DeepSeek V5或用华为昇腾，这次真要动英伟达的蛋糕了？

对于一家大模型公司来说，什么东西最昂贵？是动辄数万张的GPU，还是被显卡耽误的模型迭代时间？

deepseek插图.png

近日，DeepSeek V5计划采用华为昇腾芯片进行预训练的消息冲上热搜。然而用国产芯片训大模型，早就不是头一回。早在今年6月，美团LongCat-2.0就在五万卡国产集群上完成了从零预训练；科大讯飞星火X2.5也确认，训练和推理都用国产算力。那既然有人跑过，DeepSeek这次为什么还受人关注？

小编的看法是：跑得通和跑得划算，是两码事。

首先，大集群不是卡堆得越多越好。MoE模型每次处理数据，只激活一部分“专家网络”；可这些“专家网络”分散在不同芯片上，数据就得跨卡来回传。通信一旦跟不上，卡再多也只能干等。集群越大，故障恢复、任务调度越麻烦。这些事不显眼，但很吃时间。

微信图片_20261104175204_16_186.png

更麻烦的是软件生态。CUDA攒了这么多年，英伟达的壁垒远不止单卡性能这么简单了。算子库、编译器、通信框架，以及出问题后能不能快速找到成熟的解决方案等等。都会落到最终的研发效率上。

英伟达.jpg

所以，国产算力平台眼下要补的课，一是集群调度效率，二是软件生态。DeepSeek也清楚这一点。

所以在今年9月底，DeepSeek开源了面向昇腾平台的TileLangP等基础设施组件，相当于从底层软件开始适配。这些事虽不如万卡集群响亮，却决定训练能不能顺利往下走。

Deepseek开源2.jpg

毕竟，如果每家模型公司用国产芯片，都得自己拉班子重做算子、通信和训练流程，那这个项目就算跑通了，也很难让别人跟着用。国产算力要抢的，正是这块市场。

因为对于真正做大模型的企业来说，支持国产算力是一回事，能不能用合理的成本持续训练出有竞争力的模型，则是另一回事。

而这，才是DeepSeek V5接下来最值得关注的地方。

作者：段多美