45B；7 月 31 日又报出乌兰察布 1GW 智算中心计划 [B]。两个水分必须标记：一是「350 亿投资额」这个数字任何信源都没有，彭博只报了 1GW 和「芯片方案未定」；二是这 1GW 的芯片选择明确未定 [C]。1GW 相比美国动辄 3–5GW 的项目，还差着一个数量级。
4.2 客户真金白银转单，但数字同样打折
腾讯 Q2 资本开支 527.8 亿、同比 +176%，采购从英伟达转向华为（刘炽平确认）；字节「450 亿 = 华为 200 亿 + 寒武纪 250 亿」是自媒体口径、未获证实。最硬的案例是美团 LongCat-2.0：6 月 30 日发布、7 月 6 日开源，1.6T 参数 MoE，唯一公开确认「5–6 万张国产卡、零英伟达」完成万亿参数预训练的模型，是「国芯训国模」目前最强的实证 [A]。
4.3 三道物理天花板
国产算力真要上量，卡在三道硬约束，一道比一道窄：
- 晶圆：中芯 N+2 是唯一能规模量产 AI 芯片的国产产线，2026 需求约 420 万颗 vs 产能约 260 万颗，缺口约 40%；华为独占约 43%，寒武纪约 11% [B]。
- HBM：2026 年缺口约 160 万颗，长鑫 HBM 产能仅约 5K 片/月，落后一线 3–4 年。
- 先进封装：2.5D/3D 封装国产化率 <10%；1024 卡超节点组装良率 2026 Q4 才到 50–60%，批量出货要等 2027 [C]。
上图：国产算力上量的真实瓶颈链——晶圆、HBM、封装、软件生态，最窄的一环决定整体节奏，批量复制最早在 2027–2028。
4.4 资本市场的第一块「冷数据」
寒武纪 2026 半年报是理解这轮国产算力「含金量」的最佳标本：营收 59.96 亿、+108%，净利 23.11 亿、+122.6%，但存货 82.48 亿（超过半年营收）、经营现金流仅 3.11 亿、同比 -65.8%——典型「增收不增现」[A]。存货是「战略备货」锁晶圆产能，能不能在下半年转成确认收入，是国产算力叙事能否继续的验票点。叠加字节占寒武纪约 65–70% 的单一客户集中度，高估值里埋着一颗没爆的雷。
五、战略启示：系统级突围，不是单芯片硬刚
第一，华为走系统级路线，这条路是对的。单颗 Ascend 950 落后英伟达旗舰 30–50%，但华为用超节点 + 灵衢互联 + 自研 HBM 把差距拉回系统层：CloudMatrix 384 用 384 张昇腾对标 NVL72 的 72 张（约 5.33:1 的卡数代价）。梁文锋那句「四张华为卡顶一张英伟达卡」就是这个代价的注脚。
第二，软件生态是最窄、最慢的一道缝。CUDA 有 20 年积累、500 万开发者、2.3 万个模型；CANN 2025 年 8 月才全面开源，模型支持数量级差着一个零。产业界的「四道门」框架：政策采购（2026 已兑现）→ 真实业务部署（刚开一条缝）→ 软件生态成熟（最窄最关键）→ 规模复制（2027–2028 才可能）。
第三，「弃 CUDA」是被夸大的叙事，但方向是真的。技术圈四条反证：报告未披露训练芯片（V3 曾写明 2048 H800，「沉默本身就是信号」）；官方措辞是「同时验证」而非「替换」；外部说法是训练侧「H800 + 910C 组合」；MXFP4 是「FP4 存储 ≠ FP4 计算」，这代硬件上矩阵乘仍是 FP8/BF16。结论是「分层的国产化、未完成的迁移」[C]。
第四，出口管制反而在加速这件事。MATCH 法案把 ASML 浸没式 DUV、售后、零部件全堵死，甚至首次讨论把开源 RISC-V 纳入管制；ASML 福克用「把人放进沙漠断粮后，多久会开垦菜园」形容中国的反应 [B]。国产 28nm 浸没式 DUV 进入小批量量产（2026 约 5 台、2027 约 20 台）正是这个逻辑下的产物。
六、我的判断
我判断，DeepSeek V4 的真相既不是媒体说的「破壁」，也不是唱空者说的「又一个 PPT」。它是一个软件里程碑的提前兑现：从这天起，「前沿开源模型默认只优化 CUDA」的假设第一次被打破，而打破它的不是技术追平，是 30 人年、200+ 算子、10 万测试用例的工程苦工。
三个具体判断。其一，推理侧国产化的商业闭环在 2026 下半年会先成立——昇腾 950PR 已量产、腾讯字节真金白银转单、美团 LongCat 证明可行性。其二，训练侧的闭环要等 950DT 超节点 2026 Q4 上量、再叠加华为 960 超节点（2027 Q4）才能谈，在此之前任何「国产训练替代英伟达」的断言都是把后训练当预训练。其三，真正的分水岭不在算力、在产能——中芯 N+2 的 40% 缺口 + HBM 160 万颗缺口，决定了国产算力 2026 的上限，也决定了「90% 份额」这类数字会在某个季度被供应链数据打脸。
先不下结论。我需要看到三个数据才敢给这轮叙事定调：寒武纪 H2 的存货能否转成收入、华为 950DT 超节点的真实批量出货时间（现在只有「Q4 商用」的话术）、以及有没有任何独立机构放出昇腾的非自报 benchmark。在那之前，所有关于「国产碾压」或「全是泡沫」的结论，都只是立场，不是事实。
参考来源（部分）
- DeepSeek V4 模型卡（HuggingFace）
- 华为 Atlas 950 SuperPoD 官方（WAIC 2026）
- SemiAnalysis InferenceX：V4 Day 0→43 性能追踪
- 钛媒体：自主还是兼容——V4 延期背后的中国 AI 生态选择题
- 美团 LongCat-2.0 官方技术博客
- arXiv 2607.08215：昇腾非 GPU 加速器大模型推理限制实地研究
AI 辅助深度研究，人工视角解读。每日更新。
-非互补)
