黃仁勛說這是"災(zāi)難"：DeepSeek在華為芯片上跑通了

DeepSeek V4的API定價出來了——Flash版輸入1元/百萬token，Pro版12元。同期GPT-5.4和Claude Opus 4.6的調(diào)用成本，大約是它的50倍。

不是便宜一半，是便宜50倍。這個數(shù)字大到不像是同一場比賽里的報價。

但價格本身不是重點。往回看三代產(chǎn)品——V2訓(xùn)練成本是GPT-4 Turbo的1/70，V3是GPT-4的1/14，R1是GPT-4o的1/20。DeepSeek畫出了一條陡峭的成本下降曲線。連奧爾特曼自己都說，AI成本每12個月降10倍，比摩爾定律還猛。

V4還帶來了一個更大的變量：它在技術(shù)報告中明確寫入了華為昇騰NPU與英偉達(dá)GPU的并列驗證，是首個在昇騰平臺上原生適配的前沿大模型。黃仁勛在播客里說，這件事是"災(zāi)難性的"。英偉達(dá)的護(hù)城河不是GPU算力本身，而是CUDA作為默認(rèn)起點的軟件生態(tài)位。

便宜50倍，還在昇騰上跑通了。DeepSeek到底是怎么做到的？這條效率路線走到終局，又意味著什么？

0150倍價差

DeepSeek V4的API定價出來了：Flash版輸入1元/百萬token，輸出2元；Pro版輸入12元，輸出24元。緩存命中的情況下，F(xiàn)lash版輸入價格壓到了0.2元/百萬token。

同期GPT-5.4和Claude Opus 4.6的API調(diào)用成本，大約是V4的50倍。

V4在MIT協(xié)議下完全開源，發(fā)布時間恰好卡在OpenAI上線新Agent功能的前一天。貼身肉搏的意味已經(jīng)很明顯了。

但V4的定價并不是一次孤立的降價事件。往回看三代產(chǎn)品，DeepSeek畫出了一條陡峭的成本下降曲線。

2024年初，V2的訓(xùn)練成本比GPT-4 Turbo下降至1/70，靠的是MLA架構(gòu)和MoE稀疏架構(gòu)的組合創(chuàng)新。同年底，V3的訓(xùn)練成本560萬美元，相比GPT-4的7800萬美元降至1/14。緊接著，R1的訓(xùn)練成本600萬美元，對標(biāo)GPT-4o約1.2億美元的訓(xùn)練開支，壓到了1/20。

三代產(chǎn)品，每代都在往下打一個數(shù)量級。這不是一次促銷，是一條曲線。

一年前，R1發(fā)布當(dāng)天，英偉達(dá)單日市值蒸發(fā)近6000億美元，"DeepSeek時刻"成了整個科技圈的記憶錨點。V4把這個故事又往前推了一步。

當(dāng)然，這條曲線不是沒有爭議。谷歌DeepMind負(fù)責(zé)人哈薩比斯直言DeepSeek的成本數(shù)據(jù)"被報小了，并且有些誤導(dǎo)性"，聲稱公司"只公布了最終訓(xùn)練階段的成本，而這只是總成本的一小部分"。分析機(jī)構(gòu)SemiAnalysis進(jìn)一步估算，DeepSeek在硬件上的花費(fèi)遠(yuǎn)高于5億美元，論文中600萬美元的數(shù)字只是預(yù)訓(xùn)練運(yùn)行的GPU成本。

DeepSeek硬件投入即便超過5億美元，這是一筆包含芯片采購在內(nèi)的資本開支；而GPT-4o的訓(xùn)練成本約1.2億美元，指的是單次訓(xùn)練運(yùn)行的算力費(fèi)用，兩者口徑并不相同。不過，即便把OpenAI背后數(shù)十億美元的算力基礎(chǔ)設(shè)施投入也納入考量，DeepSeek在單次訓(xùn)練成本上的優(yōu)勢依然是數(shù)量級的。爭議的焦點恰恰證明了結(jié)論：即便成本被低估了，它依然便宜得離譜。

這不只是DeepSeek一家的故事。從GPT-4到GPT-4o，OpenAI自己的每token價格也降了約150倍。即便降了這么多，DeepSeek的API價格仍然比OpenAI便宜95%。

奧爾特曼自己在2025年2月的文章中寫得明白：使用特定水平AI的成本每12個月下降約10倍。摩爾定律曾以每18個月翻一倍的速度改變世界，而AI成本的下降"更加強(qiáng)勁"。

當(dāng)你的競爭對手親口幫你論證了你的敘事，這個敘事就不只是敘事了。AI行業(yè)正在經(jīng)歷自己的摩爾定律，而DeepSeek，是這條定律最激進(jìn)的執(zhí)行者。

定律背后的機(jī)制是什么？三代產(chǎn)品的成本為什么能一路往下砸？答案藏在DeepSeek的技術(shù)路線里。

02從算法蔓延到芯片

V3訓(xùn)練只用了2048張H800。同級別模型的訓(xùn)練集群動輒上萬張卡，但DeepSeek用這2048張卡訓(xùn)出了對標(biāo)GPT-4的模型，靠的是一個當(dāng)時沒人敢在大規(guī)模訓(xùn)練中真正用上的技術(shù)：FP8混合精度。

英偉達(dá)的Transformer Engine早就支持FP8訓(xùn)練，但在V3之前，沒有開源大模型真正在訓(xùn)練階段跑通過FP8。DeepSeek第一個吃螃蟹，用細(xì)粒度量化策略把激活值按1x128的tile量化、權(quán)重按128x128的block量化，在不損失模型質(zhì)量的前提下把計算成本大幅壓低。

武器不在多，在會用。2048張卡就是別人上萬張卡的活。

V4在這條路上又往前走了一大步，直接改造了注意力機(jī)制本身。

核心是兩種全新的注意力結(jié)構(gòu)。CSA（壓縮稀疏注意力）把每4個token的KV緩存壓縮成1個條目，再用一個叫Lightning Indexer的篩選器從所有壓縮塊中只挑出最相關(guān)的512個來計算。

HCA（層次化壓縮注意力）更激進(jìn)，壓縮比達(dá)到128倍，直接跳過篩選環(huán)節(jié)做全量計算來抓全局結(jié)構(gòu)。兩種注意力交錯配置，再配合滑動窗口保留最近128個token的原始KV，多管齊下把百萬token長文本的推理開銷打了下來。

深度求索方面直接表態(tài)："從現(xiàn)在開始，百萬上下文將是DeepSeek所有官方服務(wù)的標(biāo)配。"以前百萬token是各家發(fā)布會上拿來炫技的指標(biāo)，現(xiàn)在是默認(rèn)參數(shù)。

當(dāng)技術(shù)成本低到可以成為默認(rèn)選項時，它就不再是競爭優(yōu)勢，而是基礎(chǔ)設(shè)施的一部分。

效果直接寫在基準(zhǔn)分上。

V4-Pro，1.6萬億參數(shù)、激活49B，在100萬token上下文下處理一個新token需要的算力只有V3.2的27%，KV緩存只占10%。資源消耗砍到四分之一。

而頂配Pro Max呢？知識基準(zhǔn)SimpleQA拿下57.9分，比開源最佳高出20個點；數(shù)學(xué)競賽Putnam 2025做到120/120滿分；編程競賽Codeforces在人類選手中排第23。三個分屬完全不同類型的任務(wù)，同時沖頂。

算力用了四分之一，成績沖到了第一。這不是降本增效，是換了一套物理定律在跑。

但V4最值得關(guān)注的變量，不在算法層。

V4技術(shù)報告3.1節(jié)寫了一句話："我們在NVIDIA GPU和華為昇騰NPU兩個平臺上驗證了這個細(xì)粒度的專家并行方案。"兩個平臺并列，寫在驗證結(jié)論里。這不是"兼容適配"的措辭，是"原生支持"的姿態(tài)。

這套方案的核心是把MoE的通信和計算切成更細(xì)的顆粒按"波"調(diào)度，通用推理加速1.50到1.73倍，強(qiáng)化學(xué)習(xí)長尾小批次最高加速1.96倍。昇騰已經(jīng)從備選項變成了并列選項。

遷移并不輕松。據(jù)接近DeepSeek的工程師透露，V4從CUDA到CANN的適配過程中，最耗時的不是算子重寫，而是精度對齊。同樣的模型在英偉達(dá)和昇騰上跑出完全一致的數(shù)學(xué)結(jié)果，需要反復(fù)調(diào)試。

此前用910C訓(xùn)練時，DeepSeek翻過車：1024卡集群梯度同步超時、CANN舊版缺少關(guān)鍵算子，穩(wěn)定性一度不足。950PR針對性地補(bǔ)上了這些短板：芯片間帶寬翻了3倍，CANN Next內(nèi)置了FlashAttention和PagedAttention算子。

真正的技術(shù)遷移不是換一個品牌的芯片，是讓兩套完全不同的硬件跑出一樣的數(shù)學(xué)結(jié)果。DeepSeek把這條路蹚?fù)耍髞碚叩拈T檻就低了一大截。

華為的策略也很清楚。昇騰950PR在FP4精度下算力達(dá)到2 PFLOPS，芯片間互聯(lián)帶寬2TB/s。CANN Next的定位不是推倒重來，是無縫替換：新增SIMT編程模型與CUDA高度對標(biāo)，讓開發(fā)者沿用CUDA的編程習(xí)慣，最終編譯出昇騰優(yōu)化程序。

黃仁勛在帕特爾的播客專訪中說出了英偉達(dá)真正害怕什么。不是中國做出好模型，而是好模型不再以CUDA為默認(rèn)優(yōu)化起點。

英偉達(dá)的護(hù)城河從來不是GPU本身的算力，而是CUDA作為"事實標(biāo)準(zhǔn)"運(yùn)行了近二十年的軟件生態(tài)位。幾乎所有主流AI框架、算子庫、開源模型的首發(fā)優(yōu)化，都把CUDA當(dāng)作默認(rèn)起點。DeepSeek在昇騰上完成原生適配，戳破的恰恰是這條鏈條的起點：至少存在一條真實、可運(yùn)行、被頂級模型驗證過的非CUDA路徑。

當(dāng)世界上最好的開源模型證明了一條完整的非CUDA路徑，二十年的生態(tài)壁壘就出現(xiàn)了第一道裂縫。效率路線從算法蔓延到芯片，蔓延到了英偉達(dá)最害怕的那個位置。

03算力變水電

中信建投在V4發(fā)布后的研報里做了一個劃分：R1回答的問題是"中國能不能做出世界級模型"，V4回答的是兩個更具體的問題——"能不能在算力封鎖下持續(xù)進(jìn)化"，以及"大模型能不能變成能賺錢的企業(yè)級產(chǎn)品"。

第一個問題，學(xué)術(shù)界已經(jīng)給了答案。2025年9月，R1論文登上Nature封面，8位專家逐條審稿，這是全球首個通過頂級學(xué)術(shù)期刊同行評審的主流大模型。"中國能不能做"這個問題翻篇了。

第二個問題才是V4真正要回答的。

巨頭們在用最傳統(tǒng)的方式搶市場。2026年春節(jié)期間，字節(jié)、阿里、騰訊三家燒掉近百億元拉新。千問豪擲30億元送"奶茶大禮包"，豆包登上央視春晚，元寶拋出10億元現(xiàn)金紅包。

QuestMobile數(shù)據(jù)顯示，截至2026年2月，豆包活躍用戶1.03億、千問3245萬，DeepSeek 2477萬排第三。

但DeepSeek的窘境和巨頭不同。日活從1.2億飆到約2億，半年增長超67%，算力卻只擴(kuò)了約8.3%。日均算力成本超千萬元，今年已經(jīng)三次大規(guī)模宕機(jī)，每次都在晚間用戶高峰期爆發(fā)。

用戶增長67%，算力增長8.3%。這個剪刀差就是DeepSeek必須走效率路線的原因，也是V4必須跑在昇騰上的原因。

融資信號也在轉(zhuǎn)向。2025年初DeepSeek最火的時候，梁文鋒拒絕了所有投資機(jī)構(gòu)。他曾提出類似OpenAI與微軟投資協(xié)議的回報上限條款，沒有任何機(jī)構(gòu)接受，此后再沒跟投資人見過面。

一年后的4月17日，DeepSeek傳出至少100億美元估值融資；五天后，路透社報道阿里和騰訊正在洽談投資，估值已被抬到200億美元以上。一位接近DeepSeek的投資人說："這不是一個你出得起價就能進(jìn)的標(biāo)的，梁文鋒的篩選標(biāo)準(zhǔn)里，錢是最不重要的那一項。"

一年前拒絕所有人，一年后所有人爭著進(jìn)。變的不是梁文鋒的態(tài)度，是DeepSeek的位置。從技術(shù)驗證期走到了商業(yè)化拐點。

DeepSeek"換芯"昇騰引發(fā)的連鎖反應(yīng)正在擴(kuò)散。阿里、字節(jié)、騰訊已向華為批量采購昇騰950PR，訂單合計數(shù)十萬顆，集中采購?fù)苿有酒瑑r格近幾周上漲20%。當(dāng)行業(yè)龍頭用腳投票跟進(jìn)非CUDA路徑，效率路線就從一家公司的選擇變成了行業(yè)共識。

商業(yè)化的數(shù)據(jù)也在印證拐點。智譜2025年全年收入7.24億元，同比增132%，MaaS API平臺年度經(jīng)常性收入做到17億元，同比漲了60倍。大模型正在從燒錢的故事變成賺錢的生意。

當(dāng)行業(yè)里開始有人賺錢，"AI泡沫"的敘事就該換一個了。

米勒在《巴倫》雜志的判斷提供了另一個坐標(biāo)。他說，美中之間的差距不在人才、不在創(chuàng)新，而在訓(xùn)練時投入的運(yùn)算資源。這是典型的存量邏輯，誰的卡多誰贏。

但DeepSeek做的是增量邏輯：讓每張卡的產(chǎn)出更高。V4在昇騰上跑通，就是用效率把存量差距變成了一個可以繞過去的問題。

而政策信號，可能是三重信號中最耐人尋味的。

工信部發(fā)布了《普惠算力賦能中小企業(yè)發(fā)展專項行動》，目標(biāo)是到2028年底顯著降低中小企業(yè)使用算力的門檻。文件里出現(xiàn)了兩個概念："算力銀行"和"算力超市"。企業(yè)可以把閑置算力存進(jìn)去，按需取用，按卡時、核時甚至Token來計費(fèi)。

當(dāng)政策開始用水電的邏輯來管理算力，前沿智能就真的在變成基礎(chǔ)設(shè)施。DeepSeek從算法層到芯片層一路把成本打下來，政策從頂層把算力變成公共服務(wù)。

一個從供給側(cè)降本，一個從制度側(cè)普惠。兩條線交匯的那個點，就是AI不再是軍備競賽的那一天。