最近AI圈被一條消息刷屏。

華為牽頭聯(lián)合多家機(jī)構(gòu)，在約1000顆昇騰910C芯片組成的集群上，完成了DeepSeek-V4-Pro的全參數(shù)后訓(xùn)練，并穩(wěn)定運(yùn)行超過1500步，同時(shí)算子效率提升約14%。

看上去只是一次實(shí)驗(yàn)披露，但問題在于，它觸碰的是整個(gè)AI產(chǎn)業(yè)最敏感的一條線：國產(chǎn)算力是否開始具備“訓(xùn)練能力”。

如果把時(shí)間往前推一年，這件事幾乎不可想象。

2025年曾有測試顯示，即便有工程團(tuán)隊(duì)深度參與，DeepSeek模型在昇騰平臺(tái)上依然無法完成完整訓(xùn)練流程，問題集中在三個(gè)層面：芯片互聯(lián)帶寬不足、系統(tǒng)調(diào)度不穩(wěn)定，以及軟件棧生態(tài)不成熟。

當(dāng)時(shí)的現(xiàn)實(shí)很直接，昇騰更多只能承擔(dān)推理任務(wù)，真正的大模型訓(xùn)練仍然依賴英偉達(dá)GPU體系。

理解這次進(jìn)展，必須先區(qū)分“推理”和“訓(xùn)練”。

推理是模型已經(jīng)完成后的應(yīng)用階段，算力需求相對(duì)固定；訓(xùn)練則是從海量數(shù)據(jù)中不斷更新模型參數(shù)，對(duì)通信效率、集群調(diào)度和算子穩(wěn)定性要求極高。

這次實(shí)驗(yàn)的關(guān)鍵在于，它不是簡單跑推理，而是完成了“全參數(shù)后訓(xùn)練”，意味著模型每一個(gè)權(quán)重都參與更新，這一步在工程復(fù)雜度上明顯更高。

另一個(gè)容易被忽略的信息是模型本身。

DeepSeek-V4-Pro參數(shù)規(guī)模達(dá)到1.6萬億級(jí)別，從行業(yè)角度看，這已經(jīng)屬于超大規(guī)模模型范疇。

但需要注意，這次執(zhí)行的是“后訓(xùn)練階段”，其計(jì)算量遠(yuǎn)低于預(yù)訓(xùn)練階段。

換句話說，這次實(shí)驗(yàn)更像是在驗(yàn)證系統(tǒng)能力，而不是挑戰(zhàn)算力極限。

從結(jié)果看，這次集群表現(xiàn)出一定優(yōu)化能力。

約1000顆昇騰910C芯片組成的系統(tǒng)，在長時(shí)間訓(xùn)練中保持穩(wěn)定運(yùn)行，同時(shí)算子效率提升14%，說明在調(diào)度與執(zhí)行層面確實(shí)做了優(yōu)化。

不過目前并沒有公開完整benchmark數(shù)據(jù)，也沒有與英偉達(dá)同規(guī)模系統(tǒng)的直接對(duì)比，這讓外界很難判斷真實(shí)差距。

昇騰910C本身的能力也處在追趕階段。

公開資料顯示，其推理性能大約在英偉達(dá)H100的60%左右，而在大規(guī)模訓(xùn)練場景中，由于依賴高帶寬互聯(lián)，實(shí)際差距可能進(jìn)一步擴(kuò)大。

華為近年來推出的新一代Atlas加速器在算力和內(nèi)存規(guī)格上持續(xù)升級(jí)，但從芯片發(fā)布到穩(wěn)定生態(tài)形成，中間仍存在工程化落差。

如果只看技術(shù)層面，這次突破并沒有改變AI算力格局。

但如果放在產(chǎn)業(yè)層面，它的意義在于第一次明確驗(yàn)證：國產(chǎn)芯片集群已經(jīng)可以完成“非輕量級(jí)訓(xùn)練任務(wù)”。

這意味著國產(chǎn)AI算力不再只是推理替代，而開始進(jìn)入訓(xùn)練驗(yàn)證階段。

不過真正的分水嶺并不在這里。

后訓(xùn)練只是模型生命周期中的一小段，而真正決定算力天花板的，是預(yù)訓(xùn)練階段。

DeepSeek此前公開的數(shù)據(jù)中，預(yù)訓(xùn)練語料規(guī)模達(dá)到32萬億token，這才是算力消耗的核心戰(zhàn)場。

如果沒有在這一階段實(shí)現(xiàn)突破，整個(gè)體系仍然無法真正擺脫對(duì)外部GPU的依賴。

從行業(yè)視角看，這次事件更像一個(gè)信號(hào)，而不是結(jié)論。

它說明國產(chǎn)算力正在從“能用”向“可訓(xùn)練”過渡，但距離“可規(guī)模替代”仍有明顯差距。

關(guān)鍵不在芯片單點(diǎn)性能，而在于軟件棧、集群調(diào)度與長期穩(wěn)定性是否能形成閉環(huán)。

未來真正值得觀察的點(diǎn)很清晰。

第一，是否有公開的預(yù)訓(xùn)練級(jí)別測試出現(xiàn)；第二，是否出現(xiàn)獨(dú)立第三方復(fù)現(xiàn)結(jié)果；第三，國產(chǎn)芯片在大規(guī)模集群通信上的瓶頸是否被系統(tǒng)性解決。

這三點(diǎn)如果沒有突破，現(xiàn)階段更多仍屬于工程優(yōu)化，而不是代際替換。

這次“1000顆昇騰芯片跑通后訓(xùn)練”的意義，不在于它證明了什么，而在于它第一次把問題擺到了臺(tái)面上。

國產(chǎn)算力已經(jīng)不再是“能不能用”，而是開始進(jìn)入“能用到什么程度”的階段。

但真正決定未來格局的，不是一次實(shí)驗(yàn)跑通，而是下一次能不能把預(yù)訓(xùn)練也跑通。

如果說AI競爭是一場算力馬拉松，那么這一步最多只是從走路變成慢跑，真正的速度，還沒有開始。

信息來源：華為聲稱：用1000顆昇騰910C芯片完成對(duì)DeepSeek進(jìn)行后訓(xùn)練 2026-06-07 20:18

· 人工智能學(xué)家