2026 年 4 月 24 日，DeepSeek 发布 V4 系列模型。

同一天，8 家国产 AI 芯片厂商宣布完成适配。资本市场闻风而动，5 月 6 日 A 股节后开盘，科创 50 涨 5.83%，海光信息市值突破 8000 亿。

热闹归热闹。但如果我们把视角从股价拉回到产业本身，会发现一些被忽视的事实。

---

V4 到底发布了什么

DeepSeek-V4 系列一次发了两个版本，都是 MoE 架构：

指标	V4-Pro	V4-Flash
总参数量	1.6T	284B
激活参数	49B	13B
训练数据	33T Token	32T Token
上下文长度	1M	1M
开源协议	MIT	MIT

从 V3 到 V4，间隔了 484 天。V4 以"预览版"姿态发布，技术报告中没有回避训练稳定性的问题。

值得注意的是推理效率的提升——官方数据称 V4 推理仅需 V3.2 的 27% 算力和 10% 显存。这不是靠堆硬件，而是靠架构创新：双轴稀疏架构、DSA 稀疏注意力、KV Cache 滑窗压缩。模型本身变聪明了，同时用更少的算力跑得更快。

---

8 家芯片"Day0 适配"的含金量

4 月 24 日当天，华为昇腾、寒武纪、海光信息、摩尔线程、沐曦股份、昆仑芯、平头哥真武、天数智芯先后宣布完成适配。

但"适配"这个词在芯片行业里的含义，比大多数人想象的要轻。

华为昇腾的适配是最深的。公开信息显示：V4 的对外 API 推理完全依托昇腾算力，单卡 Decode 吞吐达 1600-4700 TPS，时延 10-20ms。更关键的是，DeepSeek 耗时数月重写了 40 万+底层算子，从 CUDA 架构迁移到华为 CANN Next 软件栈。这不是"适配"，是"移植"。

其他 7 家呢？寒武纪宣布基于 vLLM 完成 V4-Flash 推理，海光宣布 DCU 完成适配——但没有一家给出具体的 benchmark 数据。"完成适配"到什么程度，外界不得而知。

V4 的技术报告里有一个容易被忽略的细节：昇腾 NPU 和英伟达 GPU 第一次被并列写在硬件验证清单里。 一个国产芯片被写进大模型技术报告的硬件验证清单，这是第一次。

---

推理能跑 ≠ 训练能造

媒体叙事中最大的模糊地带，在于"推理"和"训练"的混用。

8 家芯片完成的都是推理适配——用模型。而 V4 的训练——造模型，预训练仍以英伟达为主。V4-Flash 的后训练和微调已在昇腾完成，但 V4-Pro 的完整训练链路还在推进中。

推理和训练对芯片的要求完全不在一个量级。推理是"按食谱做菜"，计算模式相对固定；训练是"发明食谱"，需要探索巨大的参数空间，对计算精度、显存带宽、分布式通信能力的要求高得多。

DeepSeek 自己也坦承，V4 的整体能力落后同期闭源对手约 3-6 个月。这 6 个月的差距，很大程度上就是算力差距。V4-Pro 的服务吞吐目前十分有限，DeepSeek 预计下半年昇腾 950 超节点批量上市后，价格才会大幅下调。

另一个被忽视的代价：40 万算子的迁移。CUDA 生态经过十几年积累，拥有数百万开发者、数万个优化算子、完善的调试工具链。从 CUDA 迁移到任何其他平台都是巨大的工程投入，而且这次只适配了华为一家。如果未来要适配寒武纪、海光、摩尔线程各自的软件栈，每一套都是一次新的迁移。

---

"组合拳"为什么值得关注

尽管有上述差距，这次 V4 事件之所以引发资本市场如此剧烈的反应，不只是因为技术本身，而是它展示了一条清晰的产业路径：

1. 开源模型降低了芯片适配的门槛。 以前闭源模型绑定英伟达硬件，芯片厂商连模型权重都拿不到。DeepSeek 开源后，所有芯片厂商都能拿到权重做优化。

2. 推理场景是国产芯片最现实的切入点。 推理对精度要求比训练低一个量级，FP8 甚至 INT4 量化后就能跑，这恰好是国产芯片擅长的。

3. 性价比是杀手锏。 V4 的 API 定价是 GPT-5 的 1%。能力差距 3-6 个月，成本差 100 倍，对绝大多数应用场景来说选择显而易见。

这套组合拳的核心不是"国产替代"，而是"够用 + 便宜"。和当年国产手机芯片的路径一模一样——先在性价比市场站稳，再逐步向高端爬。

---

路径可行，但有几个变量要看

这条路的可持续性，取决于几个关键节奏：

训练端国产化推进速度。 华为昇腾已经在 V4-Flash 的后训练上有了进展，V4-Pro 的完整训练链路还在推进中。如果训练永远依赖英伟达，"组合拳"就永远是半套。

昇腾 950 超节点的交付节奏。 DeepSeek 明确说 V4-Pro 吞吐受限于高端算力，下半年昇腾 950 超节点批量上市是关键节点。交付延迟，V4 的性价比优势就落不了地。

软件生态的建设周期。 CUDA 的护城河不在硬件性能，在十几年的软件生态积累。CANN 在推理端已有进展，但训练端的算子库、调试工具、分布式训练框架，至少还需要 2-3 年的建设周期。

时间窗口在于：如果英伟达下一代芯片在 2027 年如期交付，CUDA 生态持续演进，国产芯片的追赶窗口就会收窄。反过来，如果美国对高端 GPU 的出口管制持续收紧，国产芯片反而获得了被市场"逼着用"的机会——海光信息已经证明了这一点：Intel 交期半年以上，国产 CPU 交期短+政策优惠，替代是供给侧硬推出来的。

4 月 24 日同一天，OpenAI 发布了 GPT-5.5。一条路线卷极致性能、封闭生态、高价服务；另一条路线卷极致性价比、开源模型、国产底座。两条路线的竞争才刚开始。

推理端的突破是真实的，训练端的差距也是真实的。用"摆脱英伟达依赖"描述当前状态，是对事实的过度简化。更准确的说法是：国产芯片第一次在 AI 推理这个最重要的增量市场上，找到了一条可行路径。走通还需要时间，但方向被验证了。

作者：方寸智见。芯片行业老兵，关注 AI 如何改变半导体的每一个角落。

数据来源：DeepSeek-V4 官方技术报告、华为昇腾 CANN 直播、芯东西、每日经济新闻、华尔街见闻、财联社等公开资料。