伊朗“蚊子舰队”曝光 ，被美方视为霍尔木兹海峡的主要威胁
文丨镜像事情室 ，作者 | 彭杰克 ，编辑丨程述白" 若是顶尖的 AI 模子被优化在华为芯片上运行 ，对美国而言将是‘恐怖的效果’。"这是英伟达 CEO 黄仁勋近期在一档播客节目中发出的忠言。让他发出忠言的工具 ，是即将宣布新模子的中国 AI 公司 DeepSeek。让黄仁勋小心的 ，并不是某个详细的模子能力 ，而是另一件事——综合多家权威媒体报道：DeepSeek-V4 模子在设计之初便优先围绕华为昇腾 AI 系统举行适配。一旦乐成绕过英伟达的 CUDA 系统 ，DeepSeek 将不再只是英伟达生态里的一个 " 租户 " ，被迫接受高昂的 " 算力租金 " 和随时可能断供的供应链危害 ，而是成为能自主界说算力效率、掌握手艺栈主导权的 " 规则制订者 "。黄仁勋的这种担心在今天（4 月 24 日）成为了半个现实。悄然近五个月后 ，DeepSeek 带着 V4 重新回到市场中心 ，在其定价说明中 ，有一行险些被忽略的灰色小字：受限于高端算力 ，现在 Pro 的服务吞吐十分有限 ，预计下半年昇腾 950 超节点批量上市后 ，Pro 的价钱会大幅下调。这一细节至少说明 ，国产算力已经在 DeepSeek 的整体系统中占有了主要位置 ，甚至在要害路径上最先影响其本钱结构与定价逻辑。这并不料味着既著名堂被突破。从手艺报告来看 ，DeepSeek 目今最成熟、最稳固的实现仍然建设在 CUDA 系统之上 ，焦点算子与工程优化依旧集中在英伟达生态内。这也意味着 ，在短期内 ，CUDA 仍然是行业默认的 " 最优路径 "。只是 ，DeepSeek-V4 也证实晰 ，CUDA 构建的城墙 ，已经不再坚如盘石。DeepSeek-V4 都做了什么DeepSeek-V4 现实上就干了一件事：用极致的工程效率 ，把 " 顶级大模子 " 的门槛打了下来。它没有纯粹堆砌参数 ，而是通过一套组合拳 ，让高性能 AI 变得既好用又自制。详细来看 ，首先是参数规模：旗舰版本 DeepSeek-v4-pro 总参数达 1.6 万亿 ，但每次推理仅激活 490 亿参数；轻量版本 DeepSeek-v4-flash 则控制在 2840 亿参数、130 亿激活规模。统一时期海内主流大模子参数比照。制图：镜相事情室两个版本背后的逻辑一致：通过 MoE（混淆专家）架构 ，在不显著增添现实算力肩负的条件下扩展模子容量。通过工程优化 ，让模子在推理时只挪用最相关的部分 ，从而实现低本钱下的顶级性能。这种结构换算力的思绪在 V2 时期已初见效果 ，在 V4 中被进一步放大。在上下文能力上 ，DeepSeek 直接将 100 万 tokens 作为 " 所有官方服务的标配 "。相当于你用它的 App、网站或 API ，默认就能一次性上传一整本《红楼梦》、整个项目的代码库或一份完整的年度报告 ，让 AI 重新到尾读完并处置惩罚。在行业中 ，恒久保存上下文越长 ，本钱越高的矛盾。古板的 AI 模子为了明确长文本 ，它需要记着每个字 ，并且盘算每个字和全文中其他所有字的关联。相当于为了一句话 ，就需要翻阅并重读整本字典 ，效率极低 ，本钱也高。而 V4 没有硬扛这个数学难题 ，而是用 DSA 希罕注重力（DeepSeek Sparse Attention）的新机制 ，通过 " 打包摘要 " 和 " 只抓重点 " ，大幅降低了处置惩罚和影象长文的盘算量与本钱。百万字的长文在 AI 的 " 事情内存 "（显存）里 ，就酿成了几百个高度浓缩的要点 ，体积和肩负骤减。若是这一机制能够在真实场景中稳固运行 ，那么长上下文能力将从高端模子的附加项 ，逐渐转向应用层的基础设置。再来看能力层面的转变：Agent 能力方面 ，V4-Pro 已进入开源模子的第一梯队。在 Agentic Coding 评测中 ，其体现抵达目今开源最优水平 ，并在内部直接作为工程团队的编码工具使用。评测反响中一个颇具参考价值的细节是 ，其输出质量已经靠近美国 AI 企业 Anthropic 高端模子的通例非思索模式 ，但在更重大的思索模式上仍有差别。推理能力方面 ，在数学、STEM 以及竞赛级代码使命中 ，V4-Pro 的体现凌驾现有果真评测中的开源模子 ，并逐步迫近顶级闭源产品。天下知识方面 ，V4-Pro 大幅领先其他开源模子 ，和谷歌的顶尖闭源模子 Gemini-Pro-3.1 保存差别。这些能力并非伶仃保存 ，而是围绕详细应用场景睁开。V4 针对 Claude Code、OpenClaw、CodeBuddy 等主流 Agent 工具举行了适配 ，在代码天生与文档处置惩罚等使命中优化体现� ？梢钥闯� ，它的目的并不是成为最周全的模子 ，而是更直接地嵌入开发流程 ，肩负现实生产使命。系统层面则藏着 DeepSeek 能够自制下来的 " 神秘 "。手艺报告显示 ，DeepSeek 在系统底层做了一套 " 细粒度专家并行（EP）" 计划 ，简朴明确 ，就是优化了 AI 模子在芯片上的 " 调理算法 " ，让盘算和通讯能像流水线一样重叠举行。这套计划已在英伟达 GPU 与华为昇腾 NPU 两套系统上完成验证 ，推理速率提升了约 1.5 到 2 倍。这意味着同样的芯片 ，能处置惩罚更多的用户请求 ，单位本钱自然就降了。不过 ，从开源实现来看 ，目今最成熟的版本仍基于 CUDA。也就是说 ，焦点优化具备跨平台能力 ，但工程上的最优路径依然集中在既有的英伟达系统之中 ，这种状态为后续的迁徙与扩展保存了空间。定价依旧是 DeepSeek 最让偕行牙痒痒的地方。在缓存掷中条件下 ，Pro 版本输入价钱为 1 元 / 百万 token ，Flash 版本低至 0.2 元；Pro 版本输出价钱 24 元 / 百万 tokens ，Flash 版本输出价钱 2 元 / 百万 tokens ，都显著低于其他模子水平。在 DeepSeek-V4 定价表格下方 ，一行小字值得关注：受限于高端算力 ，现在 Pro 的服务吞吐十分有限 ，预计下半年昇腾 950 超节点批量上市后 ，Pro 的价钱会大幅下调。当价钱调解最先 " 锚定 " 某一类算力集群的安排进度时 ，背后往往意味着该类算力已经在整体系统中占有了相当权重 ，至少在要害路径上具备决议性影响。关于 DeepSeek 而言 ，这更像是一种间接披露——其推理或服务系统 ，正在越来越多地建设在国产算力之上 ，而算力供应的转变 ，已经能够直接传导到定价层。同时 ，这一逻辑还隐含着另一层转变——模子价钱不再只是取决于算法效率 ，而是最先由算力结构决议。随着昇腾超节点进入规模化阶段 ，单位算力本钱下降所带来的 ，不但是利润空间的释放 ，更是价钱系统的重塑能力。也正是在这一意义上 ，DeepSeek 的低价战略 ，正在从工程优化驱动 ，逐步过渡到算力系统驱动。默然下的野心和无奈从内外部情形看 ，让新模子优先适配国产芯片 ，是 DeepSeek 有意推进的事。它想做的不但是多找几家可用的 AI 芯片供应商 ，更是在实验触碰更底层的工具——通过挣脱英伟达的约束 ，走出由上游芯片厂商界说规则、模子公司被动适配的关系 ，进而反过来重塑上游。这是 DeepSeek 真正的野心。明确这一点 ，要先明确梁文锋。从更早的时间点来看 ，DeepSeek 对算力的重视带有一种近乎偏执的前瞻性。2015 年 ，甚至更早的 2012 年 ，他们就关注到算力储备 ，至天生式 AI 爆发前夜 ，已囤积了大宗英伟达 A100 芯片 ，厥后成为了 " 大厂外唯逐一家储备万张 A100 芯片的公司 "。梁文锋在接受暗涌采访时说：" 对研究员来说 ，对算力的渴求是永无止境的。做了小规模实验后 ，总想做更大规模的实验。" 这种渴求背后对应着一个现实的问题 ，大模子公司的焦点生产资料不但是代码 ，更是算力自己；谁能够掌控算力 ，谁才有资格稳固地研发、生产模子。以是 DeepSeek 厥后做的 ，不但是争取更多算力 ，而是在试图降低对简单算力系统的依赖。其选择国产 AI 芯片 ，实质上是在建设一套可控的、可一连的生产系统。而这种决议 ，险些贯串了其已往多年模子研发的始终。简朴说 ，它在做两件事：一是绕开英伟达设定好的部分 " 规则 " ，二是在实验给自己造一个跨差别芯片都能事情的 " 万能转换头 "。第一步爆发在模子架构层。2024 年 5 月宣布的 V2 ，用 MoE 架构大幅降低了模子对算力的消耗。它像是把一个重大的专家团队拆分成许多小组 ，每次只调动最合适的一小部分人干活 ，而不是让所有人同时上阵。效果是 ，总参数规模虽然很大 ，但每次真正加入盘算的只是一小部分。到了 R1 和 V3 阶段 ，DeepSeek 向底层 " 施工现场 " 下探。我们可以把 CUDA 明确成英伟达给开发者制订的一套通用施工规范 ，绝大大都模子都凭证这套规范搭屋子。而 DeepSeek 最先实验绕开其中部分标准流程 ，直接接触更靠近硬件的 PTX（英伟达为编程其 GPU 而引入的一种并行线程执行架构的中心语言）指令 ，自己调配钢筋、水泥和施工顺序。这样做很难 ，由于越靠近底层 ，越需要对硬件细节有极深明确。但利益也显着 ，同样一块 GPU 能榨出更多性能 ，甚至在硬件条件不占优时 ，用工程优化填补部分差别 ，从而降低对高端 GPU 的依赖水平。前两步照旧在英伟达系统内做更高难度的优化 ，去年 9 月 V3.2-Exp 的实验 ，最先有了另一层意味。他们对主流算子库做了调解 ，引入了 TileLang ——一个 " 万能转换头 "。已往开发算子（模子运转最底层的盘算单位） ，很像给差别国家的电器配插头 ，每换一种 GPU ，都要重新改写一遍代码 ，本钱高、周期长 ，并且高度依赖 CUDA。DeepSeek 的计划是 ，先用一种更高层、更通用的语言把盘算逻辑写出来 ，再把它翻译成适配差别 GPU 的代码。TileLang 就是这样一种实验� ？⒄呖梢韵扔酶拷� Python（AI 研发的天下语）的方法快速写出算子原型 ，再通过编译器映射究竟层执行 ，并团结详细硬件做优化。这样一来 ，已往一块 GPU 写一套代码的方法 ，就最先酿成先写通用逻辑 ，再做局部适配。华为部分芯片也在推进对 TileLang 的适配 ，意义正在这里。从架构立异 ，到规则绕行 ，再到算子库改写、国产芯片大规模适配 ，DeepSeek 的野心越来越大 ，走的路也越来越崎岖。从 V2 到 V4 ，中心横跨 15 个月 ，时代履历长时间悄然。外界看到的是宣布频率偏低 ，看不见的是大宗系统工程投入。这类软硬件协同立异 ，原来就比纯粹做模子参数迭代难堪多 ，由于动的不但是模子 ，尚有底层手艺栈。这也诠释了 ，为什么 R1 之后 DeepSeek 人才会成为大厂争醒目的——行业意识到了这种工程蹊径的价值。但手艺理想主义之外 ，DeepSeek 尚有现实思量。作为一家坚持开源蹊径的模子公司 ，DeepSeek 自然缺乏类似 OpenAI 那样的闭环商业能力 ，也没有谷歌或亚马逊那样可以内部消化模子本钱的云盘算系统 ，更没有腾讯、阿里、字节等大厂那样完整的商业生态 ，开源意味着更强的影响力和更快的扩散速率 ，但也意味着更薄的利润空间和更高的本钱敏感度。这也是为什么 DeepSeek 在 V2 模子阶段就选择用极致的本钱打穿市场 ，直接掀起一场 " 价钱战 " ，实质照旧通过工程能力换取商业空间。但这种优势建设在一个条件上 ，那就是算力本钱必需可控。一旦 GPU 价钱上涨或供应收紧 ，本钱优势就会迅速被侵蚀。因此 ，关于一家开源公司来说 ，挣脱对简单算力生态的依赖 ，不但是手艺选择 ，更是商业生涯的要求。与此同时 ，同业竞争进一步放大了这种压力。已往一年 ，大模子高频迭代 ，主流厂商险些以周为单位宣布新模子 ，再加上多位焦点人才流入其他模子厂商或大厂 ，DeepSeek 不得不认可 ，若是继续在既有路径上与同业竞争 ，很可能陷入节奏与资源的双重劣势。在这样的配景下 ，DeepSeek 选择将万亿级参数的自研模子优先适配国产芯片 ，甚至有意延后向英伟达、AMD 提供会见权限 ，给国产芯片留足软硬件适配、调优的时间 ，是一种改变游戏规则的实验。相比在英伟达 CUDA 系统内与同业正面竞争 ，DeepSeek 更有可能通过软硬件协同的方法 ，重新界说自身优势界线。这也是 DeepSeek 最擅