狂砸16万张昇腾卡！DeepSeek联手华为，国产算力动真格

长期以来，只要开发大模型，全世界的企业都必须购买英伟达的芯片，接受它超过70%的高毛利，原因在于谁也绕不开它的CUDA软件工具体系。

然而，DeepSeek正式开源了面向华为昇腾平台的全套基础设施组件，此次开源引发业界关注。

为什么几套开源代码能引发如此关注？”

一、英伟达的高额利润建立在软件绑定之上

在商业市场上，英伟达的赚钱能力一直非常惊人。

从财务数据来看，英伟达2026财年的总营收超过了2100亿美元，其中负责大模型计算的数据中心业务占了绝大部分，整体毛利率稳定在71%以上。

全世界的大型科技公司一边向英伟达支付巨额资金，一边抱怨芯片太贵，但依然只能排队等待交货。

很多普通人以为，这是因为英伟达的芯片硬件性能没有人能做出来，但如果仅仅从硬件晶体管数量和芯片理论算力来看，全球不少芯片厂商的产品并不落后太多。

真正让所有企业离不开英伟达的，是它用了近二十年时间搭建出来的CUDA软件工具体系。

这套体系包含了编译器、运算函数库、调试工具和性能分析软件，全世界的算法工程师从大学阶段开始，学习写代码就是在这个环境下进行的。

对于一家大模型公司来说，更换计算设备远远不是重新买一批卡那么简单。

原本写好的程序能不能在新芯片上运行，计算出来的参数会不会出错，工程师需要多长时间才能熟悉新的开发界面，每一个环节都是巨大的成本。

如果把现有的代码转移到其他芯片上，经常会出现算子无法运行、系统报错或者运算速度下降一半以上的情况。

企业为了按时发布模型，只能继续采购英伟达的设备。

也就是说，英伟达的高毛利率并不是单纯由硬件制造成本决定的，而是由极高的软件迁移成本支撑起来的。

这种行业惯性让大部分企业不敢轻易尝试其他硬件，哪怕其他芯片的价格更便宜。

但这同时也说明了一个规律：只要市场上出现一套工具，能够让程序员在不大幅修改代码的前提下把计算任务跑顺畅，而且运算效率不打折扣，原本被锁定的采购需求就会发生转移。

二、DeepSeek与华为把硬件性能压榨到了极限

DeepSeek与华为这次公开的合作，直接把重点放在了最耗费时间的软件计算环节上。

两家机构的分工非常明确。华为负责提供芯片硬件架构和底层指令，DeepSeek则根据每天训练前沿大模型的实际负载，指出具体哪些环节消耗时间最长、哪些算子会导致计算停顿。

从公开的代码和测试数据来看，双方在几项核心任务上拿出了非常具体的技术指标。

首先是矩阵计算。大模型运行过程中最基础、最频繁的操作就是矩阵乘法。

DeepSeek发布了适配华为芯片的DeepGEMM工具。在华为昇腾950DT芯片和配套的软件环境下，针对特定格式的矩阵乘法任务，硬件算力利用率达到了99.8%，而在低精度的计算场景下，利用率也达到了99.5%。

99.8%这个数字意味着，硬件内部所有的计算核心几乎每一秒都在高速工作，等待数据传输的空闲时间被压缩到了极低水平。

其次是多张芯片之间的数据传输。现在训练超大规模模型，不可能依赖单张芯片，必须成千上万张芯片协同作业。

但芯片与芯片之间传输数据往往存在延迟，只要有一张卡卡顿，其他卡就必须停下来等待。

针对这个问题，DeepSeek推出了专门优化通信的DeepEP工具。结合华为推出的128张计算卡全互联超节点系统，多张卡之间的数据分发带宽达到了每秒375吉字节，数据汇聚带宽达到了每秒347吉字节。

这个传输速度已经非常接近物理线路的理论传输上限，解决了多芯片协同工作时的数据传输拥堵问题。

最后是降低工程师编写程序的难度。北京大学团队与相关机构共同开发了TileLang工具。

过去，工程师为了让一个复杂的注意力计算程序在特定芯片上跑得更快，往往需要手动编写五百多行复杂的底层控制代码。

而使用TileLang之后，工程师只需要编写大约八十行高层逻辑代码，系统就会自动转换成适合芯片执行的底层指令。

实测结果显示，这种自动生成的程序，在部分算子测试中，自动生成程序的效率接近专家手动优化水平。

并且，这种工具支持面向不同品牌的芯片生成代码。程序员不需要为华为芯片重新学习一套繁琐的底层规则，很大程度上降低了开发和维护的人力投入。

三、国产算力真正进入了大规模落地阶段

技术的突破最终必须落实到实际的商业订单和机房部署中。

根据业内披露的信息，DeepSeek自身拥有极高的算力使用需求，而且其内部超过70%的算力都集中在模型训练环节，推理业务占用的算力不到30%。

对于一家主要成本都在模型训练上的企业而言，算力采购支出直接决定了企业的运营成本。

据彭博社2025年9月援引知情人士报道，DeepSeek计划部署至少16万颗昇腾950DT芯片，但华为和DeepSeek均未官方确认；当前公开落地项目为千卡级规模。”

这一采购体量表明，双方的合作并不是停留在实验室里的测试报告，而是直接投入到了工业级的大规模生产环境中。

对于国内广大的人工智能创业公司和传统企业来说，这次代码开源带来的影响更为直接。

过去很多企业即使拿到了国产芯片，也苦于缺乏成熟的软件支持，不知道怎样把芯片性能完全发挥出来，不得不花费高薪聘请专业人员进行调试。

现在，DeepSeek直接把自己在大模型生产中验证过的一整套基础代码全部公开，任何团队都可以免费下载、查看、测试和使用。

中小企业在启动新的大模型项目时，可以直接利用这套开源工具搭建自己的系统，不需要再去承担高昂的试错成本。

客观来看，英伟达在过去二十年里积累的生态依然非常庞大。

除了大模型训练之外，全球的工业仿真、科学计算、图形渲染和自动驾驶开发依然深度依赖CUDA，这些复杂的领域包含数以万计的专业软件，不可能通过一次开源就全部替换。

但是，商业竞争的转折点并不需要等到所有领域都被替换才会发生。

在人工智能行业中，大模型训练和推理是目前资金投入最多、增长速度最快的一个细分市场。

只要在这一个核心业务上，开发者发现使用华为芯片配合开源工具就能满足绝大部分需求，而且采购和使用成本明显更低，市场的资金流向就会发生改变。

当新增的商业项目开始把国产算力作为真实选项进行采购时，英伟达凭借软件唯一性收取高额溢价的格局，开始出现松动的技术条件，但商业采购是否规模转移仍需观察。

信息来源： 2026 年 10 月 《总投资超百亿！北方智算中心16万张昇腾卡集群首批机柜上电，全面承接前沿模型训练》｜科创板日报｜2026 年 10 月 30 日