100億美元估值！DeepSeek首輪融資3億美元！

同一時間，另一個消息更值得琢磨：DeepSeek 的下一代模型 V4，正在深度適配華為昇騰芯片。底層算子全部重寫，從英偉達的 CUDA 框架遷移到華為的 CANN 架構（但是這里也有不同說法，有知名的投資人朋友和我說，只是推理用華為的，訓練還是在英偉達上面。但是無論哪一個，都是好的進展）。

這兩件事拼在一起，指向一個正在發生的產業大分裂：中國的 AI 算力生態，正在和美國徹底分道揚鑣。

而這場分裂的核心，是一顆芯片。華為昇騰。

先說 DeepSeek 為什么突然要錢。

幻方給 DeepSeek 攢了一個叫「螢火二號」的算力集群，砸了10個億，裝了大約1萬張英偉達 A100 GPU。那時候 A100 一張卡七八萬塊錢，1萬張就是將近10億人民幣，光買卡的錢就夠一家中型公司活好幾年。

靠這堆卡，DeepSeek 在2024年底干了件讓整個硅谷坐不住的事。

DeepSeek-V3，671億參數，2048張 H800 GPU，訓練了不到兩個月，總算力成本557萬美元。這個數字公布出來，美國人不敢信。Meta 訓練一個差不多水平的模型，花了幾十倍的錢。OpenAI 更不用說。

緊接著2025年1月，DeepSeek-R1 發布，推理能力對標 OpenAI 的 o1 模型，而且完全開源。

英偉達股價當天跳水。

硅谷的反應很有意思。Meta 內部緊急拉了個專題會，分析 DeepSeek 的技術路線。好幾家大公司的研究員私底下在傳：這幫人用我們五分之一的資源，干出了差不多的活兒，我們是不是哪里搞錯了？

這個背景很重要。DeepSeek 證明了一件事：搞 AI 不一定非得砸天量算力，算法效率才是核心變量。

現在問題來了。

DeepSeek 手里那些英偉達的卡，正在變成一種「消耗品」，而且很可能補不上。

2022年開始，美國對中國 AI 芯片出口管制一輪接一輪地收緊。先是禁了 A100 和 H100，英偉達專門給中國做了個降級版 H20，算力砍了一大截。2025年4月，連 H20 也被要求出口許可。雖然中間有過反復，一會兒放一會兒收，可大方向很清楚：高端 AI 芯片，美國不想讓中國用。

H20 這種降級芯片，性能遠不如 H100，價格還不便宜。2025年初 DeepSeek 火了之后，國內算力需求瘋漲，H20 的價格一度飆到100多萬一臺八卡模組。

做這行的人都清楚一件事：如果你的算力底座隨時可能被人一刀切斷供應，你就不可能安心做長期研發。

所以 DeepSeek 做了一個決定：V4 模型要能在國產芯片上跑。

而國產 AI 芯片里，能接住大模型訓練這種重活的，目前就一個選擇——華為昇騰。

華為昇騰，說大白話就是華為自己搞的 AI 芯片。

這個東西的來頭要從華為海思說起。海思是華為的芯片設計部門，總部在深圳坂田，華為基地里頭。達芬奇架構就是海思團隊自研的，專門針對 AI 計算設計的芯片底層架構。

昇騰910B，對標英偉達 A100。FP16 算力大約320 TFLOPS，A100 是312 TFLOPS，紙面上看差不多。

昇騰910C，對標英偉達 H100。FP16 算力750到800 TFLOPS，H100 是將近1000 TFLOPS。差距有，但不是不能用。

關鍵的差距在三個地方。

第一，制程。英偉達 H100 用的是臺積電4納米工藝，華為昇騰用的是中芯國際7納米。中芯拿不到 EUV 光刻機（極紫外光刻），只能用 DUV 多重曝光的笨辦法硬磕。做出來的芯片功耗偏高，良率也不行。公開信息顯示，2025年上半年昇騰芯片的良率大約30%到40%，臺積電成熟產線能做到60%到70%。簡單說就是，同樣一片晶圓，華為能用的芯片只有人家的一半。

第二，互聯。英偉達有 NVLink，GPU 之間的數據傳輸帶寬極高，訓練萬億參數模型的時候，這個東西是命脈。華為有自研的 HCCS 協議，帶寬在提升，可在超大規模集群里頭的多卡并行效率，跟 NVLink 比還有差距。

第三，也是最致命的：軟件生態。

CUDA。

英偉達花了19年建起來的軟件棧。全球600萬開發者，40000多家公司在用，400多個加速計算庫，600多個預訓練模型。大學教 AI 的課程，默認就是 CUDA。你寫一個深度學習代碼，不管用 PyTorch 還是 TensorFlow，底下跑的都是 CUDA。

這東西的恐怖之處在于切換成本。一家公司如果所有的訓練代碼、推理流程、優化腳本都是基于 CUDA 寫的，你讓他換到華為的 CANN 上來，等于重寫一遍。不是改幾行代碼的事，是整個工程體系推倒重來。

做過 CUDA 開發的工程師轉到昇騰上，痛苦是實打實的。CANN 的版本匹配要求極高，驅動、固件、框架、算子包，任何一個版本對不上，就可能出隱性 bug，查起來要命。有工程師在技術社區里寫過：「從 PyTorch 模型轉成昇騰推理模型的過程，是 bug 最密集的環節，經常一個算子不支持，整個流水線就卡住了。」

這就是華為面對的真實處境：硬件上在追，追到了70%到80%的水平；軟件上差得更遠，生態的厚度不是三五年能補上的。

可問題是，留給中國的選擇并不多。

英偉達的芯片隨時可能斷供（現在的限制本來就非常多，實質上對中國是關著門的）。AWS、Google 這些美國云廠商的算力也不可能給中國的核心 AI 企業用。在這種大環境下，昇騰不是「最好的選擇」，而是「唯一能走的路」。

2025年，華為在全聯接大會上公布了一張芯片路線圖，野心不小。

2026年一季度，昇騰950PR 推出，專門做推理任務。四季度推昇騰950DT，做訓練和解碼。兩款芯片都搭載華為自研的高帶寬內存（HBM），不再依賴三星和 SK 海力士。

2027年四季度出昇騰960，算力、帶寬比950翻一倍。2028年出970。

每年迭代一代，步子不算慢。

這條路線圖背后，是一整條正在成型的國產算力產業鏈。做昇騰這件事，不是華為一家在干，是幾十家上市公司一起在干。

先說最上游，芯片封裝基板。昇騰910C 用的是雙 Die 封裝（簡單說就是把兩顆芯片拼在一塊），這個活對基板的精度要求極高。深南電路和興森科技，這倆公司是國內高端 PCB 和封裝基板的龍頭，昇騰的關鍵供應商。

再說連接器。AI 服務器里頭，芯片之間、背板之間的數據傳輸，靠的是高速連接器。華豐科技做昇騰的高速背板連接器，意華股份做板對板連接器。這些東西看著不起眼，但數據跑不通，整臺服務器就是廢鐵。

然后是整機。華為自己不造服務器，找的是合作伙伴。高新發展控股的華鯤振宇，拿到了華為鯤鵬加昇騰雙領先級認證。拓維信息做「兆瀚」系列 AI 服務器。神州數碼是昇騰全球總經銷商，自己還做了一個「神州鯤泰」系列。工業富聯負責代工。

光模塊。AI 服務器搞萬卡集群，卡和卡之間要用光纖連起來。華工科技做800G 光模塊，光迅科技做光器件，中際旭創是高速光模塊龍頭。

最后一個大件：液冷。昇騰 AI 服務器功耗高，傳統風冷扛不住，必須上液冷。高瀾股份做液冷全套方案，川潤股份做昇騰超節點的液冷系統，市占率不低。

軟件生態這邊，軟通動力是華為的頂級軟件伙伴，潤和軟件做昇思 MindSpore 框架的優化，科大訊飛是昇騰生態最大的應用合作方。

這條產業鏈拉出來，從底層基板到芯片封裝，從連接器到整機制造，從光模塊到液冷系統，從軟件框架到行業應用，幾十家公司各占一個環節。

2026年初，中國移動搞了一次超50億的 AI 通用計算設備集采，昇騰系廠商拿走了34億。字節跳動也有大規模的昇騰芯片采購計劃，910C 和 950 都要，用來搭訓練加推理的算力閉環。

說回 DeepSeek 的融資。

3億美元，對一個估值100億美元的公司來說，真的不算多。圈里分析比較集中的一個判斷是：這筆錢的主要目的是給期權定價。

另一個更實際的原因：向國產芯片遷移是重資產投入。V4 模型要從 CUDA 全面切到 CANN，底層算子要重寫，推理框架要重做，集群通信要重新優化。這些工程量巨大，需要大量高水平的系統工程師，而且沒有現成方案可以抄，全得自己趟路。

這件事的意義已經不只是 DeepSeek 一家公司的戰略選擇。當中國最強的 AI 大模型公司開始全面擁抱國產芯片，整個行業的生態重心就開始位移了。

華為昇騰此前的客戶以國資背景為主，運營商、央企、政府智算中心。DeepSeek 是第一個站出來說「我要在昇騰上訓練頂級大模型」的純市場化 AI 公司。這給整個昇騰生態帶來的信號量是不一樣的。

做開發工具的會跟進，做模型優化的會跟進，做部署方案的也會跟進。一旦生態里有了足夠多的頭部用戶，CANN 的成熟速度會比現在快得多。

截至2025年底，中國已建成的萬卡智算集群有42個，智能算力規模超過1590 EFLOPS。整個智算中心市場預計2026年能到1763億元。這個盤子足夠大，大到能養活一條完整的國產算力產業鏈。

華為的策略也看得出來，不是跟英偉達比單芯片性能，而是靠「超節點加集群」的系統級方案來補單卡差距。用自研的「靈衢」互聯協議把幾千張昇騰芯片串成一個整體，用專門優化過的推理引擎降低實際運行成本。

DeepSeek 的加入讓這條路更快了一步。這家公司最擅長的事情就是在有限資源下把算法效率做到極致。如果他們能在昇騰上把 V4 訓出來，而且性能不掉太多，對整個國產算力生態就是一針強心劑。

昇騰現在的狀態，有點像當年的安卓。早期的安卓也是一堆毛病，卡頓、兼容性差、開發者罵街。可一旦生態轉起來，用戶上來了，開發者就跟著來了，應用豐富了，體驗也就慢慢好了。現在國產 AI 芯片走的就是這條路。

做集群運維的工程師現在兩條腿走路，一邊維護英偉達的存量設備，一邊學 CANN 的新框架。很多公司的招聘里已經開始加一條：「有昇騰開發經驗者優先」。

說到底，這場 AI 算力的產業分化不是突然發生的，是被逼出來的。英偉達不賣高端芯片給中國，中國就只能自己造。造出來不好用，就硬著頭皮優化。優化的過程中，一條國產產業鏈慢慢長出來了。

這條產業鏈現在還粗糙，問題一大堆。可它正在給幾十萬工程師創造就業機會，給幾十家上市公司帶來新的增長曲線，給整個 AI 行業提供一個不怕斷供的底座。

加油！非常期待。