DeepSeek投入25.6亿美元采购至少16万颗华为昇腾950DT加速器，用于部署在内蒙古乌兰察布的吉瓦级数据中心，计划2026年Q4开始交付。梁文锋将使用国产芯片训练模型视为公司“最大的赌注之一”，并正在训练参数规模超过现有旗舰V4的2万亿参数大模型。DeepSeek转向昇腾面临三大难关：训练软件栈需全部重写、通信原语需从NCCL替换为HCCL、芯片产能受美国出口管制影响。目前华为因先进内存等核心元器件短缺面临生产瓶颈，DeepSeek短期仍无法完全摆脱英伟达。同时，TileLang开源为国产芯片提供算子开发工具，降低适配成本。
文章作者、来源：雷峰网
一套代码能跑遍所有芯片。
在投资人闭门会上，梁文锋将“使用华为或其他国产芯片训练模型”描述为公司当前“最大的赌注之一”，并明确表示此役“必须成功”。
DeepSeek 已投入 25.6 亿美元的订单，采购至少 16 万颗华为昇腾 950DT 加速器，用于部署在内蒙古乌兰察布在建的吉瓦级数据中心，这笔订单最快 2026 年 Q4 开始交付。这批昇腾 950DT 主要面向推理侧，训练环节目前仍主要依赖英伟达。
在算力布局上，DeepSeek 没有将国产芯片视为英伟达的退路，而是被摆在了核心战略位。梁文锋的判断是，国产芯片走向全球一线只是时间问题，DeepSeek应该率先行动，适应英伟达之外的半导体硬件。
DeepSeek 转向昇腾，其背后仍有三个难关。
第一块：训练软件栈全部重写。
DeepSeek-V3、V4 的训练代码，最早是为英伟达的 Tensor Core / Hopper 架构 WGMMA 指令写的。要在昇腾上跑，必须把每一处 cuBLAS / NCCL 调用替换成 Ascend C / HCCL。同时，FlashMLA、DeepEP、DeepGEMM 这些自研核心算子，要逐一在昇腾 950 上验证性能。
第二块：通信原语底层替换。
大模型训练要在成千上万颗加速器之间同步梯度，通信原语是并行训练的基石。英伟达生态的 NCCL 与昇腾体系的 HCCL，在 API 设计、性能曲线、容错模型上完全不同。从 NCCL 到 HCCL 的迁移不是改个 import 那么简单，任何一个集合通信操作的适配偏差，都可能导致整轮训练静默失效。
第三块：芯片产能押注。
更隐蔽的风险藏在供应链。推动 DeepSeek 转向国产芯片的动因是美国出口管制，而同一管制政策也制约着华为扩大 Ascend 950 产能的能力。DeepSeek 押注 16 万颗昇腾的隐含前提是：华为的 Q4 交付不能掉链子。
目前，DeepSeek 正在训练一款 2 万亿参数的大模型，参数规模超过现有旗舰 V4 的 1.6 万亿；梁文锋同时透露，公司已规划 8 万亿参数的更大模型。
模型规模越大，训练与推理对算力的需求就呈指数级增长。据梁文锋此前估算，训练一款与 OpenAI 同级别的大模型，大约需要 5 万颗英伟达 GB300 处理器，对应需要 20 万颗华为昇腾 950 芯片。
尽管 DeepSeek 全力推进国产算力迁移，但现实是华为当前的芯片供货仍有缺口。知情人士透露，受先进内存等核心元器件短缺影响，华为正面临生产瓶颈，DeepSeek 短期内仍无法完全摆脱对英伟达硬件的依赖。为此，DeepSeek 已完成多轮大规模融资，持续投入算力扩张。
未来 12 个月里，至少有 4 个变量会决定这场赌局的胜负：华为 Ascend 950 的 Q4 交付率，决定 DeepSeek 训练时间表；TileLang 昇腾后端是否能在 6 个月内追平 CUDA 后端，决定开发效率；字节、腾讯、阿里是否跟随押注昇腾，决定生态规模；美国出口管制是否再次升级，决定这条路的下限。
这些问题里，还没有定论。但一个趋势已经清晰，TileLang 的开源，把“国产算力生态怎么建”这件事，从一个工程问题变成了一个生态问题。
对比 CUDA 与 TileLang，两者代表了两种完全不同的生态路线：CUDA 是闭源、全栈、硬件绑定的厂商主导生态，积累深厚但迁移成本极高；TileLang 是开源、聚焦、跨硬件的社区化工具，专注解决大模型最核心的算子开发问题，灵活度高、移植成本低。
TileLang 的意义不在于替代 CUDA，而是补上了当下最紧迫的短板，让国产芯片不需要从零搭建完整的软件生态，就能快速拥有大模型训练所需的顶级算子能力。当越来越多的大模型厂商基于 TileLang 开发算子，国产芯片的适配成本会指数级下降，整个生态的迭代速度也会大幅加快。
某种意义上，DeepSeek证明了用国产芯片，一样能堆出世界级规模的超算集群。
当大模型竞争进入算力成本与供应链安全的深水区，“用软件定义算力” 不再是一句口号，TileLang 这样的底层工具创新，正在悄然重构国产算力生态的格局。
