跳到主要内容

4 篇博文 含有标签「DeepSeek」

DeepSeek large language models

查看所有标签

英伟达中国份额崩至 8%,昇腾升至 50%:一份 9 月报告里的中国 AI 算力市场剧变

· 阅读需 5 分钟
Industry Research Team

本文基于 Bloomberg Intelligence 与 Bernstein 2026 年 9 月发布的市场分析及公开报道整理;市场份额与营收为分析师预测口径,非官方披露。

9 月 28 日,两份华尔街报告同时描摹出一个戏剧性的画面:中国 AI 算力市场的份额天平,在 12 个月内完成了几乎彻底的翻转。

一、份额翻转:40% → 8%,昇腾 → 50%​

Bernstein 最新预测:

  • 英伟达在中国 AI 芯片市场的份额,将从约 40% 跌至今年年底的约 8%
  • 华为昇腾升至接近 50%
  • 直接导火索:9 月中国对英伟达 H20 新订单的禁令,关上了英伟达重返中国市场的最后通道
  • 字节跳动、阿里、腾讯均已下出大额昇腾订单

时间线上看,这不是一次突变,而是出口管制三年收紧的累积结果:英伟达在中国 AI 芯片市场的份额一度高达 95%,随着高端芯片断供,中国超大规模云厂商整体转向华为与国产替代;即便 2026 年 1 月华盛顿放开 H200 对华销售,转向的齿轮已经咬合,回不去了。

二、昇腾 950PR:分析师眼里的「中国版 H200」​

支撑这份份额数据的,是产品力本身:

  • 昇腾 950PR 今年 3 月量产,FP4 算力最高 2 PFLOPS,搭载 128GB 国产 HBM
  • 分析师将其评为大致对标英伟达 H200
  • 华为 AI 芯片营收预计今年达 120 亿美元,较 2025 年的 75 亿美元增长 60%

950 系列的完整规格可参考我们此前的深度文章:昇腾 950PR/950DT 双配置解析 与 昇腾 960 官宣发布——960 已提前三个季度就绪,确认一年一代节奏。

三、模型侧:中国开源模型拿下 OpenRouter token 大盘​

芯片份额翻转的同时,模型使用侧的数据同样惊人(OpenRouter 平台统计):

指标数据
DeepSeek token 份额(6 月)16.3%,超过 Google、Anthropic、OpenAI 各自单独份额,居第一
中国开放权重模型合计 token 份额(5 月)约 61%(DeepSeek、Qwen、MiniMax、腾讯混元等)
中国模型周 token 消耗约 18 万亿,美国模型约 5.5 万亿,3 倍以上差距且一年内完成反超
中美前沿模型性能差距(6 月)收窄至 6%,创历史新低(5 月为 9%)

算力与模型形成正循环:买不到的卡倒逼国产算力放量,放量的国产算力养出便宜的 token,便宜的 token 让中国开源模型吃下全球推理流量的大头。

四、但股票市场没有买单​

Bloomberg Intelligence 同期指出一个矛盾:中国科技八巨头(China Tech 8)相对美股「七巨头」(Magnificent Seven)的估值折价达到年内最宽的 超过 50%,BI 认为只有「真正的 AI 突破」才能弥合。个股年内表现:阿里约 -7%、腾讯约 -23%,而美国 AI 基础设施龙头普涨 15% 以上。

这种背离有两种解读:要么市场低估了中国 AI 基本面,要么盈利执行(阿里上季 EPS 低于预期 17.3%、百度低 36%)拖累了 AI 叙事的兑现。对产业观察者而言,值得注意的是:算力侧的数据(份额、营收、出货)已经先行,应用侧的变现仍在路上。

五、对算力采购者的三点提示​

  1. 在华部署,昇腾生态已是默认选项。 从 CUDA 迁移到 CANN 的成本是一次性的,而供给不确定性是持续性的;9 月禁令后,新采购英伟达卡在中国市场已无合规路径。
  2. 国产算力「对标 H200」是分水岭。 过去国产替代的隐含假设是「性能打折、价格打折」;当单卡性能追平 H200 世代,采购决策就回归纯粹的 TCO 与供应安全计算——建议用 TCO 计算器 把电费、折旧、利用率放进同一张表里算。
  3. token 成本曲线决定应用格局。 中国模型 61% 的 OpenRouter token 份额说明:算力自主 → token 降价 → 应用繁荣的链条已经跑通第一段,接下来看推理成本能否继续下探。

小结​

40% 到 8%,不是一句口号,而是一个由禁令、产品力与模型生态共同驱动的市场重排。对中国市场而言,昇腾 950/960 的量产节奏与 CANN 生态成熟度,将决定这份份额能否守住;对全球市场而言,中国算力「内循环 + 开源模型出海」的组合,正在改写推理流量的地理分布。

(市场份额与营收预测来自 Bernstein / Bloomberg Intelligence 分析师报告,实际数字以各公司财报为准。)

DeepSeek 确认押注华为芯片训练大模型:从 16 万颗 950DT 传闻到"必须成功"的站队

· 阅读需 5 分钟
Industry Research Team

2026 年 9 月 22 日,多家媒体报道:DeepSeek CEO 明确表示公司正大力押注华为芯片,预计将收到新一批华为芯片用于大模型训练,并强调"这一选择必须成功"。这是继此前"DeepSeek 拟采购 16 万颗昇腾 950DT 跑推理"报道之后,国产算力生态迄今最重要的站队信号——从推理采购升级为训练押注。


1. 信号链:四步走到"训练押注"​

把过去半年的公开信息串起来,DeepSeek 与昇腾的合作有一条清晰的升级路径:

时间信号性质
2026 年中DeepSeek V4 完成从 CUDA 到 CANN 的生态迁移软件适配
2026 年 8 月报道:DeepSeek 拟采购 16 万颗昇腾 950DT 部署推理推理采购意向
2026-09-17HC2026:960DT 提前三个季度就绪,950DT Q4 放量供给兑现
2026-09-22DeepSeek CEO:押注华为芯片训练大模型,"必须成功"训练押注

关键变化是负载等级:推理部署是"用现成算力降本",训练押注则是"把下一代模型的存在性押在国产芯片上"——训练集群对稳定性、互联效率、软件栈成熟度的要求高一个量级。

2. 华为侧的兑现能力​

DeepSeek 敢于站队,背后是华为供给侧一系列可核验的进展(均为官方口径):

  • 一年一代兑现:950PR 已量产、950DT 2026 Q4 放量、960DT 从原计划 2027 Q4 提前三个季度至 2027 Q1 就绪 / Q2 上市——路线图可信度连续两次验证;
  • 部署规模:昇腾超节点已规模商用超 1000 套,覆盖互联网、金融、医疗、制造;
  • 生态成熟:CANN 进入常态化开源运营,外部开发者占比首次超过 61%,月活开发者 5200 人;基于昇腾的原生训练模型超过 40 个,是国内唯一支持预训练的技术路线;
  • 训练证据链:中国电信 9 月开源的星(Xing)4.0-29B-A4B agentic MoE 模型宣布在昇腾上端到端训练(公司口径)——昇腾"能训大模型"不再只有华为自证。

规格详见昇腾 950DT 与昇腾 960 规格页;超节点分析见昇腾 960 官宣发布。

3. 为什么是 DeepSeek?​

DeepSeek 的选择有强结构性动因:

  1. 供给确定性:在出口管制约束下,NVIDIA 旗舰对华供给持续收紧;国产算力是唯一可规划的大规模训练供给;
  2. 成本结构:DeepSeek 一贯以极致工程效率著称(V3 训练成本即为业内标杆),国产算力叠加超节点系统效率符合其路线;
  3. 对赌生态红利:CANN 开源 + 头部模型厂商深度绑定,模型厂商可以参与定义工具链走向——这在 CUDA 封闭体系内不可能发生;
  4. 示范效应自我实现:头部实验室公开站队会反向拉动华为产能排期、上游 HBM 与整机的投入,"必须成功"因此是理性承诺而非口号。

4. 风险与待验证项​

冷静看,这条路线仍有三处需要时间验证:

  • 实际训练规模:新一批芯片的数量、型号(950DT 还是 960DT)、交付节奏均未披露;
  • MFU 口径:华为给出的 MFU / 时延收益均出自马尔科夫实验室仿真,尚无独立第三方实测;训练集群的真实有效算力要看大规模生产环境的长期数据;
  • 单卡代差:960DT FP4 4 PFLOPS 对比 Rubin R200 的 50 PFLOPS(FP4),单卡代差客观存在——训练效率取决于超节点规模与软件优化能否补足,这正是"系统级竞争"的胜负手。

5. 小结​

  • DeepSeek 确认押注华为芯片训练大模型——国产算力首个头部实验室训练级站队;
  • 信号链:CUDA→CANN 迁移 → 16 万颗 950DT 推理采购传闻 → 960 提前就绪 → 训练押注;
  • 支撑面:一年一代兑现、超节点 1000+ 套、CANN 开源生态外部开发者 61%;
  • 看什么:新一批芯片的实际到货与训练集群规模、第三方 MFU 数据、下一次 DeepSeek 发版的训练算力披露。

相关阅读​

参考资料​

  • 今日头条·今日科技早报:DeepSeek 确认押注华为芯片用于大模型训练(2026-09-22)
  • 华为全联接大会 2026 官方发布(2026-09-17)
  • 此前报道:DeepSeek 拟采购 16 万颗昇腾 950DT(2026-08)

本文基于公开报道与厂商官方口径整理。芯片数量、训练集群规模等细节以 DeepSeek 与华为后续披露为准。

AI 算力周报(9.1-9.5):DeepSeek 订 16 万颗昇腾 950DT、英伟达 129 亿美元收购 Hugging Face、Rubin Ultra 显存减配

· 阅读需 9 分钟
Industry Research Team

本周(2026 年 9 月 1 日–5 日)AI 算力行业的题眼,是两条相反方向的成本重构:海外,英伟达以史上最大并购吞下开发者生态入口,同时给旗舰减配显存——"内存太贵"倒逼硬件从单卡堆料走向系统级互联;国内,DeepSeek 16 万颗昇腾订单把"国产替代"从口号变成头部实验室的资产负债表决策,字节近 300 亿美元融资为算力扩张装上杠杆。


1. DeepSeek 拟购 16 万颗昇腾 950DT:国产算力的"标志性订单"​

彭博社 9 月 4 日报道,DeepSeek 计划在内蒙古乌兰察布新建的约 1GW 数据中心部署至少 16 万颗华为昇腾 950DT,主要用于推理而非训练。按每颗约 11.1 万元的市场价估算,订单总额约 178 亿元人民币(约 25.6 亿美元)——这是迄今已知规模最大的昇腾集群,是半年前深圳首个万卡级集群的 16 倍。

三个关键读数:

  • 主动选择,而非被迫替代:DeepSeek 是公认最会"榨干"算力的实验室。创始人梁文锋 7 月曾直言:华为超节点能完成 GB300 的任务、延迟没有明显差别,但约需 4 颗昇腾才抵 1 颗英伟达、技术上落后约两年。选择昇腾跑推理,是在综合成本、供应链安全与本土化后的理性决策——推理对软件生态依赖较浅,正是国产芯片的突破口;
  • 瓶颈在供给端:受高端内存(HBM)短缺制约,昇腾 950DT 今年产量仅数十万颗(2026 年全部昇腾 die 计划约 160 万颗),DeepSeek 希望加购更多但产能所限,整单交付或需一年以上——国产 HBM 与先进封装成为整条链的胜负手;
  • 过渡性押注:DeepSeek 同时在与中芯国际合作开发自研推理芯片,并于 6 月完成约 500 亿元融资、继续洽谈数十亿美元基建融资。国产算力的终局是多元自主,而非单一依赖。

单颗 950DT:144GB HBM、4.0TB/s 带宽、2.0TB/s 互联,原生支持 FP8/FP4/HiF8,详见昇腾 950DT 规格页。

2. 英伟达 129.3 亿美元收购 Hugging Face:买下"铲子的交易所"​

当地时间 9 月 3 日,英伟达宣布以 129.3 亿美元收购全球最大开源 AI 平台 Hugging Face,超过 2020 年 69 亿美元收购 Mellanox,成为其史上最大并购。交易含约 119 亿美元股权款与最高约 10 亿美元员工留任计划,预计 2027 年上半年完成,待监管批准。

Hugging Face 托管超 300 万个模型、50 万个数据集,服务超 1800 万名开发者。黄仁勋承诺平台继续开放中立运营:不强制绑定英伟达资源、开源属性完整保留。

解读:算力霸主的护城河从"芯片 + 网络 + 软件栈"一路修到了"模型分发 + 开发者生态"——卖铲人开始收购铲子的交易所。平台的"中立性"承诺能否兑现,将成为全球监管与竞争性云厂商持续盯防的焦点;对国内产业而言,模型托管、权重分发这类"轻资产 AI 基础设施"与芯片一样,正在成为大国科技博弈的卡点。

3. Rubin Ultra 显存减配:内存占 TCO 40% 后的算术题​

SemiAnalysis 最新报告(科创板日报 9 月 3 日转引)显示,英伟达已将旗舰 Rubin Ultra 的 HBM 配置从 HBM4E 12-Hi(384GB 档)下调至 HBM4 8-Hi(192GB),三星正配合开发 8 层产品。

  • 动因:HBM/DRAM 涨价后,内存已占整机 TCO 约 40%;减配后 HBM 成本降超 50%,即便计入 2026 年 HBM 涨价预期,内存占总资本开支比例也将从 40% 压至 28%;
  • 钱去了哪:转向 Scale-up 纵向扩展网络——以 NVL576 NPO 方案测算,光模块取代机架间互连后,Scale-up 网络占机架总支出比例从 4% 升至 12%;
  • 连锁反应:TrendForce 显示英伟达自 2026 Q3 起并行评估 HBM4E 8-Hi / 12-Hi / HBM4 8-Hi 多套方案,部分云厂商也在考虑下调下一代自研 ASIC 的 HBM 容量。

连定价权最强的英伟达都给旗舰"减配求量",等于官宣:当前 AI 硬件最紧的约束是内存(美光高管称新增内存供应 2028 年前难有实质放量),单卡堆料的军备竞赛告一段落,硬件价值重心正迁移到光互联、CPO、高速交换与 PTFE 背板。华泰测算 2027 年存储供需缺口将从约 -7% 收窄至 -3%——上行周期未逆转,但从"普涨"走向"结构性紧缺"。

详见本站已同步更新的 Rubin Ultra 规格页与HBM4 量产竞速分析。

4. 推理 ASIC 军备提速:谷歌"一年两款",Jalapeño 规格落地​

  • 谷歌 TPU 迭代周期从两年一代压缩至"每年两款"(华创证券 9 月 4 日研报):第八代已拆分为训练(8t)与推理(8i)双架构,8i 把内存/算力配比拉到 8t 的 1.65 倍,专为推理放量设计;
  • OpenAI Jalapeño 规格披露:6 堆栈 HBM4 共 216GB、带宽 15.4TB/s、700W,围绕投机解码设计;OpenAI 称在 DeepSeek R1 负载下 tokens/kW 达 GB300 的 1.7 倍;RTL 冻结到流片 9 个月,首批硅片后约 10 周承载 ChatGPT 流量。详见规格页(本站已更新);
  • workload-specific 时代开场:训练、推理、推荐各自长出专用芯片,上游 HBM/封装/光互联的供应节奏必须跟上"半年一代"。

5. 国内动态:字节 296 亿美元加杠杆,摩尔线程 Token 超节点投产​

  • 字节跳动获约 296 亿美元融资安排(彭博 9 月 3 日),较最初约 200 亿美元目标大幅上调,用于数据中心与 AI 基建;另据产业报道正洽谈在内蒙古新增 5-6GW 算力产能——中国 AI 公司迄今最大规模基建融资之一,算力正被当作可融资、可证券化的重资产经营;
  • 摩尔线程 × 趋境科技 "Token 超节点"投产(光明网 9 月 4 日):以 MTT S500 承担 Prefill 与 KV Cache 生成、高带宽 GPU 专注 Decode 的 PD 异构方案,实测平均生成速度超 50 TPS、KV Cache 命中率超 90%、稳定性 99.9%,已承接头部模型厂商官方业务流量——超节点竞争维度从"单卡参数"转向"单位 Token 生产成本";
  • OpenAI 发布 GPT-6 Astra(9 月 4 日):超 10 万颗 GPU 在 Stargate 集群完成训练,推理放量与超大规模集群仍是全球算力叙事主线;
  • SemiAnalysis 基准:AMD MI355X 新提交在 AgentX 基准低交互区间tokens/$ TCO 击败 B300——vLLM + LMCache 软件栈的贡献首次被独立机构量化认可。

6. 市场:中美算力资产一涨一调​

美东 9 月 4 日,美国 8 月非农仅增 8.9 万人(预期 16 万),10 年期美债收益率回落至 3.78%,成长股走强:科技板块 XLK 周涨 4.2%,英伟达周涨 8.7% 收于 230.36 美元。A股 9 月 4 日反向回调:AI 算力芯片板块 -1.99%、服务器 -2.51%、超节点 -2.86%,浪潮信息跌停、寒武纪 -2.54%——基本面无恶化(博通、戴尔、中际旭创订单与财报持续验证景气),更多是交易层面获利兑现。

下周起三连催化密集:CIOE 光博会(9/9-11)→ 华为全联接大会(9/17-19)→ 云栖大会(9/22-24)。国产超节点从"发布会 PPT"到"批量交付"的成色,将迎来集中检验。

本周一句话​

内存太贵改变了所有人的算法:英伟达给旗舰减配显存、把钱投给互联;DeepSeek 用 16 万颗昇腾买推理确定性;谷歌把 TPU 迭代压到半年一代。2026 年 Q4 起,"每兆瓦/每美元 token 数"将取代"单卡 PFLOPS",成为算力采购的第一指标。


相关链接​

参考资料​


本文基于彭博社、科创板日报、SemiAnalysis、TrendForce、华创证券研报及光明网等公开报道整理。订单金额与市场数据为媒体/机构预估口径,实际以相关公司正式披露为准。

里程碑!华为昇腾910C完成1.6万亿参数大模型全参数训练

· 阅读需 7 分钟
Industry Research Team

2026年6月5日,深圳发布官宣重磅消息:深圳河套学院联合哈工大(深圳)、华为等团队,用1000颗华为昇腾910C芯片,成功完成1.6万亿参数DeepSeek-V4-Pro大模型全参数后训练。

这不是一次试探性的尝试,而是一次里程碑式的技术突破。它用无可辩驳的工程结果证明:国产AI芯片足以支撑世界级超大参数模型训练。

为什么这很重要?​

AI芯片的两道坎:"推理"与"训练"​

  • 推理(Inference):用现成模型聊天、写文案。此前国产芯片已经能做
  • 训练(Training):调整模型参数让它学习新能力。全参数训练要同时调整1.6万亿个参数,难度拉满

此前,万亿级参数模型的全参数训练一直被英伟达H100/H200垄断。国产芯片只能做推理,无法做大规模训练。

这次突破的意义:国产算力从"能用"跨越到"好用",从"推理"跨越到"训练"。

技术细节​

训练配置​

项目参数
芯片华为昇腾910C × 1,000颗
模型DeepSeek-V4-Pro
参数量1.6万亿(1600B)
训练类型全参数后训练(Full Parameter Post-Training)
训练框架昇思(MindSpore)+ torch_npu
完成时间2026年6月5日官宣

性能指标​

指标数值评价
算力利用率>30%工业级水平(海外顶级芯片~40%)
关键训练算子效率提升14%相比上一代910B
通信带宽利用率>60%(推测)MoE模型的All-to-All通信
稳定性1000颗卡连续训练无故障集群稳定性达标

💡 关于30%算力利用率:很多人觉得30%不高,但在大模型训练领域,这已经是非常不错的工业级水平。就算用最顶级的海外芯片,很多团队的实际利用率也就在40%左右。

昇腾910C详细规格​

昇腾910C是华为在2024年4月24日(华为分析师大会)公布的AI训练/推理芯片,理论算力峰值达到800 TFLOPS(BF16精度),与英伟达H100处于同等量级。

参数昇腾910C昇腾910BNVIDIA H100
架构Ascend 910CAscend 910BHopper
制程TSMC 7nm(推测)TSMC 7nmTSMC 4NP
BF16算力800 TFLOPS256 TFLOPS989 TFLOPS(稀疏)
显存64GB HBM(推测)64GB HBM2e(B1/B2)80GB HBM3
显存带宽~2TB/s(推测)600 GB/s(B1/B2)3.35 TB/s
TDP~400W(推测)300-400W700W
量产时间2026年4月(正式量产)2022年11月2022年3月

关键升级:

  • ✅ 算力提升3×:从910B的256 TFLOPS提升到800 TFLOPS
  • ✅ 软件生态完善:torch_npu适配PyTorch,昇思框架成熟
  • ✅ 集群稳定性:1000颗卡连续训练无故障(这是最大的突破)

技术挑战与解决方案​

挑战1:万亿级模型的显存需求​

1.6万亿参数模型,仅模型参数就需要:

  • FP16精度:1.6T × 2 bytes = 3.2 TB
  • 加上梯度、优化器状态:至少10 TB显存

华为的解决方案:

  • 模型并行(Model Parallel):将模型分布到1000颗910C上
  • ZeRO优化器:优化显存占用
  • 梯度累积:分阶段更新参数

挑战2:万卡集群的通信效率​

1000颗芯片训练时,卡间通信成为瓶颈。MoE模型需要All-to-All通信(每个专家可能需要与其他所有专家通信)。

华为的解决方案:

  • HCCS(Huawei Collective Communication Scheduler):自研高速互联协议
  • 分层通信:节点内NVLink + 节点间HCCS
  • 通信-计算重叠:在计算的同时进行数据传输

挑战3:训练稳定性​

万亿级模型训练需要数周甚至数月,任何一颗卡故障都可能导致整个训练中断。

华为的解决方案:

  • 故障检测与自动恢复:实时监测卡的状态,故障时自动重启并恢复训练状态
  • 检查点(Checkpoint)优化:高频保存训练状态(每N步保存一次)
  • 昇腾集群管理软件:专门为企业级训练设计

与竞品对比​

厂商芯片1.6万亿参数训练生态成熟度可用性
华为昇腾910C✅ 已完成⭐⭐⭐(进步中)中国本土
NVIDIAH100/H200✅ 工业标准⭐⭐⭐⭐⭐全球(受出口管制)
AMDMI300X✅ 可行⭐⭐⭐⭐全球
GoogleTPU v5p/8t✅ JAX原生⭐⭐⭐⭐Google Cloud

结论:昇腾910C在硬件性能上已经追上H100,软件生态仍有差距,但这次训练成功证明了工程可行性。

行业影响​

1. 国产算力的"遵义会议"​

这次突破被业内称为国产算力的"遵义会议"——从此从被动防守转向战略反攻。

具体影响:

  • ✅ 打破"国产芯片只能推理"的偏见
  • ✅ 证明国产芯片可以做frontier模型训练
  • ✅ 为国产大模型(如DeepSeek-V4、文心5.0)提供算力底座

2. 对英伟达的冲击​

华为昇腾910C完成万亿级训练,意味着中国AI产业对英伟达的依赖度降低。

场景此前现在
推理国产芯片可用国产芯片好用
训练必须用H100/H200可以用910C
大规模训练必须用H100集群可以用910C集群

3. 对国产芯片产业的提振​

这次突破将带动整个国产AI芯片产业链:

  • 芯片设计:寒武纪、沐曦、摩尔线程等加速迭代
  • 晶圆制造:中芯国际、华虹等获得更多订单
  • 封装测试:长电科技、通富微电等受益

华为昇腾芯片路线图(2025-2028)​

时间芯片定位
2025年Q1昇腾910C旗舰训练/推理(已量产)
2026年Q1昇腾950PR推理优化(~500 TFLOPS BF16)
2026年Q4昇腾950DT数据中心训练
2027年Q4昇腾960下一代旗舰
2028年Q4昇腾970再下一代

训练实战经验分享​

深圳河套学院团队在训练中积累了宝贵经验:

✅ 成功经验​

  1. 渐进式训练:从小模型(7B)开始,逐步扩大到1.6T
  2. 混合精度训练:BF16主训练 + FP32梯度累积
  3. 通信优化:All-to-All通信与计算重叠
  4. 故障恢复:每1000步保存一次检查点

⚠️ 遇到的挑战​

  1. 显存碎片:长训练过程中显存碎片化严重,需要定期整理
  2. 通信瓶颈:MoE模型的All-to-All通信占训练时间的30%+
  3. 软件Bug:torch_npu偶有内存泄漏,需要重启训练进程

相关芯片​

参考资料​


本文基于公开报道整理。向深圳河套学院、哈工大(深圳)、华为等团队表示敬意——你们用工程实践证明了中国AI算力的可行性。