我點開 DeepSeek 的 API 定價頁，想看看 V4 具體售價多少，結果在價格表下方看到一行灰色小字。字型特別小，不留意的話很容易直接劃走。上面寫著「受限於高端算力，目前 Pro 的服務吞吐十分有限，預計下半年昇騰 950 超節點批次上市後，Pro 的價格會大幅下調」。簡單來說，DeepSeek 把自己未來能不能降價、降多少，公開繫結到了華為昇騰 950 這顆晶片的出貨節奏上。早在 DeepSeek 正式發佈前，就有不少傳聞將它和昇騰關聯在一起，只是一直沒有實錘，現在來看，雙方的深度合作已經落地。所以，在我看來，這行不起眼的灰色小字，蘊含的關鍵資訊，比所有跑分加起來都大。想要看懂這行小字到底有多關鍵，得先弄懂一個技術細節；DeepSeek V4 訓練時，用了一種叫 mxFP4 的精度方案。這名詞聽著特別高大上，其實我也不懂啊。於是，索性瞭解了下，意思是：大模型有著上兆個參數，每個參數本質上是一串數字，這些數字全都要存放在晶片的儲存空間裡；行業裡普遍用的是 FP8 方案，靠 8 位位元記錄一個數字，FP4 隻需要 4 位位元就行。打個通俗的比方：FP8 就像用常規字號在 A4 紙上記筆記，一頁紙能承載的內容很有限，FP4 把字號縮小一半，同一張紙能裝下兩倍內容。雖說精細度稍微差一點，完全不影響正常識別和使用。我專門查過實測資料，FP4 對比 FP8，問答的精準度幾乎沒怎麼掉，日常使用的絕大多數場景裡，普通人完全感受不到區別，還能直接省下一半儲存空間。簡單講，FP4 的優勢，是更少的儲存空間，更低的計算成本，跑差不多效果的模型。搞懂 FP4 之後，接下來的事情有意思了。目前輝達的整個生態體系，主流用 FP8。國內晶片這邊，華為昇騰 950 是唯一一款已經商用、並且明確支援 FP4 的 AI 加速卡。重點是：唯一一款。DeepSeek V4 在訓練階段選了 FP4，昇騰 950 恰好是國內唯一支援 FP4 的晶片，這兩件事放在一起，不需要任何人告訴你結論。這根本不是模型做完再臨時去相容國產晶片，早在模型訓練起步階段，選擇精度規格的時候，已經專門為這顆晶片量身鋪路了。就像你設計一把鑰匙時，已經知道它要開的那把鎖長什麼樣。那 DeepSeek 為什麼要這麼做？單純立場問題，或是情懷加持？我覺得根本沒這麼簡單，畢竟它一直堅持開源，海外也有大量使用者在使用。本質上，背後有一筆實打實的商業帳單。要知道 DeepSeek 是開源企業，核心收入全靠 API 呼叫；它的核心打法是極致低價，V4-Flash 輸入只要 0.2 元每百萬 tokens，比 OpenAI 同檔次產品便宜幾十倍，妥妥的行業價格殺手。「價格屠夫」的名頭聽著亮眼，背後卻有個繞不開的硬性要求，那就是算力成本必須壓到極致。如果一直繫結輝達，兩大難題永遠躲不開：一，顯示卡造價昂貴，高昂的算力成本會直接壓縮利潤；二，供應鏈完全不受自己掌控，一旦相關管制收緊，隨時會被卡脖子。開源模型廠商利潤本來就十分微薄，這種盈利模式下，把核心算力命脈，攥在無法自主掌控的外部供應商手裡，無異於慢慢等死。所以，擁抱國產晶片是 DeepSeek 能持續走低價路線、長久活下去的核心關鍵。對了，這還沒完。V4 是周五上午發的，同一天之內，華為昇騰、寒武紀、海光資訊、摩爾線程率先官宣完成適配。到收盤前，加上沐曦、崑崙芯、平頭哥、天數智芯，一共 8 家國產 AI 晶片品牌全部完成「Day 0 適配」。Day 0，發佈當天就能跑。不光是晶片廠商，華為雲、騰訊雲、百度智能雲、阿里雲、天翼雲、聯想智能雲這些雲服務商，也在同一天宣佈把 V4 上架到自己的平台；寧暢、長江計算這些做伺服器的廠商，也跟著同步跟進。一個模型發佈，整條產業鏈當天就集體響應，這速度絕對不可能是看到發佈才開始動手的。你想啊，一個兆參數的全新模型，從拿到權重，到完成適配、跑通推理、測出性能資料，幾個小時根本不可能做完。那答案就只有一個了：這些廠商，早就提前拿到了 V4 的模型，早就開始做準備了。我查了一下，The Information 的報導也印證了這一點。DeepSeek 在 V4 發佈之前，特意給國產晶片廠商開了提前適配的窗口，給了他們好幾周的時間做偵錯、做最佳化，反倒是輝達和 AMD，沒拿到這個優先權。所以，你再回頭看周五那天的場面，它更像一場提前排練好的集體亮相。DeepSeek 是領唱，幾家晶片廠商是和聲，雲服務商和伺服器廠商是伴奏，所有人在同一天一起上台。以前聊 AI 產業鏈，基本上都沿著同一條線說：模型突破了，算力需求爆發，所以要建更多算力中心，需要更多晶片，輝達吃肉，台積電代工跟著喝湯，台積電產能不夠就得買裝置，半導體裝置是下一個主線。我承認，這條邏輯過去兩年完全成立，V4 這次釋放的訊號，是旁邊正在長出另一條鏈路。前面我說的，FP4 精度選擇、幾家晶片同天適配、雲服務商同步上架，串起來看，這條新鏈路的輪廓已經很清晰了。它的核心驅動力是「軟硬體從源頭協同設計」。堆量和協同，受益的方向幾乎沒有重疊，用舊地圖去找新鏈路上的機會，大機率會走偏。這件事的影響範圍還不止於「利多誰」。我查了一下，據路透社 3 月 27 日報導，字節跳動和阿里巴巴均計畫大規模採購昇騰 950，華為今年計畫出貨約 75 萬顆。國內財經媒體援引的資料更具體，字節約 25 萬顆，阿里約 15 萬顆，光這兩家加起來就 40 萬顆，佔了全年出貨計畫的一半以上。需要說明，這組採購數字，幾家當事方既沒有回應、也沒有承認，晶片採購量級本身屬於高度敏感的商業資訊，不公開確認是正常的。因為供需關係的變化，昇騰 950 已經漲價 20%，這些訂單在 V4 發佈之前就已經下了。這裡有一個很微妙的關係，大廠們買了晶片，準備用國產算力來跑大模型、做雲服務。這個商業決策最終成不成立，取決於一個前提：得有一個足夠強的模型，在這顆晶片上真的跑通了，效果經得起驗證。V4，正是那個驗證。它是整個國產算力產業鏈的一張驗收單，驗收通過，40 萬顆晶片的訂單才有意義，後續更大規模的採購才有依據。當然，這件事也沒有那麼完美，不能為了吹捧忽略客觀事實。訓練側，V4 最核心預訓練過程，仍然跑在輝達的體繫上，國產晶片目前接住的是推理側，使用者實際呼叫模型時的那部分算力。訓練和推理是兩件事，推理跑通了不代表訓練也能脫離輝達。昇騰 950 的產能也是另一個未知數，全年 75 萬顆的出貨計畫，光字節和阿里兩家就要走一半以上，後面排隊的還有騰訊、百度和一眾中小廠商；供不應求的局面下，產能能不能跟上，直接決定這條新鏈路的傳導速度。換句話說，閉環在推理側跑通了，訓練側還要時間。我認為，看這件事得看方向，過去幾年，中國 AI 產業的底色一直是「用別人的晶片，追別人的模型」；V4 釋放的訊號不一樣，有人開始用自己的晶片跑自己的模型了，晶片和模型從一開始就在一起長。路還很長，產能瓶頸、訓練側的硬骨頭、CUDA 生態十幾年積累的護城河，這些都是真的；當然，中國 AI 第一次在頂級模型層面跑通國產算力閉環，這也是真的。 (王智遠)