8 月 31 日，科技媒体 The Information 的一篇独家爆料，再次把 DeepSeek 推到了中美 AI “对抗”的聚光灯下。

报道称，DeepSeek 已决定使用华为的昇腾 AI 芯片，训练其部分模型。这意味着这家被寄予厚望的国产 AI 新秀，正在尝试摆脱对英伟达芯片的过度依赖。

这并非空穴来风。

事实上，早在今年 5 月，DeepSeek 就被曝出曾尝试采用华为的昇腾 910C 芯片训练其下一代 R2 模型。但这次“国产替代”尝试并不顺利：模型训练过程中接连遭遇性能不稳定、芯片互联带宽瓶颈、CANN 软件栈兼容性不足等问题，最终导致整个训练计划搁浅，原定于 5 月发布的 R2 模型也被迫延期。

根据《金融时报》、Ars Technica 等媒体的报道，华为甚至派工程师常驻 DeepSeek 办公室协助调优，仍未能成功跑通一次大规模训练。

---

01｜“英伟达训练 + 华为推理”的现实折中

最终，DeepSeek 被迫调整策略，将训练任务继续交由英伟达 H800、H20 等 GPU 完成，而在推理阶段，则尝试引入华为昇腾芯片。

根据公开数据，DeepSeek-R1 模型的训练使用了上万个英伟达 A/H 系列 GPU，而推理环节则率先迁移至华为昇腾 910C。

实测数据显示，该芯片在 FP16 精度下算力可达 320 TFLOPS，在优化手写 CANN 内核后推理性能逼近 Nvidia H100 的 60-80%。

尽管如此，这种“后端切换”依旧无法完全覆盖大模型训练任务对稳定性、生态兼容、跨节点通信等关键能力的需求。

总结来看，推理可以上国产算力，训练还得靠英伟达。

---

02｜为什么 DeepSeek 还要“硬上”？

为什么 DeepSeek 选择“偏向虎山行”？

这是个技术决策，也是一种政治姿态。

在美国持续加强 AI 芯片出口管制的大背景下（2024 年之后 A800/H800/H20 先后被列入出口禁令），我国 AI 厂商已被倒逼出一条“国产化替代”的应激路径。

作为国内大模型浪潮中的明星选手，DeepSeek 在技术上走混合精度（FP8 UE8MO）、算法架构创新（支持非思考模式）等降本路线，在算力供应上也必须有所动作。

而政策层面的信号也非常明确：能用国产的，不要再依赖“别人”。

从这个角度看，哪怕是“试训练失败”，哪怕只是“部分模型”上线，也是一种对政策的回应和表态。正如 CSIS 在分析中指出的：政府希望通过 DeepSeek、阿里、百度等 AI 头部企业带动国产芯片生态的成熟，加速形成自主闭环。

实际上，DeepSeek 的这一选择也早已有迹可循。

就在两周前发布 DeepSeek-V3.1 时，DeepSeek 官方就曾这样高调放话。

---

03｜国产 AI 正在走向“混合现实”

而这也许是未来一段时间国产 AI 产业的常态：

训练靠英伟达，推理上国产芯片；

高级模型继续堆钱堆卡，低功耗小模型交给华为、寒武纪；

主力技术栈还是 CUDA，CANN、Ascend PyTorch 则努力追赶。

DeepSeek 的这次“策略试探”，既不意味着它彻底放弃英伟达，也不意味着华为已能全面接管核心任务。它意味着国产 AI 芯片，正在从边缘任务中逐步获得实战经验与场景锤炼。

去年国产 AI 还只是“没得选”，今年我们终于开始“尝试用”。

---

结语

先别急着下判断。

正如《金融时报》等外媒评论所说：“华为昇腾训练失败，并不代表国产芯片无用，而是说明其还未准备好承接大模型训练。”

技术路线的演化从不一蹴而就，DeepSeek 这波操作，也许不是结果，而是过程中的一环。

而下一个决定 DeepSeek 是否全面“拥抱”国产芯片的时刻，或许就留给年底要发布的 R2 正式版了。

---

我是木易，一个专注 AI 领域的技术产品经理，国内 Top2 本科 + 美国 Top10 CS 硕士。

相信 AI 是普通人的“外挂”，致力于分享 AI 全维度知识。这里有最新的 AI 科普、工具测评、效率秘籍与行业洞察。

欢迎关注“AI信息Gap”，用 AI 为你的未来加速。

---

精选推荐