千元机砍单，高端机加单
文丨镜像事情室，作者 | 彭杰克，编辑丨程述白" 若是顶尖的 AI 模子被优化在华为芯片上运行，对美国而言将是‘恐怖的效果’。"这是英伟达 CEO 黄仁勋近期在一档播客节目中发出的忠言。让他发出忠言的工具，是即将宣布新模子的中国 AI 公司 DeepSeek。让黄仁勋小心的，并不是某个详细的模子能力，而是另一件事——综合多家权威媒体报道：DeepSeek-V4 模子在设计之初便优先围绕华为昇腾 AI 系统举行适配。一旦乐成绕过英伟达的 CUDA 系统，DeepSeek 将不再只是英伟达生态里的一个 " 租户 "，被迫接受高昂的 " 算力租金 " 和随时可能断供的供应链危害，而是成为能自主界说算力效率、掌握手艺栈主导权的 " 规则制订者 "�；迫恃恼庵值Ｐ脑诮裉欤�4 月 24 日）成为了半个现实。悄然近五个月后，DeepSeek 带着 V4 重新回到市场中心，在其定价说明中，有一行险些被忽略的灰色小字：受限于高端算力，现在 Pro 的服务吞吐十分有限，预计下半年昇腾 950 超节点批量上市后，Pro 的价钱会大幅下调。这一细节至少说明，国产算力已经在 DeepSeek 的整体系统中占有了主要位置，甚至在要害路径上最先影响其本钱结构与定价逻辑。这并不料味着既著名堂被突破。从手艺报告来看，DeepSeek 目今最成熟、最稳固的实现仍然建设在 CUDA 系统之上，焦点算子与工程优化依旧集中在英伟达生态内。这也意味着，在短期内，CUDA 仍然是行业默认的 " 最优路径 "。只是，DeepSeek-V4 也证实晰，CUDA 构建的城墙，已经不再坚如盘石。DeepSeek-V4 都做了什么DeepSeek-V4 现实上就干了一件事：用极致的工程效率，把 " 顶级大模子 " 的门槛打了下来。它没有纯粹堆砌参数，而是通过一套组合拳，让高性能 AI 变得既好用又自制。详细来看，首先是参数规模：旗舰版本 DeepSeek-v4-pro 总参数达 1.6 万亿，但每次推理仅激活 490 亿参数；轻量版本 DeepSeek-v4-flash 则控制在 2840 亿参数、130 亿激活规模。统一时期海内主流大模子参数比照。制图：镜相事情室两个版本背后的逻辑一致：通过 MoE（混淆专家）架构，在不显著增添现实算力肩负的条件下扩展模子容量。通过工程优化，让模子在推理时只挪用最相关的部分，从而实现低本钱下的顶级性能。这种结构换算力的思绪在 V2 时期已初见效果，在 V4 中被进一步放大。在上下文能力上，DeepSeek 直接将 100 万 tokens 作为 " 所有官方服务的标配 "。相当于你用它的 App、网站或 API，默认就能一次性上传一整本《红楼梦》、整个项目的代码库或一份完整的年度报告，让 AI 重新到尾读完并处置惩罚。在行业中，恒久保存上下文越长，本钱越高的矛盾。古板的 AI 模子为了明确长文本，它需要记着每个字，并且盘算每个字和全文中其他所有字的关联。相当于为了一句话，就需要翻阅并重读整本字典，效率极低，本钱也高。而 V4 没有硬扛这个数学难题，而是用 DSA 希罕注重力（DeepSeek Sparse Attention）的新机制，通过 " 打包摘要 " 和 " 只抓重点 "，大幅降低了处置惩罚和影象长文的盘算量与本钱。百万字的长文在 AI 的 " 事情内存 "（显存）里，就酿成了几百个高度浓缩的要点，体积和肩负骤减。若是这一机制能够在真实场景中稳固运行，那么长上下文能力将从高端模子的附加项，逐渐转向应用层的基础设置。再来看能力层面的转变：Agent 能力方面，V4-Pro 已进入开源模子的第一梯队。在 Agentic Coding 评测中，其体现抵达目今开源最优水平，并在内部直接作为工程团队的编码工具使用。评测反响中一个颇具参考价值的细节是，其输出质量已经靠近美国 AI 企业 Anthropic 高端模子的通例非思索模式，但在更重大的思索模式上仍有差别。推理能力方面，在数学、STEM 以及竞赛级代码使命中，V4-Pro 的体现凌驾现有果真评测中的开源模子，并逐步迫近顶级闭源产品。天下知识方面，V4-Pro 大幅领先其他开源模子，和谷歌的顶尖闭源模子 Gemini-Pro-3.1 保存差别。这些能力并非伶仃保存，而是围绕详细应用场景睁开。V4 针对 Claude Code、OpenClaw、CodeBuddy 等主流 Agent 工具举行了适配，在代码天生与文档处置惩罚等使命中优化体现�？梢钥闯�，它的目的并不是成为最周全的模子，而是更直接地嵌入开发流程，肩负现实生产使命。系统层面则藏着 DeepSeek 能够自制下来的 " 神秘 "。手艺报告显示，DeepSeek 在系统底层做了一套 " 细粒度专家并行（EP）" 计划，简朴明确，就是优化了 AI 模子在芯片上的 " 调理算法 "，让盘算和通讯能像流水线一样重叠举行。这套计划已在英伟达 GPU 与华为昇腾 NPU 两套系统上完成验证，推理速率提升了约 1.5 到 2 倍。这意味着同样的芯片，能处置惩罚更多的用户请求，单位本钱自然就降了。不过，从开源实现来看，目今最成熟的版本仍基于 CUDA。也就是说，焦点优化具备跨平台能力，但工程上的最优路径依然集中在既有的英伟达系统之中，这种状态为后续的迁徙与扩展保存了空间。定价依旧是 DeepSeek 最让偕行牙痒痒的地方。在缓存掷中条件下，Pro 版本输入价钱为 1 元 / 百万 token，Flash 版本低至 0.2 元；Pro 版本输出价钱 24 元 / 百万 tokens，Flash 版本输出价钱 2 元 / 百万 tokens，都显著低于其他模子水平。在 DeepSeek-V4 定价表格下方，一行小字值得关注：受限于高端算力，现在 Pro 的服务吞吐十分有限，预计下半年昇腾 950 超节点批量上市后，Pro 的价钱会大幅下调。当价钱调解最先 " 锚定 " 某一类算力集群的安排进度时，背后往往意味着该类算力已经在整体系统中占有了相当权重，至少在要害路径上具备决议性影响。关于 DeepSeek 而言，这更像是一种间接披露——其推理或服务系统，正在越来越多地建设在国产算力之上，而算力供应的转变，已经能够直接传导到定价层。同时，这一逻辑还隐含着另一层转变——模子价钱不再只是取决于算法效率，而是最先由算力结构决议。随着昇腾超节点进入规�；锥�，单位算力本钱下降所带来的，不但是利润空间的释放，更是价钱系统的重塑能力。也正是在这一意义上，DeepSeek 的低价战略，正在从工程优化驱动，逐步过渡到算力系统驱动。默然下的野心和无奈从内外部情形看，让新模子优先适配国产芯片，是 DeepSeek 有意推进的事。它想做的不但是多找几家可用的 AI 芯片供应商，更是在实验触碰更底层的工具——通过挣脱英伟达的约束，走出由上游芯片厂商界说规则、模子公司被动适配的关系，进而反过来重塑上游。这是 DeepSeek 真正的野心。明确这一点，要先明确梁文锋。从更早的时间点来看，DeepSeek 对算力的重视带有一种近乎偏执的前瞻性。2015 年，甚至更早的 2012 年，他们就关注到算力储备，至天生式 AI 爆发前夜，已囤积了大宗英伟达 A100 芯片，厥后成为了 " 大厂外唯逐一家储备万张 A100 芯片的公司 "。梁文锋在接受暗涌采访时说：" 对研究员来说，对算力的渴求是永无止境的。做了小规模实验后，总想做更大规模的实验。" 这种渴求背后对应着一个现实的问题，大模子公司的焦点生产资料不但是代码，更是算力自己；谁能够掌控算力，谁才有资格稳固地研发、生产模子。以是 DeepSeek 厥后做的，不但是争取更多算力，而是在试图降低对简单算力系统的依赖。其选择国产 AI 芯片，实质上是在建设一套可控的、可一连的生产系统。而这种决议，险些贯串了其已往多年模子研发的始终。简朴说，它在做两件事：一是绕开英伟达设定好的部分 " 规则 "，二是在实验给自己造一个跨差别芯片都能事情的 " 万能转换头 "。第一步爆发在模子架构层。2024 年 5 月宣布的 V2，用 MoE 架构大幅降低了模子对算力的消耗。它像是把一个重大的专家团队拆分成许多小组，每次只调动最合适的一小部分人干活，而不是让所有人同时上阵。效果是，总参数规模虽然很大，但每次真正加入盘算的只是一小部分。到了 R1 和 V3 阶段，DeepSeek 向底层 " 施工现场 " 下探。我们可以把 CUDA 明确成英伟达给开发者制订的一套通用施工规范，绝大大都模子都凭证这套规范搭屋子。而 DeepSeek 最先实验绕开其中部分标准流程，直接接触更靠近硬件的 PTX（英伟达为编程其 GPU 而引入的一种并行线程执行架构的中心语言）指令，自己调配钢筋、水泥和施工顺序。这样做很难，由于越靠近底层，越需要对硬件细节有极深明确。但利益也显着，同样一块 GPU 能榨出更多性能，甚至在硬件条件不占优时，用工程优化填补部分差别，从而降低对高端 GPU 的依赖水平。前两步照旧在英伟达系统内做更高难度的优化，去年 9 月 V3.2-Exp 的实验，最先有了另一层意味。他们对主流算子库做了调解，引入了 TileLang ——一个 " 万能转换头 "。已往开发算子（模子运转最底层的盘算单位），很像给差别国家的电器配插头，每换一种 GPU，都要重新改写一遍代码，本钱高、周期长，并且高度依赖 CUDA。DeepSeek 的计划是，先用一种更高层、更通用的语言把盘算逻辑写出来，再把它翻译成适配差别 GPU 的代码。TileLang 就是这样一种实验�？⒄呖梢韵扔酶拷� Python（AI 研发的天下语）的方法快速写出算子原型，再通过编译器映射究竟层执行，并团结详细硬件做优化。这样一来，已往一块 GPU 写一套代码的方法，就最先酿成先写通用逻辑，再做局部适配�；糠中酒苍谕平� TileLang 的适配，意义正在这里。从架构立异，到规则绕行，再到算子库改写、国产芯片大规模适配，DeepSeek 的野心越来越大，走的路也越来越崎岖。从 V2 到 V4，中心横跨 15 个月，时代履历长时间悄然。外界看到的是宣布频率偏低，看不见的是大宗系统工程投入。这类软硬件协同立异，原来就比纯粹做模子参数迭代难堪多，由于动的不但是模子，尚有底层手艺栈。这也诠释了，为什么 R1 之后 DeepSeek 人才会成为大厂争醒目的——行业意识到了这种工程蹊径的价值。但手艺理想主义之外，DeepSeek 尚有现实思量。作为一家坚持开源蹊径的模子公司，DeepSeek 自然缺乏类似 OpenAI 那样的闭环商业能力，也没有谷歌或亚马逊那样可以内部消化模子本钱的云盘算系统，更没有腾讯、阿里、字节等大厂那样完整的商业生态，开源意味着更强的影响力和更快的扩散速率，但也意味着更薄的利润空间和更高的本钱敏感度。这也是为什么 DeepSeek 在 V2 模子阶段就选择用极致的本钱打穿市场，直接掀起一场 " 价钱战 "，实质照旧通过工程能力换取商业空间。但这种优势建设在一个条件上，那就是算力本钱必需可控。一旦 GPU 价钱上涨或供应收紧，本钱优势就会迅速被侵蚀。因此，关于一家开源公司来说，挣脱对简单算力生态的依赖，不但是手艺选择，更是商业生涯的要求。与此同时，同业竞争进一步放大了这种压力。已往一年，大模子高频迭代，主流厂商险些以周为单位宣布新模子，再加上多位焦点人才流入其他模子厂商或大厂，DeepSeek 不得不认可，若是继续在既有路径上与同业竞争，很可能陷入节奏与资源的双重劣势。在这样的配景下，DeepSeek 选择将万亿级参数的自研模子优先适配国产芯片，甚至有意延后向英伟达、AMD 提供会见权限，给国产芯片留足软硬件适配、调优的时间，是一种改变游戏规则的实验。相比在英伟达 CUDA 系统内与同业正面竞争，DeepSeek 更有可能通过软硬件协同的方法，重新界说自身优势界线。这也是 DeepSeek 最擅