DeepSeek V4芯模協同背后，國產算力生態開始飛輪加速

henry 發自 凹非寺
量子位 | 公眾號 QbitAI

DeepSeek V4發布，比模型本身更受關注的，是一個根本性的轉變：

國產算力生態正在從過去“芯片被動適配模型”的單向奔赴，邁向“芯模協同”的新階段。

之前，昇騰與不少模型進行過協同探索，但V4是第一次在大規模、高強度、工程化的尺度上，驗證了這種“芯模協同”的可行性與效率。

而這，恰恰是過去CUDA+英偉達體系最深的一層護城河——

模型、框架、芯片在長周期中的共同演化。

昇騰正在補的，不是某一行代碼，而是這十多年的時間。

但與此同時，更大的變化也正在鯤鵬昇騰開發者生態里發生。

過去一年，金融、科研、AI訓練等領域，越來越多團隊開始把核心業務遷移到鯤鵬昇騰上；越來越多開發者開始參與到底層能力、框架適配和社區共建里。

這些案例或許沒有V4那樣的傳播聲量，卻和V4一起，共同構成了鯤鵬昇騰生態真正的變化。它們最終都在指向同一件事：

鯤鵬昇騰，正在慢慢越過“能用”那條線。

而這一點，在剛剛結束的鯤鵬昇騰開發者大會2026開發者圓桌上，也被不少一線開發者反復提到。

圓桌上，中科院計算所副研究員、B站UP主石侃（老石談芯），與來自各個領域的開發者團隊，共同分享了各自在鯤鵬昇騰上的實戰經驗。

他們做的方向雖然并不相同，但最后，幾乎所有人的結論都指向以下幾個方向：

• 鯤鵬、昇騰讓我們看到，中國自己的算力平臺，已經可以成為業務首選。
• CANN在2024年初還是幼兒期，現在已經更像青年期了。
• 國產算力是潮流，先用起來。

CANN生態邁向好用易用

過去一年，鯤鵬昇騰生態進入了一輪高密度迭代。

用論壇上陳秋武老師的話理解，就是CANN以前是幼兒期，現在是青年期了。

所謂“青年期”，不是說生態已經成熟，而是開發者開始脫離“廠商保姆式支持”，能自己解決問題、貢獻代碼、推動迭代。

目前為止，65個源碼倉完成分層解耦，超節點架構正式落地，70余款主流大模型做到發布即適配。

對很多開發者來說，CANN也開始從“廠商工具鏈”變成一個真正可參與、共創的開源生態。

上個月DeepSeek V4發布時的芯模協同，就是這一輪變化最集中的一次展示。

而在剛剛結束的圓桌上，開發者們給出的反饋則更直接：

在鯤鵬昇騰上干活的體感，確實變了。

變在哪？圓桌上大家指向了三件事：適配效率性能天花板生產級信任

適配效率

眾所周知，芯片決定的是算力上限，生態決定的，才是算力能不能真正釋放出來。

沒有生態，再強的硬件也只是能點亮。開發者依然會卡在算子不支持、框架遷移困難、集群調度復雜這些細節里。

這也是此前很多開發者不愿遷移、或者遷不動的原因。

而這件事，正在發生變化。

AIGCode分享了自己加入昇騰生態的原因。創始人陳秋武在圓桌上沒藏著：

說實話，一開始是因為窮。2024年初沒有卡，我們是創業小公司。

用起來之后，變化來得比預想快

早期在昇騰上做MoE預訓練，適配自研網絡結構給華為提工單，排期需要三到四個月

到下一代上，同樣的問題自己就能動手解決，不用排隊了。

更讓陳秋武感到震驚的，是CANN生態補齊的速度。

他回憶，2024年初團隊第一次在昇騰硬件上做7B級預訓練時，整個生態“幾乎是一片荒漠”，很多基礎能力都還缺著。

但僅僅過了8個月，再回頭看時，整個CANN生態的覆蓋率已經做到80%到90%。

從“很多東西都沒有”，到主流能力基本補齊，速度快得讓他都覺得意外。

類似的變化，也出現在其他團隊身上。

清華的王一鳴把氣象模型遷移到鯤鵬，Load幾個庫就能跑基線版本，他表示：

開源以后，我們能更充分地學習業界的優秀實踐，在此基礎上進行適配和優化，也能將一些好的經驗應用到自己的項目中。

中科大團隊遷移高性能計算求解器到鯤鵬，編譯層面不到一周搞定

團隊的陳俊仕說，碰到的問題更多是編譯器版本、環境配置這類工程細節，跟架構本身關系不大。

這其實是一個很重要的信號。

四個團隊，四種完全不同的場景，呈現出同一種趨勢：開發過程中問題的解決已經不依賴廠商貼身服務了。

這就意味著，國產算力最難的階段，可能已經過去了。

性能天花板

適配只是第一步。真正決定開發者會不會留下來的，還是性能。

AIGCode在昇騰上，把MoE模型預訓練的MFU（算力利用率）做到了65%。這個數字，已經接近行業平均水平的兩倍。

換句話說，同樣一張卡，真正干活的時間更多了。

陳秋武在圓桌上的說法很直接：

一張卡，能頂兩張用。

而支撐這一效率的關鍵之一，是昇騰超節點。

預訓練進入千卡時代后，真正困難的已經不再只是單卡性能，而是大規模集群下的通信與調度效率。

昇騰超節點通過統一內存編址和高速互聯，把原本復雜的異構通信進一步抽象化，降低了大規模訓練的系統復雜度。

AIGCode能做到65%的MFU，背后一個重要支撐就在這里。

開源降低了底層開發門檻，同構架構減少了遷移復雜度，而超節點則進一步解決了大規模擴展的問題。

它把通信與計算之間的并行掩蓋做得更深，讓流水線盡可能保持滿載運行，減少不同設備之間的等待和空耗。

最終，在千卡級集群場景下，整體負載率被拉到很高，用相對有限的算力，完成了更多有效計算。

另一邊，中科大團隊則基于鯤鵬研發了面向高性能計算的新型LU求解器。

LU分解是最基礎的矩陣操作，所有涉及矩陣的科學計算場景都離不開它，優化LU分解就是在底層優化所有科學計算問題。

通過算法與硬件協同設計，把原本不規則的計算重構為規則稠密計算，優化后求解器相比傳統方法實現平均40多倍加速，部分場景接近200倍。

65%、40倍、200倍。

幾個看似分散的數據背后，其實對應的是同一件事：鯤鵬昇騰正在從“能跑”走向“好用”，生產級能力開始成型。

生產級信任

比性能更難跨過去的，其實是信任。

這次，一家頭部股份制銀行已經把AI直接推進了核心風控流程。大模型與小模型混合架構，開始介入資金流轉和風險決策。

現場公布的數據也很硬：

首Token響應500毫秒、日均260億Token、可用性99.999%、全年故障時間不超過1分鐘，四項金融級指標全部達標。

但比性能指標更重要的是，他們開始愿意把核心業務真正放上去了。

而背后的關鍵變化之一，是CANN開源之后，整個系統終于不再是黑盒。

開發者不再只能“提需求、等適配”，而是可以真正參與到底層能力建設里。甚至連金融行業這樣的傳統非算子開發者，也開始向社區貢獻特性。

鄭老師在現場提到一句很關鍵的話：

開源之后，小問題我們自己隨時能修，大問題可以和社區一起討論。對整個方案更有把握，而不是在用一個黑盒子。

對于很多企業來說，性能從來不是唯一門檻。

真正決定他們敢不敢上生產環境的，是系統是否可見、可控、可維護。

打造開源開放的開發者生態

開發者的這些體感變化不是憑空而來的，背后是華為在開源開放上的一次關鍵選擇。

去年8月，CANN啟動全面開源；12月底，編譯器、運行時等核心代碼全量上線。

過去，開發者遇到問題，很多時候只能提工單、等版本更新。

而開源之后，運行時、算子編譯等核心模塊逐步解耦，開發者開始能真正參與到底層迭代里。

AIGCode從“排隊三個月”到“自己動手解決”，背后的變化就在這里。

股份制銀行這類非典型算力開發者愿意參與的原因，也在這里。

更關鍵的是，CANN開始逐步兼容主流AI生態。70余款主流大模型做到發布即適配，開發者不用改變原有開發習慣，就能直接調用昇騰的硬件能力。

這正如會上石侃談到的，向上，兼容主流計算框架；向下，屏蔽硬件的復雜度和差異性。

而這種兼容的背后，是CANN在底層做了大量重構——

提供豐富的算子庫、敏捷的開發工具鏈，以及全方位的開發者支持，大幅降低了算力使用門檻。

當然，生態不能只靠一方使勁。

開發者每一次正向反饋、每一個優化結果、每一個創新應用，都能通過昇騰和華為的生態快速走向產業界，形成技術、商業、生態的完整閉環。

還有個有趣的細節是，Agent也在降低生態的門檻，陳秋武提到：

過去很多重復性的適配工作，現在已經開始被Agent自動完成。生成代碼、給出示例、自動搭建環境，很多過去需要啃文檔的流程，被壓縮到了半小時以內。

工具鏈在變化，開發方式本身也在變化。

飛輪轉起來了

說到底，比性能和適配更重要的變化，可能是生態方向開始變了。

在鯤鵬昇騰社區里，開發者不再只是“被動適配”，而是開始主動貢獻。

圓桌上，某頭部股份制銀行分享其已經向多個社區累計貢獻上百個特性，其中僅向vLLM-Ascend就貢獻了34項優化，而且不限于金融場景，全行業都能復用。

作為較早投入昇騰生態的創業團隊，AIGCode則從2024年起便持續參與社區共建，并貢獻了不少核心代碼。

一家十幾人的創業公司，愿意長期往別人的生態里投入研發資源，背后的邏輯其實很簡單：

他們開始相信，這條路會成為主流，而這些貢獻，又反過來加速了整個生態閉環。

硬件托住模型，模型落進產品，產品再反哺生態。

AIGCode在昇騰上做出65%的預訓練效率后，很快推出了自己的智能編程工具，用戶只需要輸入提示詞，15分鐘就能生成一套完整系統。

清華則聯合其他高校和科研單位在鯤鵬上跑出了戈登貝爾級別的科研成果。

這條閉環，已經不局限于來分享的幾個明星團隊身上。

今年2月，智譜GLM-5開源，昇騰完成Day 0適配；4月，DeepSeek V4發布，不僅是Day 0適配，更是更深入的芯模協同。

截至目前，鯤鵬開發者已經超過415萬，昇騰開發者超過410萬，openEuler裝機量超過1600萬套

數字當然重要，但比數字更值得關注的，是生態開始出現“自增長”。

當創業公司開始主動貢獻代碼，當銀行愿意把核心風控放上去，當高校開始把關鍵科研項目跑在上面，飛輪就已經不再只靠華為一家推動了。

當被問及用昇騰一年多最大的感受時，陳秋武提到：

參與進來的，已經不只是科技公司了。

高校、金融、AI大模型行業，以及越來越多不同領域的團隊，都開始進入這個生態，從用戶變成生態貢獻者。這些“非典型”開發者的加入是國產算力走向“易用好用”最直觀的信號。

而中科大的陳俊仕，則給了現場開發者一句非常直接的建議：

趕緊用。

可以說，從“能跑”到“有人長期建設”，從“廠商推動”到“生態自增長”，華為算力生態，正在進入新的階段——

一個成熟的國產算力生態正在成型。