DeepSeek-V4發(fā)布，黃仁勛的擔(dān)憂成真了

文丨彭杰克

編輯丨程述白

“如果頂尖的AI模型被優(yōu)化在華為芯片上運(yùn)行，對(duì)美國(guó)而言將是‘可怕的后果’。”

這是英偉達(dá)CEO黃仁勛近期在一檔播客節(jié)目中發(fā)出的警告。讓他發(fā)出警告的對(duì)象，是即將發(fā)布新模型的中國(guó)AI公司DeepSeek。

讓黃仁勛警惕的，并不是某個(gè)具體的模型能力，而是另一件事——綜合多家權(quán)威媒體報(bào)道： DeepSeek-V4 模型在設(shè)計(jì)之初便優(yōu)先圍繞華為昇騰AI體系進(jìn)行適配。

一旦成功繞過(guò)英偉達(dá)的CUDA體系，DeepSeek將不再只是英偉達(dá)生態(tài)里的一個(gè)“租戶”，被迫接受高昂的“算力租金”和隨時(shí)可能斷供的供應(yīng)鏈風(fēng)險(xiǎn)，而是成為能自主定義算力效率、掌握技術(shù)棧主導(dǎo)權(quán)的“規(guī)則制定者”。

黃仁勛的這種擔(dān)憂在今天（4月24日）成為了半個(gè)現(xiàn)實(shí)。

沉寂近五個(gè)月后，DeepSeek帶著V4重新回到市場(chǎng)中心，在其定價(jià)說(shuō)明中，有一行幾乎被忽略的灰色小字：受限于高端算力，目前Pro的服務(wù)吞吐十分有限，預(yù)計(jì)下半年昇騰950超節(jié)點(diǎn)批量上市后，Pro的價(jià)格會(huì)大幅下調(diào)。

這一細(xì)節(jié)至少說(shuō)明，國(guó)產(chǎn)算力已經(jīng)在DeepSeek的整體體系中占據(jù)了重要位置，甚至在關(guān)鍵路徑上開始影響其成本結(jié)構(gòu)與定價(jià)邏輯。

這并不意味著既有格局被打破。從技術(shù)報(bào)告來(lái)看，DeepSeek當(dāng)前最成熟、最穩(wěn)定的實(shí)現(xiàn)仍然建立在CUDA體系之上，核心算子與工程優(yōu)化依舊集中在英偉達(dá)生態(tài)內(nèi)。這也意味著，在短期內(nèi)，CUDA仍然是行業(yè)默認(rèn)的“最優(yōu)路徑”。

只是，DeepSeek-V4也證明了，CUDA構(gòu)建的城墻，已經(jīng)不再堅(jiān)不可摧。

DeepSeek-V4都做了什么

DeepSeek-V4實(shí)際上就干了一件事：用極致的工程效率，把“頂級(jí)大模型”的門檻打了下來(lái)。它沒(méi)有單純堆砌參數(shù)，而是通過(guò)一套組合拳，讓高性能AI變得既好用又便宜。

具體來(lái)看，首先是參數(shù)規(guī)模：旗艦版本DeepSeek-v4-pro總參數(shù)達(dá)1.6萬(wàn)億，但每次推理僅激活490億參數(shù)；輕量版本DeepSeek-v4-flash則控制在2840億參數(shù)、130億激活規(guī)模。

● 同一時(shí)期國(guó)內(nèi)主流大模型參數(shù)對(duì)比。制圖：鏡相工作室

兩個(gè)版本背后的邏輯一致：通過(guò)MoE（混合專家）架構(gòu)，在不顯著增加實(shí)際算力負(fù)擔(dān)的前提下擴(kuò)展模型容量。通過(guò)工程優(yōu)化，讓模型在推理時(shí)只調(diào)用最相關(guān)的部分，從而實(shí)現(xiàn)低成本下的頂級(jí)性能。這種結(jié)構(gòu)換算力的思路在V2時(shí)期已初見成效，在V4中被進(jìn)一步放大。

在上下文能力上，DeepSeek直接將100萬(wàn)tokens作為“所有官方服務(wù)的標(biāo)配”。相當(dāng)于你用它的App、網(wǎng)站或API，默認(rèn)就能一次性上傳一整本《紅樓夢(mèng)》、整個(gè)項(xiàng)目的代碼庫(kù)或一份完整的年度報(bào)告，讓AI從頭到尾讀完并處理。

在行業(yè)中，長(zhǎng)期存在上下文越長(zhǎng)，成本越高的矛盾。傳統(tǒng)的AI模型為了理解長(zhǎng)文本，它需要記住每個(gè)字，并且計(jì)算每個(gè)字和全文中其他所有字的關(guān)聯(lián)。相當(dāng)于為了一句話，就需要翻閱并重讀整本字典，效率極低，成本也高。

而V4沒(méi)有硬扛這個(gè)數(shù)學(xué)難題，而是用DSA稀疏注意力（DeepSeek Sparse Attention）的新機(jī)制，通過(guò)“打包摘要”和“只抓重點(diǎn)”，大幅降低了處理和記憶長(zhǎng)文的計(jì)算量與成本。百萬(wàn)字的長(zhǎng)文在AI的“工作內(nèi)存”（顯存）里，就變成了幾百個(gè)高度濃縮的要點(diǎn)，體積和負(fù)擔(dān)驟減。

如果這一機(jī)制能夠在真實(shí)場(chǎng)景中穩(wěn)定運(yùn)行，那么長(zhǎng)上下文能力將從高端模型的附加項(xiàng)，逐漸轉(zhuǎn)向應(yīng)用層的基礎(chǔ)配置。

再來(lái)看能力層面的變化：

Agent能力方面，V4-Pro已進(jìn)入開源模型的第一梯隊(duì)。在Agentic Coding評(píng)測(cè)中，其表現(xiàn)達(dá)到當(dāng)前開源最優(yōu)水平，并在內(nèi)部直接作為工程團(tuán)隊(duì)的編碼工具使用。評(píng)測(cè)反饋中一個(gè)頗具參考價(jià)值的細(xì)節(jié)是，其輸出質(zhì)量已經(jīng)接近美國(guó)AI企業(yè)Anthropic高端模型的常規(guī)非思考模式，但在更復(fù)雜的思考模式上仍有差距。

推理能力方面，在數(shù)學(xué)、STEM以及競(jìng)賽級(jí)代碼任務(wù)中，V4-Pro的表現(xiàn)超過(guò)現(xiàn)有公開評(píng)測(cè)中的開源模型，并逐步逼近頂級(jí)閉源產(chǎn)品。

世界知識(shí)方面，V4-Pro大幅領(lǐng)先其他開源模型，和谷歌的頂尖閉源模型Gemini-Pro-3.1存在差距。

這些能力并非孤立存在，而是圍繞具體應(yīng)用場(chǎng)景展開。V4針對(duì)Claude Code、OpenClaw、CodeBuddy等主流Agent工具進(jìn)行了適配，在代碼生成與文檔處理等任務(wù)中優(yōu)化表現(xiàn)。可以看出，它的目標(biāo)并不是成為最全面的模型，而是更直接地嵌入開發(fā)流程，承擔(dān)實(shí)際生產(chǎn)任務(wù)。

系統(tǒng)層面則藏著DeepSeek能夠便宜下來(lái)的“秘密”。

技術(shù)報(bào)告顯示，DeepSeek在系統(tǒng)底層做了一套“細(xì)粒度專家并行 （EP） ”方案，簡(jiǎn)單理解，就是優(yōu)化了AI模型在芯片上的“調(diào)度算法”，讓計(jì)算和通信能像流水線一樣重疊進(jìn)行。

這套方案已在英偉達(dá)GPU與華為昇騰NPU兩套體系上完成驗(yàn)證，推理速度提升了約1.5到2倍。這意味著同樣的芯片，能處理更多的用戶請(qǐng)求，單位成本自然就降了。

不過(guò)，從開源實(shí)現(xiàn)來(lái)看，當(dāng)前最成熟的版本仍基于CUDA。也就是說(shuō)，核心優(yōu)化具備跨平臺(tái)能力，但工程上的最優(yōu)路徑依然集中在既有的英偉達(dá)體系之中，這種狀態(tài)為后續(xù)的遷移與擴(kuò)展保留了空間。

定價(jià)依舊是DeepSeek最讓同行牙癢癢的地方。在緩存命中條件下，Pro版本輸入價(jià)格為1元/百萬(wàn)token，F(xiàn)lash版本低至0.2元；Pro版本輸出價(jià)格24元/百萬(wàn)tokens，F(xiàn)lash版本輸出價(jià)格2元/百萬(wàn)tokens，都顯著低于其他模型水平。

在DeepSeek-V4定價(jià)表格下方，一行小字值得關(guān)注：受限于高端算力，目前Pro的服務(wù)吞吐十分有限，預(yù)計(jì)下半年昇騰950超節(jié)點(diǎn)批量上市后，Pro的價(jià)格會(huì)大幅下調(diào)。

當(dāng)價(jià)格調(diào)整開始“錨定”某一類算力集群的部署進(jìn)度時(shí)，背后往往意味著該類算力已經(jīng)在整體體系中占據(jù)了相當(dāng)權(quán)重，至少在關(guān)鍵路徑上具備決定性影響。

對(duì)于DeepSeek而言，這更像是一種間接披露——其推理或服務(wù)體系，正在越來(lái)越多地建立在國(guó)產(chǎn)算力之上，而算力供給的變化，已經(jīng)能夠直接傳導(dǎo)到定價(jià)層。

同時(shí)，這一邏輯還隱含著另一層變化——模型價(jià)格不再只是取決于算法效率，而是開始由算力結(jié)構(gòu)決定。隨著昇騰超節(jié)點(diǎn)進(jìn)入規(guī)模化階段，單位算力成本下降所帶來(lái)的，不只是利潤(rùn)空間的釋放，更是價(jià)格體系的重塑能力。也正是在這一意義上，DeepSeek的低價(jià)策略，正在從工程優(yōu)化驅(qū)動(dòng)，逐步過(guò)渡到算力體系驅(qū)動(dòng)。

沉默下的野心和無(wú)奈

從內(nèi)外部環(huán)境看，讓新模型優(yōu)先適配國(guó)產(chǎn)芯片，是DeepSeek有意推進(jìn)的事。它想做的不只是多找?guī)准铱捎玫腁I芯片供應(yīng)商，更是在嘗試觸碰更底層的東西——通過(guò)擺脫英偉達(dá)的束縛，走出由上游芯片廠商定義規(guī)則、模型公司被動(dòng)適配的關(guān)系，進(jìn)而反過(guò)來(lái)重塑上游。這是DeepSeek真正的野心。

理解這一點(diǎn)，要先理解梁文鋒。從更早的時(shí)間點(diǎn)來(lái)看，DeepSeek對(duì)算力的重視帶有一種近乎偏執(zhí)的前瞻性。2015年，甚至更早的2012年，他們就關(guān)注到算力儲(chǔ)備，至生成式AI爆發(fā)前夜，已囤積了大量英偉達(dá)A100芯片，后來(lái)成為了“大廠外唯一一家儲(chǔ)備萬(wàn)張A100芯片的公司”。

梁文鋒在接受暗涌采訪時(shí)說(shuō)：“對(duì)研究員來(lái)說(shuō)，對(duì)算力的渴求是永無(wú)止境的。做了小規(guī)模實(shí)驗(yàn)后，總想做更大規(guī)模的實(shí)驗(yàn)。”這種渴求背后對(duì)應(yīng)著一個(gè)現(xiàn)實(shí)的問(wèn)題，大模型公司的核心生產(chǎn)資料不僅是代碼，更是算力本身；誰(shuí)能夠掌控算力，誰(shuí)才有資格穩(wěn)定地研發(fā)、生產(chǎn)模型。

所以DeepSeek后來(lái)做的，不只是爭(zhēng)取更多算力，而是在試圖降低對(duì)單一算力體系的依賴。其選擇國(guó)產(chǎn)AI芯片，本質(zhì)上是在建立一套可控的、可持續(xù)的生產(chǎn)體系。

而這種抉擇，幾乎貫穿了其過(guò)去多年模型研發(fā)的始終。簡(jiǎn)單說(shuō)，它在做兩件事：一是繞開英偉達(dá)設(shè)定好的部分“規(guī)則”，二是在嘗試給自己造一個(gè)跨不同芯片都能工作的“萬(wàn)能轉(zhuǎn)換頭”。

第一步發(fā)生在模型架構(gòu)層。2024年5月發(fā)布的V2，用MoE架構(gòu)大幅降低了模型對(duì)算力的消耗。它像是把一個(gè)龐大的專家團(tuán)隊(duì)拆分成許多小組，每次只調(diào)動(dòng)最合適的一小部分人干活，而不是讓所有人同時(shí)上陣。結(jié)果是，總參數(shù)規(guī)模雖然很大，但每次真正參與計(jì)算的只是一小部分。

到了R1和V3階段，DeepSeek向底層“施工現(xiàn)場(chǎng)”下探。我們可以把CUDA理解成英偉達(dá)給開發(fā)者制定的一套通用施工規(guī)范，絕大多數(shù)模型都按照這套規(guī)范搭房子。而DeepSeek開始嘗試?yán)@開其中部分標(biāo)準(zhǔn)流程，直接接觸更接近硬件的PTX（英偉達(dá)為編程其GPU而引入的一種并行線程執(zhí)行架構(gòu)的中間語(yǔ)言）指令，自己調(diào)配鋼筋、水泥和施工順序。

這樣做很難，因?yàn)樵娇拷讓樱叫枰獙?duì)硬件細(xì)節(jié)有極深理解。但好處也明顯，同樣一塊GPU能榨出更多性能，甚至在硬件條件不占優(yōu)時(shí)，用工程優(yōu)化彌補(bǔ)部分差距，從而降低對(duì)高端GPU的依賴程度。

前兩步還是在英偉達(dá)體系內(nèi)做更高難度的優(yōu)化，去年9月V3.2-Exp的嘗試，開始有了另一層意味。他們對(duì)主流算子庫(kù)做了調(diào)整，引入了TileLang——一個(gè)“萬(wàn)能轉(zhuǎn)換頭”。

過(guò)去開發(fā)算子（模型運(yùn)轉(zhuǎn)最底層的計(jì)算單元），很像給不同國(guó)家的電器配插頭，每換一種GPU，都要重新改寫一遍代碼，成本高、周期長(zhǎng)，而且高度依賴CUDA。DeepSeek的方案是，先用一種更高層、更通用的語(yǔ)言把計(jì)算邏輯寫出來(lái)，再把它翻譯成適配不同GPU的代碼。

TileLang就是這樣一種嘗試。開發(fā)者可以先用更接近Python（AI研發(fā)的世界語(yǔ)）的方式快速寫出算子原型，再通過(guò)編譯器映射到底層執(zhí)行，并結(jié)合具體硬件做優(yōu)化。這樣一來(lái)，過(guò)去一塊GPU寫一套代碼的方式，就開始變成先寫通用邏輯，再做局部適配。華為部分芯片也在推進(jìn)對(duì)TileLang的適配，意義正在這里。

從架構(gòu)創(chuàng)新，到規(guī)則繞行，再到算子庫(kù)改寫、國(guó)產(chǎn)芯片大規(guī)模適配，DeepSeek的野心越來(lái)越大，走的路也越來(lái)越崎嶇。

從V2到V4，中間橫跨15個(gè)月，期間經(jīng)歷長(zhǎng)時(shí)間沉寂。外界看到的是發(fā)布頻率偏低，看不見的是大量系統(tǒng)工程投入。這類軟硬件協(xié)同創(chuàng)新，本來(lái)就比單純做模型參數(shù)迭代難得多，因?yàn)閯?dòng)的不只是模型，還有底層技術(shù)棧。這也解釋了，為什么R1之后DeepSeek人才會(huì)成為大廠爭(zhēng)奪目標(biāo)——行業(yè)意識(shí)到了這種工程路線的價(jià)值。

但技術(shù)理想主義之外，DeepSeek還有現(xiàn)實(shí)考慮。作為一家堅(jiān)持開源路線的模型公司，DeepSeek天然缺乏類似OpenAI那樣的閉環(huán)商業(yè)能力，也沒(méi)有谷歌或亞馬遜那樣可以內(nèi)部消化模型成本的云計(jì)算體系，更沒(méi)有騰訊、阿里、字節(jié)等大廠那樣完備的商業(yè)生態(tài)，開源意味著更強(qiáng)的影響力和更快的擴(kuò)散速度，但也意味著更薄的利潤(rùn)空間和更高的成本敏感度。

這也是為什么DeepSeek在V2模型階段就選擇用極致的成本打穿市場(chǎng)，直接掀起一場(chǎng)“價(jià)格戰(zhàn)”，本質(zhì)還是通過(guò)工程能力換取商業(yè)空間。但這種優(yōu)勢(shì)建立在一個(gè)前提上，那就是算力成本必須可控。一旦GPU價(jià)格上漲或供給收緊，成本優(yōu)勢(shì)就會(huì)迅速被侵蝕。因此，對(duì)于一家開源公司來(lái)說(shuō)，擺脫對(duì)單一算力生態(tài)的依賴，不只是技術(shù)選擇，更是商業(yè)生存的要求。

與此同時(shí)，同業(yè)競(jìng)爭(zhēng)進(jìn)一步放大了這種壓力。過(guò)去一年，大模型高頻迭代，主流廠商幾乎以周為單位發(fā)布新模型，再加上多位核心人才流入其他模型廠商或大廠，DeepSeek不得不承認(rèn)，如果繼續(xù)在既有路徑上與同業(yè)競(jìng)爭(zhēng)，很可能陷入節(jié)奏與資源的雙重劣勢(shì)。

在這樣的背景下，DeepSeek選擇將萬(wàn)億級(jí)參數(shù)的自研模型優(yōu)先適配國(guó)產(chǎn)芯片，甚至有意延后向英偉達(dá)、AMD提供訪問(wèn)權(quán)限，給國(guó)產(chǎn)芯片留足軟硬件適配、調(diào)優(yōu)的時(shí)間，是一種改變游戲規(guī)則的嘗試。相比在英偉達(dá)CUDA體系內(nèi)與同業(yè)正面競(jìng)爭(zhēng)，DeepSeek更有可能通過(guò)軟硬件協(xié)同的方式，重新定義自身優(yōu)勢(shì)邊界。這也是DeepSeek最擅長(zhǎng)的，通過(guò)工程與架構(gòu)創(chuàng)新，重寫競(jìng)爭(zhēng)邊界。

這意味著，它不再只是一個(gè)使用算力的公司，而是在嘗試參與定義算力，乃至反過(guò)來(lái)、自下而上重塑這套生態(tài)。

● DeepSeek正通過(guò)實(shí)現(xiàn)國(guó)產(chǎn)芯片軟硬件協(xié)同挑戰(zhàn)英偉達(dá)的封鎖地位。圖源：AI生成。

撕裂英偉達(dá)CUDA生態(tài)

這是黃仁勛第二次因?yàn)镈eepSeek而感到緊張。

第一次發(fā)生在R1模型發(fā)布之時(shí)。DeepSeek直接沖擊了行業(yè)對(duì)算力堆疊的路徑依賴，也在短期內(nèi)引發(fā)了市場(chǎng)對(duì)英偉達(dá)需求預(yù)期的波動(dòng)。據(jù)報(bào)道，去年1月R1模型發(fā)布后，經(jīng)過(guò)幾天市場(chǎng)情緒的發(fā)酵，英偉達(dá)迎來(lái)了股價(jià)大跌，在短短三天內(nèi)蒸發(fā)了6000億美元。

彼時(shí)，黃仁勛“挽尊”說(shuō)，DeepSeek及其開源推理模型所帶來(lái)的能量“令人無(wú)比興奮”，但投資人“判斷錯(cuò)誤”，誤以為這對(duì)英偉達(dá)及人工智能（AI）產(chǎn)業(yè)是不利的。它不僅不會(huì)終結(jié)AI計(jì)算需求，反而會(huì)擴(kuò)大并加速市場(chǎng)對(duì)更高效AI模型的追求，從而推動(dòng)整個(gè)行業(yè)的發(fā)展。

但現(xiàn)在，黃仁勛不再避諱對(duì)DeepSeek使用華為芯片的焦慮。

要理解這一點(diǎn)，必須回到英偉達(dá)真正的護(hù)城河——CUDA所構(gòu)建的軟件生態(tài)。

CUDA不僅是一個(gè)編程工具，更像是AI時(shí)代的“操作系統(tǒng)”；全球數(shù)百萬(wàn)開發(fā)者圍繞它構(gòu)建了加速庫(kù)、框架與模型代碼，一整套開發(fā)范式由此形成。正因?yàn)槿绱耍w移成本極高，一旦離開CUDA，大量底層代碼需要重寫，工程與測(cè)試成本動(dòng)輒達(dá)到千萬(wàn)級(jí)別。這才是英偉達(dá)長(zhǎng)期占據(jù)主導(dǎo)地位的核心原因。

目前，國(guó)內(nèi)芯片廠商在試圖填補(bǔ)這一生態(tài)空白。例如華為推出的CANN體系，在設(shè)計(jì)上直接對(duì)標(biāo)CUDA，通過(guò)兼容部分CUDA API和自動(dòng)轉(zhuǎn)換算子，降低開發(fā)者遷移門檻。同時(shí)支持主流框架，并推動(dòng)自研框架的落地。這種路徑先通過(guò)兼容降低切換成本，再逐步建立自身生態(tài)。

雖然當(dāng)前性能損耗與工程復(fù)雜度仍然存在，但大模型廠商也在努力。幾乎所有主流模型廠商，在發(fā)布新模型后，都會(huì)同步適配多種國(guó)產(chǎn)AI芯片，包括昇騰、昆侖芯、寒武紀(jì)等。

不過(guò)，在相當(dāng)長(zhǎng)一段時(shí)間里，這種適配更多停留在兼容層，大多數(shù)模型仍然圍繞CUDA體系開發(fā)，并沒(méi)有擺脫英偉達(dá)生態(tài)的引力。

DeepSeek的不同之處在于，它并沒(méi)有完全依賴這種兼容路徑，不是簡(jiǎn)單地遷移，而是在一定程度上重新搭建一套體系，劍指最龐雜的生態(tài)層。

雖然短期內(nèi)DeepSeek很難對(duì)英偉達(dá)形成實(shí)質(zhì)性沖擊，但真正值得關(guān)注的是中長(zhǎng)期的邊際變化。DeepSeek的特殊性在于，它不僅是一個(gè)模型廠商，還是一個(gè)擁有廣泛開發(fā)者基礎(chǔ)的開源項(xiàng)目。

根據(jù)OpenRouter統(tǒng)計(jì)，截至4月13日的一周，全球大語(yǔ)言模型token（詞元）消耗量榜單中，DeepSeek-V3.2模型消耗量1.28萬(wàn)億，排名全球第二，僅次于Anthropic旗下的Claude Sonnet 4.6模型，但前者的輸出價(jià)格只有后者的約1/12、輸入價(jià)格只有1/40。

這意味著，一旦其模型在非CUDA體系上運(yùn)行成熟，其所帶來(lái)的不僅是技術(shù)驗(yàn)證，更可能是開發(fā)者行為的改變。對(duì)于開發(fā)者而言，是否遷移，并不完全取決于底層架構(gòu)使用習(xí)慣，還取決于模型是否足夠好、成本是否足夠低。

這也正是開源路徑的魅力所在。與閉源模型不同，DeepSeek的技術(shù)路線、算子實(shí)現(xiàn)以及工程經(jīng)驗(yàn)，都可以被其他模型廠商和硬件廠商復(fù)用。一旦這種路徑被證明可行，其擴(kuò)散速度可能遠(yuǎn)快于單一公司的技術(shù)突破。

因此，與其說(shuō)DeepSeek正在沖擊英偉達(dá)，不如說(shuō)它正在打開一道裂縫。這道裂縫短期內(nèi)不會(huì)動(dòng)搖英偉達(dá)的主導(dǎo)地位，但如果越來(lái)越多的模型廠商開始在訓(xùn)練階段嘗試非CUDA、非英偉達(dá)路徑、如果越來(lái)越多的開發(fā)者開始適應(yīng)新的工具鏈，那么英偉達(dá)長(zhǎng)期建立的軟件壁壘，可能會(huì)慢慢垮塌。

當(dāng)然，這一過(guò)程仍然充滿不確定性。但可以確定的是，隨著國(guó)產(chǎn)模型和芯片的探索，AI時(shí)代的競(jìng)爭(zhēng)，正在從誰(shuí)的A100更多、更高端，逐步轉(zhuǎn)向誰(shuí)能構(gòu)建更完整的軟硬件體系。

封面來(lái)源：AI生成

參考資料

【 版權(quán)聲明】所有內(nèi)容著作權(quán)歸屬鏡相工作室，未經(jīng)書面許可，不得轉(zhuǎn)載、摘編或以其他形式使用，另有聲明除外。

繼續(xù)閱讀：