开源模型与国产芯片的飞轮：DeepSeek 效应的产业启示
2026 年 4 月 24 日，DeepSeek V4 开源并宣布全面适配华为昇腾，成为全球首个在国产 AI 芯片上完成全栈推理适配的万亿参数级开源模型。一场"开源模型拉动国产算力、国产算力反哺开源生态"的飞轮，开始加速转动。
Day 0 适配：从后补迁移到原生生长
过去国产大模型普遍在海外 GPU 上开发训练，再向国产芯片做后补式迁移，成本高、周期长、性能损耗显著。DeepSeek V4 改写了这一模式：据公开报道，其团队联合华为、寒武纪从底层框架开展重构，基于 CANN 与 NeuWare 软件栈重写数十万量级的核心算子，针对稀疏 Attention、GroupGemm 等关键内核深度优化，对昇腾、寒武纪最新旗舰芯片实现发布即适配。
适配潮随即扩散：寒武纪依托 vLLM 框架完成 V4 双版本适配并将代码开源至 GitHub；摩尔线程联合智源 FlagOS 社区在旗舰 GPU 上完成深度优化部署；百度千帆、阿里国际等平台实现 Day 0 接入。多家券商研报预计，2026 年国产算力芯片出货量将实现翻倍增长。
飞轮的四个咬合齿轮
这条飞轮的运转逻辑可以拆成四步：
| 环节 | 作用 | 标志性进展 |
|---|---|---|
| 开源模型 | 提供免许可、可深度改造的技术底座 | DeepSeek V4 等开放权重，高低搭配分层覆盖 |
| 国产算力 | 承接训练与推理，成本可控 | 昇腾超节点全球部署突破 1000 套 |
| 软件统一 | 降低跨芯片迁移门槛 | FlagOS 推动一次开发、跨芯片运行 |
| 应用繁荣 | 反哺算力与模型迭代需求 | 国产芯片集群承接大规模线上推理 |
两个补充齿轮同样关键。其一，昇腾已成为 PyTorch 官方支持的首个中国算力底座，覆盖 90 多个主流第三方社区，全球开发者无需繁琐流程即可调用昇腾算力；其二，智源研究院牵头的开源统一软件栈 FlagOS 已支持英伟达、摩尔线程、华为、海光、天数等多种芯片，直指"换一家芯片就要重学一遍"的行业痛点——软件碎片化曾是国产算力最大的隐性成本。
推理成本下降的正循环
模型与芯片的深度协同直接压低了推理边际成本。DeepSeek 方面表示，受高端算力供给限制，V4-Pro 服务吞吐量暂时有限，待下半年昇腾 950 超节点量产后，定价有望大幅下调——算力供给的改善会直接传导为应用调用降价，进而加速 AI 向实体经济渗透。硬件形态上，国产厂商也在集体升级：在世界人工智能大会上，壁仞、沐曦、燧原、摩尔线程相继发布超节点产品，阿里云推出可公共云租用的超节点实例，"超节点"已成为国产算力的行业共识。此外，有报道指出，新一代模型在昇腾上完成混合专家并行方案验证后，推理任务实现了 1.5 至 1.73 倍的加速。
结语：飞轮转起来之后
DeepSeek 效应的真正启示在于：生态壁垒的攻破不靠单点性能对标，而靠"模型免费开放、算力成本可控、软件迁移低摩擦"三者共振。飞轮一旦转起来就会自我强化——更多应用选择国产芯片，芯片出货放大摊薄软件投入，软件更成熟又吸引更多模型原生适配。从"能用"到"好用"仍有距离，工具链成熟度与高端产能仍是短板，但方向已经清晰：国产算力的竞争逻辑，正在从追赶参数转向经营生态。