henry 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI

DeepSeek V4發(fā)布，比模型本身更受關注的，是一個根本性的轉變：

國產(chǎn)算力生態(tài)正在從過去“芯片被動適配模型”的單向奔赴，邁向“芯模協(xié)同”的新階段。

之前，昇騰與不少模型進行過協(xié)同探索，但V4是第一次在大規(guī)模、高強度、工程化的尺度上，驗證了這種“芯模協(xié)同”的可行性與效率。

而這，恰恰是過去CUDA+英偉達體系最深的一層護城河——

模型、框架、芯片在長周期中的共同演化。

昇騰正在補的，不是某一行代碼，而是這十多年的時間。

但與此同時，更大的變化也正在鯤鵬昇騰開發(fā)者生態(tài)里發(fā)生。

過去一年，金融、科研、AI訓練等領域，越來越多團隊開始把核心業(yè)務遷移到鯤鵬昇騰上；越來越多開發(fā)者開始參與到底層能力、框架適配和社區(qū)共建里。

這些案例或許沒有V4那樣的傳播聲量，卻和V4一起，共同構成了鯤鵬昇騰生態(tài)真正的變化。它們最終都在指向同一件事：

鯤鵬昇騰，正在慢慢越過“能用”那條線。

而這一點，在剛剛結束的鯤鵬昇騰開發(fā)者大會2026開發(fā)者圓桌上，也被不少一線開發(fā)者反復提到。

圓桌上，中科院計算所副研究員、B站UP主石侃（老石談芯），與來自各個領域的開發(fā)者團隊，共同分享了各自在鯤鵬昇騰上的實戰(zhàn)經(jīng)驗。

他們做的方向雖然并不相同，但最后，幾乎所有人的結論都指向以下幾個方向：

• 鯤鵬、昇騰讓我們看到，中國自己的算力平臺，已經(jīng)可以成為業(yè)務首選。
• CANN在2024年初還是幼兒期，現(xiàn)在已經(jīng)更像青年期了。
• 國產(chǎn)算力是潮流，先用起來。

CANN生態(tài)邁向好用易用

過去一年，鯤鵬昇騰生態(tài)進入了一輪高密度迭代。

用論壇上陳秋武老師的話理解，就是CANN以前是幼兒期，現(xiàn)在是青年期了。

所謂“青年期”，不是說生態(tài)已經(jīng)成熟，而是開發(fā)者開始脫離“廠商保姆式支持”，能自己解決問題、貢獻代碼、推動迭代。

目前為止，65個源碼倉完成分層解耦，超節(jié)點架構正式落地，70余款主流大模型做到發(fā)布即適配。

對很多開發(fā)者來說，CANN也開始從“廠商工具鏈”變成一個真正可參與、共創(chuàng)的開源生態(tài)。

上個月DeepSeek V4發(fā)布時的芯模協(xié)同，就是這一輪變化最集中的一次展示。

而在剛剛結束的圓桌上，開發(fā)者們給出的反饋則更直接：

在鯤鵬昇騰上干活的體感，確實變了。

變在哪？圓桌上大家指向了三件事：適配效率性能天花板生產(chǎn)級信任

適配效率

眾所周知，芯片決定的是算力上限，生態(tài)決定的，才是算力能不能真正釋放出來。

沒有生態(tài)，再強的硬件也只是能點亮。開發(fā)者依然會卡在算子不支持、框架遷移困難、集群調(diào)度復雜這些細節(jié)里。

這也是此前很多開發(fā)者不愿遷移、或者遷不動的原因。

而這件事，正在發(fā)生變化。

AIGCode分享了自己加入昇騰生態(tài)的原因。創(chuàng)始人陳秋武在圓桌上沒藏著：

說實話，一開始是因為窮。2024年初沒有卡，我們是創(chuàng)業(yè)小公司。

用起來之后，變化來得比預想快

早期在昇騰上做MoE預訓練，適配自研網(wǎng)絡結構給華為提工單，排期需要三到四個月

到下一代上，同樣的問題自己就能動手解決，不用排隊了。

更讓陳秋武感到震驚的，是CANN生態(tài)補齊的速度。

他回憶，2024年初團隊第一次在昇騰硬件上做7B級預訓練時，整個生態(tài)“幾乎是一片荒漠”，很多基礎能力都還缺著。

但僅僅過了8個月，再回頭看時，整個CANN生態(tài)的覆蓋率已經(jīng)做到80%到90%。

從“很多東西都沒有”，到主流能力基本補齊，速度快得讓他都覺得意外。

類似的變化，也出現(xiàn)在其他團隊身上。

清華的王一鳴把氣象模型遷移到鯤鵬，Load幾個庫就能跑基線版本，他表示：

開源以后，我們能更充分地學習業(yè)界的優(yōu)秀實踐，在此基礎上進行適配和優(yōu)化，也能將一些好的經(jīng)驗應用到自己的項目中。

中科大團隊遷移高性能計算求解器到鯤鵬，編譯層面不到一周搞定

團隊的陳俊仕說，碰到的問題更多是編譯器版本、環(huán)境配置這類工程細節(jié)，跟架構本身關系不大。

這其實是一個很重要的信號。

四個團隊，四種完全不同的場景，呈現(xiàn)出同一種趨勢：開發(fā)過程中問題的解決已經(jīng)不依賴廠商貼身服務了。

這就意味著，國產(chǎn)算力最難的階段，可能已經(jīng)過去了。

性能天花板

適配只是第一步。真正決定開發(fā)者會不會留下來的，還是性能。

AIGCode在昇騰上，把MoE模型預訓練的MFU（算力利用率）做到了65%。這個數(shù)字，已經(jīng)接近行業(yè)平均水平的兩倍。

換句話說，同樣一張卡，真正干活的時間更多了。

陳秋武在圓桌上的說法很直接：

一張卡，能頂兩張用。

而支撐這一效率的關鍵之一，是昇騰超節(jié)點。

預訓練進入千卡時代后，真正困難的已經(jīng)不再只是單卡性能，而是大規(guī)模集群下的通信與調(diào)度效率。

昇騰超節(jié)點通過統(tǒng)一內(nèi)存編址和高速互聯(lián)，把原本復雜的異構通信進一步抽象化，降低了大規(guī)模訓練的系統(tǒng)復雜度。

AIGCode能做到65%的MFU，背后一個重要支撐就在這里。

開源降低了底層開發(fā)門檻，同構架構減少了遷移復雜度，而超節(jié)點則進一步解決了大規(guī)模擴展的問題。

它把通信與計算之間的并行掩蓋做得更深，讓流水線盡可能保持滿載運行，減少不同設備之間的等待和空耗。

最終，在千卡級集群場景下，整體負載率被拉到很高，用相對有限的算力，完成了更多有效計算。

另一邊，中科大團隊則基于鯤鵬研發(fā)了面向高性能計算的新型LU求解器。

LU分解是最基礎的矩陣操作，所有涉及矩陣的科學計算場景都離不開它，優(yōu)化LU分解就是在底層優(yōu)化所有科學計算問題。

通過算法與硬件協(xié)同設計，把原本不規(guī)則的計算重構為規(guī)則稠密計算，優(yōu)化后求解器相比傳統(tǒng)方法實現(xiàn)平均40多倍加速，部分場景接近200倍。

65%、40倍、200倍。

幾個看似分散的數(shù)據(jù)背后，其實對應的是同一件事：鯤鵬昇騰正在從“能跑”走向“好用”，生產(chǎn)級能力開始成型。

生產(chǎn)級信任

比性能更難跨過去的，其實是信任。

這次，一家頭部股份制銀行已經(jīng)把AI直接推進了核心風控流程。大模型與小模型混合架構，開始介入資金流轉和風險決策。

現(xiàn)場公布的數(shù)據(jù)也很硬：

首Token響應500毫秒、日均260億Token、可用性99.999%、全年故障時間不超過1分鐘，四項金融級指標全部達標。

但比性能指標更重要的是，他們開始愿意把核心業(yè)務真正放上去了。

而背后的關鍵變化之一，是CANN開源之后，整個系統(tǒng)終于不再是黑盒。

開發(fā)者不再只能“提需求、等適配”，而是可以真正參與到底層能力建設里。甚至連金融行業(yè)這樣的傳統(tǒng)非算子開發(fā)者，也開始向社區(qū)貢獻特性。

鄭老師在現(xiàn)場提到一句很關鍵的話：

開源之后，小問題我們自己隨時能修，大問題可以和社區(qū)一起討論。對整個方案更有把握，而不是在用一個黑盒子。

對于很多企業(yè)來說，性能從來不是唯一門檻。

真正決定他們敢不敢上生產(chǎn)環(huán)境的，是系統(tǒng)是否可見、可控、可維護。

打造開源開放的開發(fā)者生態(tài)

開發(fā)者的這些體感變化不是憑空而來的，背后是華為在開源開放上的一次關鍵選擇。

去年8月，CANN啟動全面開源；12月底，編譯器、運行時等核心代碼全量上線。

過去，開發(fā)者遇到問題，很多時候只能提工單、等版本更新。

而開源之后，運行時、算子編譯等核心模塊逐步解耦，開發(fā)者開始能真正參與到底層迭代里。

AIGCode從“排隊三個月”到“自己動手解決”，背后的變化就在這里。

股份制銀行這類非典型算力開發(fā)者愿意參與的原因，也在這里。

更關鍵的是，CANN開始逐步兼容主流AI生態(tài)。70余款主流大模型做到發(fā)布即適配，開發(fā)者不用改變原有開發(fā)習慣，就能直接調(diào)用昇騰的硬件能力。

這正如會上石侃談到的，向上，兼容主流計算框架；向下，屏蔽硬件的復雜度和差異性。

而這種兼容的背后，是CANN在底層做了大量重構——

提供豐富的算子庫、敏捷的開發(fā)工具鏈，以及全方位的開發(fā)者支持，大幅降低了算力使用門檻。

當然，生態(tài)不能只靠一方使勁。

開發(fā)者每一次正向反饋、每一個優(yōu)化結果、每一個創(chuàng)新應用，都能通過昇騰和華為的生態(tài)快速走向產(chǎn)業(yè)界，形成技術、商業(yè)、生態(tài)的完整閉環(huán)。

還有個有趣的細節(jié)是，Agent也在降低生態(tài)的門檻，陳秋武提到：

過去很多重復性的適配工作，現(xiàn)在已經(jīng)開始被Agent自動完成。生成代碼、給出示例、自動搭建環(huán)境，很多過去需要啃文檔的流程，被壓縮到了半小時以內(nèi)。

工具鏈在變化，開發(fā)方式本身也在變化。

飛輪轉起來了

說到底，比性能和適配更重要的變化，可能是生態(tài)方向開始變了。

在鯤鵬昇騰社區(qū)里，開發(fā)者不再只是“被動適配”，而是開始主動貢獻。

圓桌上，某頭部股份制銀行分享其已經(jīng)向多個社區(qū)累計貢獻上百個特性，其中僅向vLLM-Ascend就貢獻了34項優(yōu)化，而且不限于金融場景，全行業(yè)都能復用。

作為較早投入昇騰生態(tài)的創(chuàng)業(yè)團隊，AIGCode則從2024年起便持續(xù)參與社區(qū)共建，并貢獻了不少核心代碼。

一家十幾人的創(chuàng)業(yè)公司，愿意長期往別人的生態(tài)里投入研發(fā)資源，背后的邏輯其實很簡單：

他們開始相信，這條路會成為主流，而這些貢獻，又反過來加速了整個生態(tài)閉環(huán)。

硬件托住模型，模型落進產(chǎn)品，產(chǎn)品再反哺生態(tài)。

AIGCode在昇騰上做出65%的預訓練效率后，很快推出了自己的智能編程工具，用戶只需要輸入提示詞，15分鐘就能生成一套完整系統(tǒng)。

清華則聯(lián)合其他高校和科研單位在鯤鵬上跑出了戈登貝爾級別的科研成果。

這條閉環(huán)，已經(jīng)不局限于來分享的幾個明星團隊身上。

今年2月，智譜GLM-5開源，昇騰完成Day 0適配；4月，DeepSeek V4發(fā)布，不僅是Day 0適配，更是更深入的芯模協(xié)同。

截至目前，鯤鵬開發(fā)者已經(jīng)超過415萬，昇騰開發(fā)者超過410萬，openEuler裝機量超過1600萬套

數(shù)字當然重要，但比數(shù)字更值得關注的，是生態(tài)開始出現(xiàn)“自增長”。

當創(chuàng)業(yè)公司開始主動貢獻代碼，當銀行愿意把核心風控放上去，當高校開始把關鍵科研項目跑在上面，飛輪就已經(jīng)不再只靠華為一家推動了。

當被問及用昇騰一年多最大的感受時，陳秋武提到：

參與進來的，已經(jīng)不只是科技公司了。

高校、金融、AI大模型行業(yè)，以及越來越多不同領域的團隊，都開始進入這個生態(tài)，從用戶變成生態(tài)貢獻者。這些“非典型”開發(fā)者的加入是國產(chǎn)算力走向“易用好用”最直觀的信號。

而中科大的陳俊仕，則給了現(xiàn)場開發(fā)者一句非常直接的建議：

趕緊用。

可以說，從“能跑”到“有人長期建設”，從“廠商推動”到“生態(tài)自增長”，華為算力生態(tài)，正在進入新的階段——

一個成熟的國產(chǎn)算力生態(tài)正在成型。