11月3日，《科创板日报》从多名产业链人士处得到消息：DeepSeek 下一代大模型 V5 计划基于昇腾芯片做预训练。 另一路报道把芯片指向昇腾 950，时间指向明年，确切时间取决于训练进度。截至发稿，双方都没有公开确认。财联社
消息里最容易被记住的是另一句：过去基于 CUDA 开发的算子链路已经迁到开源 Python 算子生态，不用从零重写整套底层代码。 传着传着，就变成了“不用重写 CUDA 代码”。经理人杂志
这句被压缩过的话，只对了一半。对的那一半，是 DeepSeek 确实不用再为昇腾从零重写一遍模型底层。错的那一半，是它并不说明 CUDA 代码可以原样跑在昇腾上。TileLang 不是 CUDA 翻译器；它更像一种用 Python 写的算子描述语言：同一段算子代码，换一个编译目标，就能分别生成 CUDA C 和 Ascend C。 能复用的前提，是你一开始就写在 TileLang 里。DeepSeek 在 V4 阶段已经把大部分训练算子搬到了这一层，所以到昇腾时，换的是编译目标，不是把 CUDA 源码逐行翻译过去。知乎
真正的迁移成本，也没有消失。TileLang 把“重写算子”降成了“补后端调度”，但补调度仍要一项项做：矩阵核和向量核怎么分工，数据在片外内存、片上缓存和寄存器之间怎么搬，行主序的布局怎么转成矩阵单元要的分形格式，搬运和计算怎么排成流水。在 GPU 上，这些多由硬件缓存和统一共享内存代劳；到了昇腾，每一步都要在软件里显式决定。裸写 Ascend C 比写 CUDA 难，难就难在这些地方；TileLang 的自动调度把大部分活接了过去，难度才回到接近 CUDA 的水平。
DeepSeek 说，训练中用到的每一个 TileLang 算子，在昇腾上都有对应的高性能实现。 这句话的分量在于“每一个”，不在于“不用写”。机器之心
V4 那一代的代码关过了，后面才是硬仗。昇腾 950DT 的账面规格是 144GB 片上内存、4TB/s 带宽，8 位精度算力约 1 PFLOPS。内存不小，带宽也不弱，短板在算力密度：这个数字是英伟达 B200 的两成多。 同等模型、同等工期，卡数就要堆到四到五倍。这个差距不会因为软件栈开源而消失，它直接把问题从“能不能跑”变成了“能不能堆出一座更大的集群”。36氪
昇腾的应对是把单卡问题变成系统问题。950 超节点目前把 1024 张 NPU 连成一个域，提供 256TB 的统一内存地址空间，跨节点访问的往返延迟约 3 微秒。 在这个域里，1024 张卡在软件上更像一台机器。可一场前沿预训练不是一个域就能装下的：卡数翻到四到五倍，就得跨多个超节点。域内的统一编址和低时延，到了域间要重新面对光模块、交换机和网络协议。超节点把最难的一段路修平了，但没有把整条路修完。知乎
通信是下一个关口。DeepSeek 为昇腾写的 DeepEP，在 128 卡全互联的 UBL128 方案上，Dispatch 带宽 375 GB/s，Combine 347 GB/s，官方说接近硬件上限。 这个数字很漂亮，但它测的是一组条件受控的通信算子。真实训练里，MoE 的专家路由是动态的，热点专家会被挤爆，冷门专家闲着；专家之间的全交换流量忽大忽小，还要和计算抢时间。测试用例接近上限，不等于万卡集群里的有效带宽接近上限。机器之心
最后是最不性感、也最要命的一关：稳定性。Meta 训练 Llama 3.1 405B 时，1.6 万张 H100 平均约 3 小时中断一次，靠快速恢复把有效训练时间维持在九成左右。 按同样故障率外推，10 万张卡大约半小时就会断一次。到了几万卡，还可能遇到比特翻转这类静默错误：数值看着正常，其实已经算错。预训练一跑几个月，任何一张卡、任何一条链路、任何一次未发现的数值异常，都可能让最后一段训练作废，甚至要回滚到更早的检查点。36氪
国内并不是没有跑通过。美团官方称，LongCat-2.0 已经在五万卡国产集群上完成 1.6 万亿参数 MoE 的从零预训练，并披露 30T+ tokens、全程无回滚，训练耗时月余；第三方按公开指标估算，MFU 约两成。 这说明国产集群能撑住一次万亿级预训练。但 LongCat 用的不是 950，而是上一代国产芯片；V5 要上的 950 是新一代平台，软件栈、互联和集群管理都要重新磨合。V5 还要在更大的集群上跑，两成的 MFU 说明效率还有一段路要走。知乎
算子这一关主要是软件问题，卡数、通信、稳定性都要在集群里解决。DeepSeek 的开源把算子关的难度降了不少；但单卡差距要靠卡数补，卡数一多，通信和稳定性就会跟着恶化。这三件事是连着的：算力越不够，越要堆卡；卡越多，网络越难，故障越密。没有哪一项能靠一次开源解决。
如果 V5 真的在昇腾上跑完预训练，它的意义不会是“CUDA 被替代了”。更准确的说法是：DeepSeek 第一次把旗舰模型的预训练，放到国产芯片上跑完。这个里程碑不写在“不用重写代码”里，而写在连续几个月的有效算力利用率（MFU）曲线里。代码只是入场券，考试在集群里。
