DeepSeek拥抱华为：不是适配，是搬家！
从CUDA到昇腾，软件工具链跨平台移植，国产算力生态迎来历史性拐点。
来源 · 影子备忘录 · 钛媒体梁文锋在今年7月闭门会上坦言：中美AI差距可归结为算力资源。
DeepSeek运营约2万块英伟达H系列芯片，但无法采购足够硬件训练**规模前沿模型。
他估算训练**模型需约5万颗GB300，若采用昇腾950则需约20万颗。
“今年能花出去200亿人民币，就说明采购团队表现出色了。芯片买不到，价格还高。”
外部供应不确定性叠加出口管制，英伟达对华特供芯片既不充足也不稳定。
即便买到，成本也高得令人窒息：DeepSeek V4-Pro API输入价格低至0.25元/百万词元，而GPT-5.5 Pro加权平均输入价格为30美元/百万词元，相差超700倍。
这种**性价比要求基础设施成本压到极限。
相比之下，华为昇腾新款推理芯片采购价仅为英伟达四分之一，单卡算力却比英伟达对华特供版提升2.87倍。
梁文锋评价昇腾950超节点：“在性能和价格上完全可以平替英伟达的GB200和GB300。”
据彭博社报道，DeepSeek已向华为订购16万颗昇腾950DT芯片，用于内蒙古1GW数据中心。梁文锋说这项工作“必须成功”。
仅因“买不到英伟达芯片”就拥抱华为，叙事太单薄。
真正值得拆解的是DeepSeek选择的技术路径。
从训练V3模型开始，DeepSeek就用自研TileLang高级语言写算子，而非直接调用CUDA。
TileLang设计思路：让开发者用更简洁的高级语言编程，同时通过编译器优化达到接近硬件性能上限的执行效率。
DeepSeek V4系列模型训练中大部分算子已基于TileLang实现。
这意味着DeepSeek在英伟达平台上并未与CUDA生态绑死。
TileLang扮演抽象层，往上承接模型训练逻辑，往下对接芯片底层指令。
当这层抽象移植到昇腾平台，对昇腾Ascend C底层指令封装，开发者代码逻辑几乎不需重写。
梁文锋确实把这条路走通了：华为950超节点“四颗芯片算力相当于一颗英伟达芯片”，芯片本身仍有“四倍加两年”差距，但生态适配障碍已跨过。
对比OpenAI自研芯片、Anthropic模型效率优先，DeepSeek走第三条路——赌软件工具链可移植性比芯片性能差距更重要。
当TileLang在昇腾跑通，所有使用TileLang的开发者理论上都可以在昇腾构建模型，不需重新学习编程范式。
华为也将联合创新成果在CANN社区开源，覆盖大EP低延时推理、单卡/单机部署、大规模训练、超长文本KVcache池化与Agentic RL。
视角拉远，DeepSeek决策并非孤立事件。
智谱AI今年1月联合华为开源GLM-Image，首个完全基于国产芯片（昇腾Atlas 800T A2）和昇思MindSpore框架完成全流程训练的SOTA多模态模型。
2月，智谱完全使用华为昇腾910C训练的7440亿参数GLM-5模型，在“人类最后的考试”基准测试中登顶，全程未用英伟达GPU。
阿里通义千问、字节豆包、百川智能等头部玩家都在同步推进国产算力适配。
彭博行业研究调查显示，中国企业计划未来12个月内将46%的AI加速芯片预算用于采购国内芯片，远高于目前的30%。
深圳已投运基于昇腾910C的1万卡AI算力集群，预约率达92%。
这不是一两家公司的孤勇，而是行业在供应链约束下的集体战略调整。
区别在于，DeepSeek这次做的是“从根上”解决问题，在国产芯片上构建从编译工具到通信库的完整基础设施。
华为向DeepSeek提供的昇腾超节点SuperPoD Flex和UBL128组网方案，可实现128卡3.2Tbps单层交换Scale-up网络和256K卡两层交换Scale-out网络，兼顾超低时延推理与大规模训练需求。
DeepSeek团队开发的DeepEP通信库，实测互联带宽达到Dispatch 375 GB/s、Combine 347 GB/s，已接近硬件上限。
这些数字说明，至少超节点大规模并行计算场景下，昇腾平台通信效率已达可用水平。
DeepSeek选择此时与华为深度合作，还有一个易忽略的考量。
英伟达CUDA生态牢固，核心不在芯片本身，而在于十余年积累的数百万开发者、成熟工具链和丰富代码库。
换成硬件容易，换成生态极难。
梁文锋判断：CUDA护城河正在“迅速瓦解”，中国AI芯片产业正面临取代外国硬件的“历史性机遇”。
他预测一年之内，实际部署将颠覆市场上认为国产芯片生态“不可用或难以使用”的看法。
从技术角度看，他手里确实有几张牌。
TileLang本身是一张牌，定位是比CUDA更简单的高级语言，能显著提高开发效率、简化代码逻辑，同时不损失硬件性能。
如果TileLang昇腾版本能吸引足够多开发者，就构成绕过CUDA的通道，最终开发者不需学CUDA，只需学TileLang，就能在两种芯片平台部署模型。
DeepSeek把TileLang昇腾版本开源，明确表示希望“对更多AI芯片建立高可用软件生态起到示范作用”，意图清晰。
另一张牌是DeepSeek自身开源模型的号召力，V4系列开发者基数庞大。
当开发者习惯DeepSeek模型和工具链，迁移成本自然降低。
而如果昇腾平台能提供与英伟达平台“一一对应”的组件，迁移就变成换一个`pip install`的事。
当然，挑战不容回避。
梁文锋坦承华为产能是当前最主要瓶颈。昇腾950DT年产量仅几十万颗，DeepSeek那16万颗订单可能需长达一年交付。
华为自身也承认，因产能受限、国内需求旺盛，下一代昇腾900系列将主要面向中国市场供应，暂不会全面推向海外。
产能问题不解决，生态雪球就滚不起来。
站在2026年秋天回看，DeepSeek与华为昇腾的合作，与其说是一个“去英伟达化”的故事，不如说是一个关于“选择权”的故事。
过去几年，中国AI公司在大模型训练上几乎只有一条路：买英伟达芯片，用CUDA生态，在既定游戏规则里竞争。
出口管制收紧之后，这条路越来越窄，成本越来越高。
DeepSeek的选择是与其在一条越来越窄的路上挣扎，不如和芯片厂商一起，把第二条路修出来。
至于这条路修得怎么样，现在还不好下定论。
TileLang能否成为真正的“中国版CUDA”雏形，昇腾产能能否跟上需求，超节点方案在实际训练中的稳定性如何，都需要时间检验。
但至少有一点确定：当一个行业最顶尖的模型公司愿意把自己最核心的工具链，成体系地移植到新硬件平台，并且公开宣称“性能接近硬件上限”的时候，这条路就不再只是备选方案了。
