DeepSeek V5 传要用昇腾做预训练，卡在哪儿

11 月 3 日，多家媒体转述同一条消息：DeepSeek 下一代模型 V5 计划基于昇腾芯片做预训练，核心训练算力指向昇腾 950，节奏指向明年落地。此前昇腾在 DeepSeek 体系里只做推理。如果这条计划执行下去，头部大模型第一次把预训练整个环节放到国产芯片上。

先说清楚，DeepSeek 和华为都没官宣，项目时间也写的是"指向明年"。把它当成已完成的迁移会闹笑话。

值得看的是铺垫。9 月底 DeepSeek 开源了面向昇腾的基础设施组件：TileLang 编译工具、计算库、分布式通信库，跟此前给英伟达平台开源的组件一一对应。DeepSeek 还专门说过，训练中用到的每个 TileLang 算子在昇腾上都有对应的高性能实现。V4 阶段已经启动了针对自家模型的专属算子定制。算子层对齐是训练迁移最费人力的部分，这一步没做，谈全量上昇腾就是空话。10 月底那篇 华为与 DeepSeek 生态共生的分析 讲的也是这件事，只是当时还停在工具链层面。

今年确实有几个已经落地的训练案例，值得拿来对照。1 月智谱发布 GLM-Image，用 Atlas 800T A2 加 MindSpore 跑通从数据预处理到大规模训练的全流程，开源后 24 小时上了 Hugging Face Trending 榜首；同月摩尔线程用 MTT S5000 千卡集群和 FlagOS-Robo 完成智源 RoboBrain 2.5 全流程训练，夸娥集群还报了 95% 线性扩展效率、有效训练时长占比超过 90%。这些是多模态和具身模型，参数规模与训练时长跟 V5 这种级别的预训练不是一回事，但至少证明集群能连续跑、断点能续、损失曲线能对上。

难的地方在别处。CANN 今年全面开源，兼容 PyTorch、vLLM、TileLang，MindSpore 也加上了面向昇腾 950 的 MXFP8 低精训练支持，软件栈的"有没有"基本解决了。"全不全"和"稳不稳"还得靠长周期训练去撞：几千卡跑几个月，通信库在极端负载下的表现、算子精度漂移、故障恢复后的收敛，都是发布会上不会列的东西。CUDA 十几年攒下的算子覆盖和开发者习惯，不是开源几个库就能抹平的。

硬件侧也有变量。昇腾 950 系列今年报价涨得厉害，10 月路透社口径 里 950DT 指示性报价超过 25 万元；950DT 超节点规模供货指向年底或明年初。训练算力要的是成片交付，不是几十张卡。

市场背景倒是对得上。IDC 统计 2026 上半年英伟达在中国数据中心 AI 芯片份额降到 34%、出货量同比降 44%，华为昇腾 28%，差距 6 个百分点；追踪的 11 家中国芯片企业里有 9 家出货同比增长。推理侧先跑通商业闭环，训练侧才有资格谈迁移。

昇腾 950 卡片 已按"媒体报道、未官宣"的口径补上这条计划，没有把它写进规格或量产状态。

我的判断是，V5 真跑通与否，比再多几张跑分表都更能说明国产训练芯片到哪一步了。跑不通也不奇怪，第一步本来就难。要看的信号是两个：DeepSeek 何时放出昇腾侧的分布式训练组件更新，以及 950 超节点的实际交付节奏。