4 月 3 日，美国科技媒体 The Information 发了一篇报道，在 AI 圈炸开了锅。报道援引五位知情人士的说法称，DeepSeek 下一代大模型 V4 将运行在华为昇腾芯片上，并且打破了 AI 行业多年来的惯例——没有给英伟达和 AMD 提供新模型的早期访问权限。据报道，阿里、字节、腾讯已经向华为订购了数十万颗即将推出的昇腾 950PR 芯片，准备用 DeepSeek V4 撑起自己的云服务。这个信号很难被忽视：国产 AI 算力产业正在经历一次从"能不用就不用"到"争着抢着用"的态度翻转。
据报道，阿里、字节、腾讯已经向华为订购了数十万颗即将推出的昇腾 950PR 芯片，准备用 DeepSeek V4 撑起自己的云服务。这个信号很难被忽视：国产 AI 算力产业正在经历一次从"能不用就不用"到"争着抢着用"的态度翻转。
打破惯例：优先适配国产芯片在 AI 行业里，有一个不成文的规矩：模型发布之前，公司会把新模型提前交给英伟达、AMD 等芯片厂商做性能适配。这样做很合理——芯片厂商需要拿到模型，才能在自己的硬件上做针对性优化，优化完的结果往往也会写进联合论文或发布会的 PPT 里，双方共赢。DeepSeek 这次直接跳过了这个环节。V4 的早期访问权限只给了华为和寒武纪两家国产芯片公司。据 The Information 报道，DeepSeek 甚至为此专门推迟了 V4 的发布时间，花了数月时间与华为和寒武纪的工程师合作，重写了模型底层代码的部分模块，以确保在昇腾芯片上能稳定运行。
这种"主动选择"和"被迫接受"的区别很重要。之前的叙事一直是"美国限制了中国拿到先进芯片"，现在变成了"中国头部 AI 公司主动选择不和英伟达合作"。后者对行业信心的冲击要大得多。
理解这次合作的意义，得先看看华为拿出了什么。2026 年 3 月，华为在合作伙伴大会上正式发布了搭载昇腾 950PR 处理器的 Atlas 350 加速卡，目标很明确：在 AI 推理场景对标并超越英伟达面向中国市场推出的 H20。
这份数据很说明问题。在算力和内存容量上，昇腾 950PR 确实跑在了 H20 前面。特别是它支持 FP4 低精度格式，可以将一个 700 亿参数模型在推理时的显存占用从 FP16 的约 140GB 压缩到 35GB 左右，这对大规模部署意味着成本量级的下降。但也要看到短板。昇腾 950PR 的内存带宽只有英伟达 H20 的大约三分之一，功耗也高出 50% 左右。内存带宽直接影响数据搬运速度，在大模型推理时可能成为瓶颈。换句话说，华为选择了"用更高的算力和更大的内存容量来弥补带宽不足"的路径——这像是一场“错位突围”，但不是全面超越。
DeepSeek 转向华为不是一拍脑袋的决定，而是在"理想"和"现实"之间反复拉锯后的第二次尝试。第一次合作失败的经验，恰恰让第二次合作更有针对性——这次 DeepSeek 不再追求全流程（训练+推理）一步到位，而是采取了更务实的分层策略。据 The Information 和多家国内媒体报道，V4 的训练仍然在英伟达高端 GPU 上完成，但推理阶段将运行在昇腾 950PR 上。推理和训练的分开处理，其实是一种很聪明的妥协——训练对算力和软件生态的要求极高，国产芯片暂时还难以完全胜任；但推理场景相对单一、容错空间更大，是目前国产芯片最有可能做出成绩的切入点。
如果只是 DeepSeek 一家在用华为芯片，这最多算一次技术合作。但真正让这件事变成行业级别信号的，是阿里、字节、腾讯三家巨头的集体行动。据 The Information 报道，这三家公司合计向华为订购了数十万颗昇腾 950PR 芯片，计划通过各自的云服务提供基于 DeepSeek V4 的 AI 能力。这些公司并不是在赌气做政治表态——它们是算力的大批量采购方和实际使用者，每一颗芯片都要算账。它们选择华为，说明一个基本判断已经形成：在推理场景下，昇腾 950PR 的性价比已经达到了商业可用门槛。考虑到英伟达高端芯片受到出口管制、H20 本身就是"阉割版"、而国内 AI 推理需求又在爆发式增长，转向国产芯片既是对冲供应链风险，也是从成本角度做的理性选择。对华为来说，DeepSeek 主动适配是一次极其重要的"背书"。国产 AI 芯片长期面临一个鸡生蛋问题：没有模型愿意跑，芯片就没有优化动力；没有芯片优化，模型就更不愿意跑。DeepSeek V4 的适配，相当于有人在鸡蛋上戳了第一个洞——接下来的生态迭代速度可能会比预想快得多。
把 DeepSeek V4 的芯片选择放到更大的图景里看，这件事代表了几个层面的变化。第一，出口管制的反效果开始显现。美国限制中国获得先进芯片，初衷是保持技术代差。但现实是，这种限制反而加速了中国国内芯片产业的迭代。一年前，国产 AI 芯片在训练场景还几乎不可用；一年后，推理场景已经出现了有竞争力的替代方案。限制越紧，替代的动力就越强。第二，CUDA 生态的护城河正在被绕过。英伟达真正的壁垒从来不只是芯片硬件，而是花了近 20 年构建的 CUDA 软件生态——300 多个加速库、数百万开发者、几乎所有 AI 框架的第一优先适配平台。华为 CANN Next 的策略很聪明：不是从头建一个独立生态，而是在接口层兼容 CUDA，让开发者可以低代价迁移。这条路能不能走通还不好说，但方向是清晰的。第三，中国 AI 周调用量已连续数周超过美国。据最新数据，中国 AI 周调用量达到 7.359 万亿 Token。需求端的规模优势正在转化为产业优势——当推理需求足够大时，即使国产芯片单卡性能略逊，集群规模和成本优势也能补上差距。
作者声明： 本文转载自第三方，旨在提供资讯参考，并非证券推荐或投资建议。作者对内容的真实性、准确性不承担保证责任。本文不构成任何投资建议或证券推荐。截至发文日，作者与文中提及的标的不存在持仓关系。