DeepSeek创始人梁文锋。图片经由AI处理
文丨 Joanne
编辑丨徐青阳
DeepSeek与华为的合作，正在从软件适配深入芯片设计。
据媒体报道，有知情人士透露，华为工程师已在DeepSeek办公室驻扎较长时间，将大模型训练中的实际需求纳入下一代芯片的设计决策，包括如何分配计算任务，以及如何在处理器之间传输数据。
双方合作的下一步，是大规模预训练。DeepSeek计划最早于今年年底开始使用华为昇腾950DT进行预训练，相关测试仍在进行，具体时间可能变化。此前，DeepSeek已使用华为芯片运行模型和开展后训练。
这将是一项更严苛的考验。据知情人士透露，一次完整的预训练任务可能需要超过一万颗昇腾950DT连续运行数周。芯片的计算能力、处理器之间的通信效率，以及整个集群的稳定性，都将影响训练能否完成。
DeepSeek也在通过开源编程工具TileLang，降低AI程序迁移到华为芯片的成本。但它仍在寻求更多英伟达芯片。对双方而言，接下来的关键是证明：国产芯片能否在足够大的规模上，稳定、高效地完成模型训练。
01 华为工程师入驻DeepSeek办公室
DeepSeek正在为使用华为芯片开展大规模预训练做准备。
据知情人士透露，DeepSeek预计在2026年第四季度或明年第一季度获得新一批华为芯片。能否按计划最早于今年年底启动预训练，还取决于测试进展。
预训练是模型从海量数据中学习基础能力的阶段，通常持续数周甚至数月。与运行已经训练好的模型、开展后训练相比，大规模预训练需要更多芯片长时间协同工作，对计算、通信和运行稳定性的要求都更高。
今年9月，DeepSeek创始人梁文锋在与投资者的闭门会议上，将使用更多国产芯片训练模型列为重要任务，并表示这项工作必须成功。
华为也准备为DeepSeek提供更多支持。对于计划于2027年第一季度推出的昇腾960DT，华为计划将大部分供应分配给DeepSeek。DeepSeek希望将其同时用于模型训练和推理。
华为公布的产品路线图显示，昇腾960DT计划于2027年第一季度推出，随后将在2028年和2029年推出昇腾970和昇腾980。
但国产芯片能否承担大规模训练，还要看实际表现。研究机构Epoch AI的数据显示，英伟达B300芯片的原始算术性能约为华为昇腾950的七倍。华为需要通过芯片设计、软件优化和集群协同，缩小实际训练效率上的差距。
规模越大，运行难度越高。据外媒报道，DeepSeek近期的测试使用了超过1000颗处理器，一次完整的预训练任务可能需要超过10000颗昇腾950DT连续运行数周。单颗芯片故障或数据传输延迟，都可能影响整个集群的运行，相关管理软件仍有部分尚未完成。
制造能力也是一道门槛。美国出口管制限制了华为获取先进芯片制造资源的渠道，先进高带宽内存等关键组件的供应也受到影响。即使芯片设计和软件适配取得进展，华为仍需解决产能与组件供应问题，才能交付足够规模的训练集群。
02 TileLang从CUDA手里抢时间
相比芯片硬件，软件生态是英伟达更难被替代的优势之一。
CUDA是英伟达GPU的核心编程平台，经过多年发展，已经积累了大量开发者、软件库和开发工具。AI企业围绕CUDA建立了成熟的研发流程，迁移到其他芯片时，往往需要重写底层程序并重新进行性能调优。这使得英伟达即使面对性能更有竞争力的替代产品，也能依靠软件生态留住客户。
DeepSeek参与开发的TileLang，正试图降低这道门槛。
TileLang是一种面向AI计算的开源编程语言，于2025年1月发布。它让工程师能够编写执行特定计算任务的内核程序，减少底层编程的工作量，并支持不同硬件平台。
DeepSeek早已在英伟达GPU上使用TileLang。2025年9月发布实验性V3.2模型时，公司同时提供了TileLang和CUDA编写的相关代码。如今，TileLang已用于DeepSeek V4模型开发中的大量底层计算程序。
9月30日，DeepSeek宣布开源面向华为昇腾加速器的软件工具包，其中包括适配昇腾950芯片的TileLang版本，以及五组涉及模型计算和数据传输的代码。
DeepSeek表示，目前训练中使用的每个TileLang程序都有对应的昇腾版本，并称华为工程师在开发过程中提供了“毫无保留”的支持。
这套工具的价值，在于减少针对不同芯片重复编写程序的工作。开发者可以利用相对统一的编程方式适配不同硬件，而不必完全从头开始。不过，TileLang并不能让所有CUDA程序自动运行在华为芯片上。由于不同芯片的计算架构、内存管理和通信机制存在差异，迁移后的程序仍需调整和优化。
开源也有助于扩大国产芯片的软件生态。DeepSeek将适配工具公开后，其他AI开发者也可以据此开展模型移植和性能优化，华为不必完全依靠自身团队完成所有适配工作。
但CUDA的优势并不只在于编程语言，还包括长期积累的工具、软件库和开发经验。TileLang能够降低迁移成本，却不能立即消除英伟达在硬件性能和软件生态上的领先。华为要争取更多开发者，还需要证明其芯片能够稳定、高效地完成实际训练任务。
03 英伟达并未被完全放弃
DeepSeek加大对华为芯片的投入，并不意味着它已经放弃英伟达。
国产芯片目前还难以完全接替英伟达芯片。对DeepSeek而言，继续使用英伟达硬件可以保障模型研发进度，而与华为合作，则是为了降低未来对单一供应体系的依赖。
两条路线并不矛盾。
DeepSeek此前已使用华为芯片运行模型和开展后训练，现在希望进一步将国产芯片用于计算量更大的预训练环节。随着模型规模扩大，训练对芯片数量、内存容量和集群通信的要求也会提高。
据此前披露的投资者会议记录，梁文锋曾估算，训练一个与国际领先模型规模相当的系统，可能需要约5万颗英伟达GB300处理器，或者20万颗华为昇腾950芯片。
伯恩斯坦负责中国芯片行业的高级分析师林清源将DeepSeek的选择概括为“走得慢一点，但走得远得多”。国产芯片短期内可能需要更多硬件和优化工作，却能降低先进算力供应受外部限制的风险。
华为也在扩大相关产品的供应。华为轮值董事长徐直军上个月表示，昇腾950DT的训练测试进展顺利，大规模供应预计在年底前后启动，预计2027年将有更多开发者使用这款芯片进行训练。与此同时，华为称国内需求已经超过现有供应能力，并计划限制海外销售。
对于华为来说，DeepSeek提供了头部模型训练场景和软件优化经验；对于DeepSeek来说，华为则提供了一条继续扩大国产算力使用范围的路径。双方能否取得实质进展，最终要看国产芯片能否稳定完成大规模预训练，以及训练成本和效率能否逐步接近英伟达方案。
特约编译金鹿对本文亦有贡献
