1268
2025年2月，當DeepSeek以“小專家”架構和強化學習技術引爆全球AI產業(yè)時，一場關于算力底座價值的重新定義正在悄然發(fā)生。
DeepSeek不僅以訓練效率提升2-3倍、推理效率提升5倍-7倍的技術突破，引發(fā)千里之外的巴黎AI峰會熱議，更在商業(yè)落地層面創(chuàng)造了現(xiàn)象級紀錄——上線20天即吸引160余家企業(yè)接入，日均調用量突破3000萬次，還登陸Apple Store免費應用榜首。
以后，我們看到千行百業(yè)深度擁抱DeepSeek。根據相關數(shù)據統(tǒng)計，在DeepSeek R1發(fā)布后的20天內，國內外已有160多家企業(yè)集體接入DeepSeek，覆蓋互聯(lián)網、金融、運營商、政務、教育等行業(yè)。
在這場AI普惠化浪潮中，一個關鍵問題浮出水面：當千行百業(yè)爭相部署DeepSeek時，什么樣的算力底座，才能真正承載這場變革？
01、DeepSeek?引發(fā)的算力需求嬗變
在過去的十年時間，生成式AI經歷了從技術突破到大規(guī)模應用的跨越。
早在2014年，Google Brain團隊用GAN生成的人臉雖模糊卻震撼了學界；而后2017年Transformer架構的誕生，讓機器真正掌握了語言序列的奧秘；最為世人皆知的是，2020年GPT-3以1750億參數(shù)震驚世界，其生成的哲學散文甚至騙過專業(yè)期刊評審。
而近日DeepSeek R1的迅速走紅，其主要通過MoE架構與工程優(yōu)化，將千億模型的預訓練成本降低至557.6萬美元，僅是OpenAI GPT-4o模型訓練成本的十分之一，徹底打破了以往“暴力堆料”的路徑依賴，成為大家心目中的“國產之光”。
大家都很關心，DeepSeek作為生成式AI的又一里程碑事件，將帶來哪些影響？
一是技術路徑轉變。以往大模型頭部玩家主張“技術摸高”，堅定投入預訓練基礎模型創(chuàng)新，追逐Scaling Law（擴展定律，即模型性能隨著數(shù)據量和模型大小等因素增加而提升）。
例如Meta將AI投資從400億加碼至650億美元，Google的TPUv5集群規(guī)模突破萬卡，都是為了實現(xiàn)“更大模型→更強性能”的線性突破。
但DeepSeek以“手術刀式”的工程創(chuàng)新，開辟出第二條進化路徑。DeepSeek在高濃度的技術專家創(chuàng)新下，通過模型結構、計算通信、后訓練等領域的極致工程優(yōu)化，使得訓練成本降低60%，模型性能提升20%，大幅提升算力利用效率。
同時，DeepSeek徹底打破了傳統(tǒng)“預訓練主導”的算力分配格局，推動產業(yè)進入預訓練、后訓練、推理“三足鼎立”新階段，因此長期穩(wěn)定可靠的算力底座仍是模型創(chuàng)新的關鍵。
02、昇騰助力伙伴迎來爆發(fā)式增長
千行百業(yè)深度擁抱DeepSeek，掀起了DeepSeek的接入浪潮，加速牽引算力需求增長。
那金融、交通、教育、制造等各大行業(yè)企業(yè)和政府機構，應該如何去接入DeepSeek呢？對于大模型所需要的智算基礎設施問題，選擇云服務，還是自建還是一體機？哪種模式更好，誰家的服務更強？
要知道，DeepSeek的部署需求將AI硬件競爭推向深水區(qū)，與傳統(tǒng)大模型不同，其“小專家”架構帶來兩個核心挑戰(zhàn)：跨節(jié)點通信效率與動態(tài)負載均衡。
挑戰(zhàn)一：跨節(jié)點通信效率。在傳統(tǒng)大模型中，計算主要在單個節(jié)點內完成，通信壓力集中于模型并行的參數(shù)同步。而DeepSeek的MoE架構中，每個輸入token需動態(tài)路由至多個專家模塊，這些專家往往分布在不同的計算節(jié)點上，這就對帶寬和時延提出高要求。
挑戰(zhàn)二：動態(tài)負載均衡。在MoE架構中，專家模塊的調用頻次高度依賴輸入數(shù)據分布。其中，高負載專家所在節(jié)點成為性能瓶頸，而低利用率專家占用內存和算力卻貢獻有限。
筆者梳理整個市場的情況發(fā)現(xiàn)，部署DeepSeek一體機的模式，被認為是最快速、最安全、最穩(wěn)定的模式。
而在眾多一體機服務提供商中，昇騰展現(xiàn)出令人矚目的“中國速度”。
2024年12月26日，DeepSeek AI發(fā)布的大型語言模型DeepSeek V3，發(fā)布即支持昇騰，目前各行業(yè)已有超過80家的客戶，基于昇騰快速上線DeepSeek系列模型，并對外提供服務，占據國內70%的份額。
更值得關注的是，昇騰生態(tài)伙伴迎來的爆發(fā)式成長。例如，昇騰助力超過20個省份、25座城市的AICC啟動部署DeepSeek，全國超過70%的區(qū)域可獲取本地支持。
當巨量用戶涌入，DeepSeek忙到癱瘓時，相信有不少人和筆者一樣，通過昇騰生態(tài)的硅基流動平臺，使用DeepSeek?；跁N騰底座的DeepSeek上線僅一周時間，用戶增長率達到數(shù)倍。
同樣火熱的還有魔樂社區(qū)，其聯(lián)合昇騰社區(qū)同步上線DeepSeek系列模型，下載量超過10000次，一躍成為國內最受歡迎的模型社區(qū)。
03、昇騰為何成為DeepSeek部署“最優(yōu)解”？
從眾多行業(yè)企業(yè)的選擇可以看出，昇騰成為DeepSeek部署的“最優(yōu)解”。昇騰脫穎而出，為什么呢？
我們認為，一方面，昇騰與其他廠商相比，展現(xiàn)出獨特的差異化優(yōu)勢。
其一，在軟件生態(tài)方面，昇騰擁有硬件+框架+云的完整體系，工具鏈十分完善，而同領域國產廠商軟件生態(tài)較弱，國外廠商雖然生態(tài)成熟，但存在被封鎖風險。
其二，在行業(yè)解決方案方面，昇騰與華為行業(yè)軍團緊密合作，特別是在政務、交通等領域。國產廠商行業(yè)覆蓋有限，國際廠商主要依賴代理商，本地化支持不足。
其三，在端邊云協(xié)同方面，昇騰的架構能夠覆蓋云、邊、端，可做到無縫部署，而國產廠商則專注于單一場景，國際廠商邊緣端依賴海外廠商生態(tài)，需額外適配。
當行業(yè)聚焦于應對MoE架構的深水區(qū)挑戰(zhàn)時，昇騰展現(xiàn)出的不僅是橫向生態(tài)優(yōu)勢，其技術縱深的突破性創(chuàng)新，更成為支撐DeepSeek規(guī)?；涞氐暮诵牧α?。
首先，在訓練能力層面，昇騰是業(yè)界首個適配完成DeepSeek核心算法，支持DeepSeek全系模型從預訓練到微調全流程均適配的AI訓練平臺。同時，昇騰還提供“行業(yè)強化微調解決方案”，支撐行業(yè)快速將DeepSeek強化學習技術應用到模型訓練，提升模型效果。
其次，在推理能力層面，昇騰并行推理DeepSeek V3和R1，高效跨機互聯(lián)和MoE專家通信優(yōu)化，將通信時延降低30%。此外，昇騰通過偽EP混合并行算法和稀疏路由稠密化算法，從而降低專家不均衡度，使得推理吞吐性能提升20%～35%。
最后，在AI框架支持層面，昇思MindSpore Transformers大模型使能套件提供了端到端的全流程支持，模塊化賦能DeepSeek V3開發(fā)，實現(xiàn)天級快速復現(xiàn)。而且，該套件為所有開發(fā)者提供了即取即用的模型資源，加速了模型創(chuàng)新及在行業(yè)落地應用。
以備受追捧的昇騰一體機為例，其融合昇騰高性能算力底座與DeepSeek全系列大模型能力，具備高吞吐、低時延、多并發(fā)、靈活部署四大優(yōu)勢，覆蓋語言理解、圖像分析等全場景需求，擁有服務器、推理卡、加速模組等產品形態(tài)，為企業(yè)提供一站式AI解決方案。
筆者觀察：昇騰的不可替代性從何而來？
DeepSeek的成功實踐，成為昇騰生態(tài)價值的典型例證。歷經多年發(fā)展，昇騰構建起完善的技術和商業(yè)生態(tài)，這對企業(yè)快速部署DeepSeek及產業(yè)落地有著天然的吸引力。
以技術生態(tài)舉例，昇騰的推理硬件覆蓋模組－加速卡－推理小站－服務器等全系列，讓算力底座發(fā)揮出更高性能，還發(fā)展了330萬開發(fā)者。
商業(yè)生態(tài)的廣度拓展同樣顯著。目前昇騰聯(lián)合60余家硬件伙伴、2500多個行業(yè)合作伙伴，孵化5800余個解決方案，還聯(lián)合伙伴開發(fā)了160多個原生算子，打造了40多個原生模型，助力浙江移動、浙江電信等企業(yè)上線400多個原生應用，成效顯著。
這場由DeepSeek引發(fā)的產業(yè)變革，檢驗的是基礎創(chuàng)新厚度與生態(tài)協(xié)同效率的雙重較量。
在AI基礎設施的競技場上，以昇騰和DeepSeek為代表的中國力量正走出一條獨特的發(fā)展路徑——不是簡單替代或盲目追隨，而是以系統(tǒng)工程思維構建自主創(chuàng)新的生態(tài)體系。
這條路或許漫長，卻注定通向更廣闊的產業(yè)未來。
