上周，DeepSeek V4发布，朋友圈立刻刷屏。

这次DeepSeek，依旧奔着把国产AI水平推一大截来的。据报道，它的推理性能，比肩Chatgpt和Gemini。编程任务，表现接近Opus 4.6。虽然有1.6万亿参数，但只动用了同行1/4GPU。

厉害。但我觉得，这次DeepSeek发布，最值得注意的，或许不是上边这些让人眼花缭乱的模型能力，而是官宣文章配图下的，一行小字：

受限于高端算力，目前Pro的服务吞吐十分有限，预计下半年昇腾950超节点批量上市后，Pro的价格会大幅下调。

（位置大概在这里）

意思就是：API贵，是因为芯片不够。等下半年华为的芯片出货，价格就能降下去了。

这有什么？不就是没办法了吗？拿不到高端芯片，只能等国产顶上呗。

其实，不是的。早在两个月前，路透社就有报道：

DeepSeek，未向美国芯片厂商提供模型用于性能优化，而是优先向华为等本土厂商开放早期访问权限。

明明可以选择现成的方案，但DeepSeek没有。

所以，这不是很多人以为的“不得不”，这更像是一次“主动押注”。

这中间，发生了什么？

01

DeepSeek，是一个倒逼芯片互联的模型

这要从DeepSeek的技术路线说起。

它的技术路线，是MoE（Mixture of Experts），专家混合。

什么意思？我打个比方。

你突发头痛，去医院看病。你当然希望看病的医生，懂得越多越好。内科、外科、心血管、脑神经，全都精通。但问题是，要培养这样的全科医生，成本太高。每个医生，可能要花30年才能毕业。

问传统大模型问题，就像向全能医生问诊。无论什么专业问题，它都调动全部参数回答。虽然省心强大，但也很贵。

怎么办？DeepSeek换了个思路。

它没有训练一个什么都懂的全科医生，而是训练了多个专科医生。外科只管外科，内科只管内科。然后，设一个导诊台。你问问题，导诊台把问题分配给负责的医生，其他医生待命。

这就是：混合专家系统（MoE）。它虽然拥有巨大参数作为知识储备，却可以针对不同问题，激活部分参数干活。

所以，DeepSeek官方介绍才会这么说：

DeepSeek-V4-Pro总参数1.6T、激活参数49B，DeepSeek-V4-Flash总参数284B、激活参数13B。

拿V4-Pro举例，就是：参数总量1.6万亿，但每次问答激活490亿。

不过，MoE架构虽然神奇，但也有限制。比如：All-to-All通信。

几百个专科医生，如果想要顺利协作，就需要导诊台把病人快速分发到不同科室，再把结果汇总回来。用专业术语来说，就是All-to-All通信。每颗芯片，都要随时跟其他芯片说话，稍有延迟，效率就会大幅降低。

Moe的核心，是用通信换算力。通信跟不上，延迟就会成为瓶颈。

那么，如何把芯片间的通信做好？

02

英伟达的NVL72，碰到了铜缆的物理极限

英伟达说，芯片通信？我拿手啊。我还有套专门的技术：

NVLink。

NVLink，是英伟达的GPU连接协议。它能让GPU和GPU之间的传输速度达TB级，半秒就能搬空你主力电脑里的所有资料。英伟达的主力产品NVL72，就是靠这种技术，才把72颗芯片连成一个计算单元的。

那DeepSeek要不要用它提供算力呢？

理论上或许行，但实际上并不容易。这种顶级算力设备，会受美国出口管制。而且，作为MoE架构模型，同时参与的芯片越多，DeepSeek跑得越好。面对海量用户请求，72块芯片，可能还不够。

但依靠之前的方案，英伟达很难增加并行芯片数量。因为：铜缆。

如果你打开NVL72后盖，你会看到一个由几千根铜缆，编织而成的密网。总长度数公里，是机柜重量超过一吨的重要来源。

为什么这么麻烦？

在每秒上TB的数据传输下，铜缆信号的有效传输距离，可能还不到1米。再加芯片，要么机柜塞不下，要么铜缆够不着。靠普通网线，带宽延迟又成了问题。换句话说，目前密密麻麻的铜缆，已经逼近了物理上限。

怎么办？华为想到一个办法：光。

03

华为用光，把384颗芯片变成了一颗“超级芯片”

比起铜缆，光纤至少有2个核心优势。

1、传得远。

铜缆传不远，因为电信号传输越高速，损耗和干扰也会同步增加。但光子相对不受电阻电磁干扰，哪怕几百米传输依然稳定，让GPU跨机柜分布成为可能。

2、带宽高。

但光纤，可以同时传输多个波长的光信号，相当于一条路上开多个车道，互不干扰。所以，光纤的带宽，理论上能轻松达到几Tb每秒，甚至更高。

确实优势很大。可是，全世界的机房不都在用光纤吗？我家的宽带都是光纤的，华为用光有什么厉害的？

区别就在于：用在哪。

你家宽带的光纤，是从小区到楼栋，偶尔断几秒你感觉不到。数据中心的光纤，是从一个机柜到另一个机柜，断一下业务自动切换，你也没感觉。

但华为把光用在了芯片与芯片间的通信。这就要求，几百颗芯片要在纳秒级的时间内同步数据，任何芯片掉线、延迟，就会拖慢整体效率。这种场景叫：Scale-Up（纵向扩展），把多颗芯片变成一颗“超级芯片”。

2025年7月，华为首次展出了CloudMatrix 384超节点。

这个计算单元，通过6000多个光模块，3000多根光纤，把384颗昇腾芯片连在了一起，就像一颗“超级芯片”。任何两颗芯片之间通信，延迟极低，带宽极高。

本质上，它是一个两层结构：

机柜内，GPU之间依然用铜互连，先把一组GPU变成一个小单元。机柜间用光纤连接，扩展成384卡规模。

这也是2025年9月，华为轮值董事长徐直军在大会上，所强调的：

超节点在物理上是多机柜、多个卡联接成一个超节点，但是它们能够像一台计算机一样工作、学习、思考、推理。

这只是开始。预计今年年底，华为将推出支持8192张昇腾卡互联的计算单元。未来，还会实现万卡互联。

你相信光吗？不管你信不信，华为先信为敬。

04

DeepSeek的反向适配，从去年就可以看到了

讲到这，你可能会问：

那DeepSeek又做了什么呢？只是挑了个供应商吗？

不是的。早在2025年8月，DeepSeek发布V3.1，就有这样一句话：

DeepSeek-V3.1 使用了 UE8M0 FP8 Scale 的参数精度。

UE8M0 FP8。啥意思？

模型的参数，是它的肌肉记忆。用什么格式的存储参数，几乎决定了它在芯片上跑得多快。英伟达的芯片，习惯用E4M3等格式，而华为昇腾的芯片，原生支持UE8M0格式。

这就像一个人本来的设备，都用Apple的Lightning接口。但现在，他把家里所有设备的充电口、数据线、转接头，全换成了Type-C。

看着是个小动作，但却意味着，对生态的彻底押注。

所以，才有了DeepSeek官方，在文章下边放出的一句话：

今年4月，多家外媒同时报道：

DeepSeek团队拒绝了像英伟达等芯片公司，提前介入做优化的请求，只和华为等国产公司合作，进行底层架构的优化。

这进一步说明，DeepSeek已经决意，把整个底层架构，从英伟达的CUDA，迁移到华为的昇腾芯片上。

但绕开英伟达，确实不是一个轻松的选择。

要知道，英伟达不只提供算力，还提供一整套“把算力榨干”的方法。

大多数AI模型，都运行在英伟达的芯片上。CUDA，则是英伟达配套的开发环境。他们俩，就像电脑主机和Windows操作系统。

过去十几年，全世界的AI科学家、开发者，都习惯在CUDA上，写代码、开发应用。一旦绕开CUDA，就意味着数百万行代码从头开始，意味着大量过往的经验不适配。甚至，工程能否进行下去，都是两说。

据透露，2025年年中，DeepSeek在用华为芯片训练V4的过程中，遇到了大量中途崩溃、芯片间通信速度未达预期等问题。但他们没有放弃。最终，DeepSeek-V4在昇腾上的推理速度，比迁移初期提升35倍。

据传言，梁文锋还曾说：

V4从英伟达生态搬到华为，相当于“在飞行中的飞机上更换引擎”。

05

这行小字，意味着中国的AI产业，正在迈过3道坎

现在，我们终于能知道，为什么那行小字，那么重要了。

因为它可能意味着，中国AI产业，正在迈过至少3道坎。

比如，算力坎。

过去几年，AI算力的默认逻辑，可能是：单卡更强，更有优势。

但今天，打法换了。既然AI要解决并行计算问题，那当单卡性能足够，我们能不能用系统把算力堆出来？超节点、光互连的本质，就是让很多张卡，像一张卡一样协同工作。

1个灯泡不够亮，10个灯泡放到一个灯盏里，亮度总是够的。

比如，生态坎。

英伟达最可怕的，不只是GPU强，而是用CUDA，把开发者二十多年的习惯、训练框架、调优经验，绑在了一起。换国产芯片最难的一关，是原来那套工具和经验，不能直接平移。

但DeepSeek全面支持华为芯片，意味着从今往后，你部署DeepSeek，不必依赖CUDA。国产芯片，国产工具，也能跑顶级模型。

甚至，是默认路径的坎。

未来，AI一定会逐渐走向东南亚、中东、非洲。这些地方的开发者，不会从零开始。哪个生态里的模型最多、最好用，他们就用哪个。

一旦我们的模型+芯片生态，在海外生根发芽，全球的开发者，就会基于昇腾+DeepSeek写教程、搭框架、做应用。生态，就会像滚雪球一样越滚越大，默认的标准和路径，就成了中国。

当你定义接口和标准，你就定义了竞争的方式。

今天，AI世界的权力游戏，正式进入下半场。

上半场，是拼谁先把模型做大，拼谁先把GPU堆满。下半场，是拼谁能用最低的成本、最自主的生态，把AI能力像水电煤一样输送出去。

在这条路上，DeepSeek走出了最关键的一步。

这一步，价值连城。

参考资料：

1、DeepSeek-V4 预览版：迈入百万上下文普惠时代

2、关于DeepSeek-V4，普通人可以知道的6件事

3、一文读懂DeepSeek V4：1.6万亿参数、百万上下文、华为芯片

4、AI算力扩容的新瓶颈竟是铜缆，英伟达押注光互连

5、一次搞清楚：光通信、光模块、光芯片、CPO是什么 | ETF风向标

6、超节点+集群，中国重新定义“算力竞争”丨新经济观察

7、这个不起眼的赛道，像极了爆发前夜的光模块！

9、华为首次展出“算力核弹”真机，获评镇馆之宝