一邊是黃仁勳阿拉斯加"壓哨登機"的急切，一邊是中國AI巨頭數百億重倉華為昇騰的果決。兩個畫面，兩種姿態，卻指向同一個時代命題：當技術成為大國博弈的核心籌碼，企業的生存法則正在被重新定義。 一、黃仁勳的"壓哨"：技術巨頭的身不由己 黃仁勳出現在阿拉斯加機場的畫面，被很多媒體稱為"壓哨登機"。 這個詞語本身就充滿張力——最後一分鐘才趕上，差一點就錯過。

相信大家都看到這消息了，字節採購AI晶片上調到2300億，NVD卡佔比有65%，AMD是30%。海外差不多是1200億這樣。 我們中國國產卡1100億，大比例還是寒武紀昇騰，大概25%左右，寒武紀大概280億左右。字節自研的部分買的是芯原股份IP，流出來的晶圓，估計在190億左右。現在大廠採購是必須按照1:4比例買國產卡，1張NVD卡搭配4張國產卡。所以未來國產卡的比例大機率還是要比NVD與AMD卡多的。 產能會慢慢爬坡，今年昇騰出貨量大概有120萬顆。所以明年中國國產比例大機率會在90%，所以像寒武紀海光壁仞等，訂單會繼續暴漲。上調明年寒武紀預期，明年營收超過500億。按照50%淨利潤，250億利潤，給50PE，也是12500億市值了。股價應該在2800左右。 (AI芯界)

2026年4月下旬，DeepSeek V4系列模型發佈，直接在中國AI基礎設施市場引發連鎖反應。 阿里巴巴、字節跳動、騰訊等頭部科技企業，這周剛緊急給華為追加了昇騰950PR系列AI晶片的訂單，多家GPU租賃服務商也跟著擠入採購佇列。 需求爆漲的直接原因很簡單：DeepSeek V4預覽版在編碼、推理任務裡的頂尖性能，已經完整適配華為Atlas超節點架構。華為官方也確認，昇騰超節點產品線已經全面完成對V4推理端的適配最佳化。 這場看起來突然的供需波動，其實是中國算力自主化處理程序的結構性轉折點。

2019年，華為被列入實體清單。有人說，中國晶片產業完了。2020年，晶片禁令全面升級。有人說，七年之內不可能有國產替代。2022年，昇騰910B開始規模出貨。有人說，國產替代不過是噱頭，性能差太遠。2024年，昇騰920發佈，算力開始逼近國際一線。2026年，DeepSeek V4 100%運行在昇騰上，性能碾壓GPT-4。曾經的那些有人，都閉嘴了。從最初被卡脖子的至暗時刻，到如今逼近國際一線性能，中國AI算力產業完成了從0到1的生死跨越。昇騰產業鏈的意義，遠不止於一款晶片、一家公司、一個行業。這個產業鏈上，都有誰在一同奮戰呢？一、價值分佈昇騰產業鏈的價值分佈，像一座金字塔：上游技術壁壘最高，利潤最厚；中游訂單兌現最快，規模效應明顯；下游長期空間大，應用場景最多。具體來看：上游：晶片與核心器件這是根基技術。晶片設計、代工製造、封裝測試、關鍵配套，每一個環節都是硬科技。卡脖子的上游環節一旦突破，將釋放巨大價值。中游：整機與系統整合可以看做出海口。整機廠是晶片變現的通道，智算中心是算力服務的載體。訂單能見度高，業績兌現快，但競爭也最激烈。未來3-5年將是整機廠的高速增長期。下游：軟體生態與行業應用這就是星辰大海。軟體生態決定開發者粘性，行業應用決定商業價值天花板。大模型浪潮下，下游的需求被極大啟動，長期空間不可限量。二、上游上游是整個昇騰產業鏈的技術底座，也是壁壘最高的環節。1.1 晶片設計干的活： 晶片的總設計師。負責定義晶片架構、設計計算單元、規劃功耗與互聯頻寬。賺的錢：晶片銷售利潤、技術授權費、以及基於自研晶片建構的生態溢價。晶片設計處於產業鏈價值鏈頂端，毛利率可達60%以上。特點：技術壁壘最高，利潤最厚，是產業鏈的核心源頭。課代表： 華為海思1.2 代工製造干的活： 把設計圖變成真實的晶圓，是晶片從PPT到實物的關鍵一步。賺的錢： 代工費用，按晶圓片數計價。先進製程代工單價可達每片數千美元，產能利用率高時利潤可觀。特點： 中國晶片製造的最後一道防線，打破海外封鎖的關鍵環節。課代表： 中芯國際1.3 封裝測試干的活： 晶片代工完成後是"裸晶片"，封裝測試環節負責將其封裝成可使用的成品。先進封裝是高端AI晶片的必選項。賺的錢： 封測服務費，按封裝類型和測試量收費。先進封裝單價更高，利潤也更厚。特點： 封測是晶片落地的最後一公里，技術門檻被嚴重低估。先進封裝是AI晶片性能提升的關鍵。課代表： 長電科技、通富微電1.4 封裝基板干的活： 晶片底部承載訊號的底座，負責晶片與PCB之間的電氣連接和散熱。ABF載板、FC-BGA載板是高端封裝基板的核心產品。賺的錢： 基板銷售，定價按尺寸和層數差異較大，高端產品單價可達數百至上千元。特點： 被卡脖子的上游環節之一，國產替代空間巨大。高端基板產能稀缺，是晶片封裝的關鍵材料。課代表： 興森科技、深南電路1.5 光模組干的活： AI伺服器叢集需要海量高速資料傳輸，光模組是伺服器之間、伺服器與交換機之間的資訊高速公路。萬卡叢集對800G/1.6T光模組需求激增。賺的錢： 光模組銷售，800G光模組單只售價可達數千元，高端產品毛利率超30%。特點： 光模組是算力互聯的血管，萬卡叢集直接拉動需求爆發。技術迭代快，規模效應明顯。課代表： 中際旭創、華工科技1.6 高速連接器干的活： 負責將板卡、晶片、電源物理連接，確保訊號穩定傳輸。賺的錢： 連接器按套/按件計價，高端產品單價可達數百元。特點： 小器件、大作用，是伺服器可靠性的基石。技術門檻高，客戶粘性強，一旦進入供應鏈就很難被替換。課代表： 華豐科技、意華股份1.7 散熱/液冷干的活： 萬卡叢集功耗高達數MW（兆瓦），散熱是生死線。傳統風冷已無法滿足需求，液冷成為AI伺服器的標配。賺的錢： 整套液冷方案價值可達伺服器總成本的10%-15%。特點： 散熱做不好，萬卡叢集就是一堆廢鐵，這個環節正在被重新定價。液冷是AI伺服器的剛需配套。課代表： 英維克、高瀾股份、申菱環境1.8 PCB/覆銅板干的活： PCB（印製電路板）是伺服器的神經網路，承載所有晶片與元器件的電氣連接。AI伺服器對PCB的層數、密度、訊號完整性要求遠超普通伺服器。賺的錢：高端伺服器PCB單板價值可達數千元，高密度互聯（HDI）產品利潤豐厚。特點： PCB是電子系統的骨架，高端產能是稀缺資源。技術壁壘較高，頭部企業優勢明顯。課代表： 滬電股份、華正新材1.9 電源干的活： 整機櫃供電系統是算力的心臟。AI伺服器功耗動輒數千瓦，萬卡叢集總功耗可達數十MW。電源系統負責穩定、高效地將電能分配到每個計算單元。賺的錢：整機櫃電源系統價值可達數十萬元，高功率電源單價更高。特點： 供電能力決定算力上限，電源是底層保障。高功率電源技術門檻高，定製化需求強。課代表： 麥格米特、泰嘉股份二、中游中游是晶片到算力的最後一公里，這裡決定晶片能否真正轉化為客戶可用的算力。2.1 AI伺服器整機干的活： 買昇騰晶片，做成AI加速卡，裝進伺服器機箱賣給客戶。整機廠是典型的晶片搬運工+系統整合商，考驗供應鏈管理和整機設計能力。賺的錢： 一台昇騰AI伺服器售價可達數十萬至數百萬元，整機廠毛利率約15%-25%。特點： 昇騰生態的出海口，誰的份額大，誰就掌握了昇騰算力的分發權。訂單能見度高，業績兌現快，但競爭激烈。課代表：華鯤振宇、拓維資訊2.2 板卡干的活： 華為不僅賣晶片，還自己做板卡。原廠板卡是整機廠的核心採購來源，也是技術標準的制定者。賺的錢： 板卡銷售、硬體標準制定權。Atlas系列毛利率可達40%以上，是華為昇騰變現的核心產品。特點： 華為在板卡層面既是裁判員又是運動員，這種垂直整合模式讓生態夥伴既愛又恨。技術標準制定者，生態話語權最強。課代表： 華為Atlas系列2.3 智算中心與算力租賃干的活： 建設智算中心，購買伺服器叢集，對外提供算力租賃和AI服務。涉及資料中心建設、算力調度、維運管理等全鏈條能力。賺的錢： 算力租賃費，按GPU小時或算力單元收費。智算中心毛利率約30%-50%，規模效應顯著。特點： 算力租賃是輕資產玩法，讓中小企業也能用上高端算力。長期空間大，但前期投入重。課代表： 恆為科技、優刻得三、下游下游是昇騰價值的最終兌現處。晶片再強，沒有軟體生態和行業落地，就是空中樓閣。3.1 基礎軟體干的活： 讓大模型能在昇騰上跑起來、跑得快、跑得穩。包括晶片驅動、算子庫、編譯器、AI框架適配、大模型遷移最佳化等。軟體使能是生態建設的核心，決定昇騰能否真正被開發者接受。賺的錢： 軟體開發費、技術服務費、適配調優費用。軟體服務毛利率可達50%以上。特點： 軟體生態比硬體更難建構，卻比硬體更有護城河。決定開發者粘性和生態繁榮度。課代表：潤和軟體、軟通動力3.2 行業應用干的活： 把昇騰算力用到具體行業裡，開發業務系統、實施部署、維運服務。每個行業都有獨特的know-how和客戶關係，算是真正的苦活累活。賺的錢： 行業解決方案、軟體銷售、維運服務。行業項目金額從數百萬到數億元不等，毛利率約30%-40%。特點總結： 決定昇騰能否真正改變產業的關鍵。應用場景多樣，長期空間大。課代表：恆生電子、科大訊飛、大華股份、常山北明3.3 大模型干的活： 在昇騰上訓練、推理大模型。大模型訓練需要千卡甚至萬卡叢集，是昇騰算力消耗的大胃王。賺的錢： API呼叫費、模型授權、行業定製。大模型商業化路徑逐漸清晰：toB行業定製、toC訂閱、API呼叫分層收費。特點總結： 殺手級應用，也是昇騰生態能否真正挑戰CUDA生態的關鍵。大模型適配是生態繁榮的核心標誌。課代表：百度文心、科大訊飛再說幾句AI大模型的軍備競賽，本質上是算力的競賽。2025年，全球AI晶片市場規模超過1000億美元，預計五年後可能破兆。長期以來，這個市場被輝達壟斷。但我們買不到H100，買不到H200，搞了個中國特供版H800，然後也被禁。最後連特供閹割版H20也被限制。何以抗爭，唯有自強。華為昇騰，用5年時間走完了西方巨頭十幾年的路。如今，昇騰產業鏈是中國唯一具備完整閉環的AI算力體系。放眼全球，能從晶片設計到行業應用全鏈路自主可控的，只有美國，現在還要加上中國。這不是奇蹟，這是積累。數萬名工程師、數千億投資，用七年時間，走完了別人二十年的路。當有人想卡你脖子的時候，你最好的選擇就是織上一身鎧甲。這是國產AI算力的里程碑，但這不是終點。只是起點。 (半杯小築)

2026年4月，華為在深圳正式啟動昇騰950PR大規模量產。 這款單卡FP4算力1.56PFlops的推理晶片，性能是輝達針對中國特供的H20的2.8倍。剛過去的4月底，字節跳動確認拋出56億美元採購單，鎖定約35萬顆，直接創下中國國內AI晶片採購的歷史紀錄。 現在國內AI基建已經徹底從“湊合用的備份”，轉成主動選國產替代的階段。DeepSeek V4的發佈是關鍵轉折點。 這款1兆參數的MoE大模型，原本定在2026年初發，特意推遲了3個月重構，專門適配昇騰950PR和寒武紀的硬體。 阿里雲、騰訊雲在V4發佈當天就完成了全端部署。 全行業都看得懂：硬體性能突破和軟體生態解耦正在同步發生，輝達靠CUDA鎖了十幾年的開發者生態，真的要鬆了。FP4性能反超H20 昇騰產能直接拉滿昇騰950PR直接把國產AI晶片的性能天花板抬了一大截。 FP4精度下1.56PFlops的推理吞吐量，比輝達H20高1.8倍。 它也是目前唯一支援FP4壓縮格式的國產晶片，跑大規模MoE模型的時候，記憶體頻寬消耗更低，能扛更多並行請求。產能兌現的突破比參數更實在。 華為2026年全年計畫出貨75萬顆，單價約1.6萬美元，現在現貨價格已經因為搶貨漲了20%，完全是賣方市場。 75萬顆的年產能，意味著昇騰950PR已經從實驗室樣品變成了工業級基礎設施，足夠扛住全國數百萬並行AI查詢的需求。 字節一家的35萬顆訂單就佔了全年規劃產能的近一半，頭部網際網路廠的算力採購邏輯早就變了。CUDA直接相容 遷移成本砍到零昇騰950PR最有戰略價值的不是硬體性能，是它的CUDA相容軟體棧。 現有基於輝達CUDA開發的AI workload，不用重寫程式碼就能直接遷過去，徹底解決了之前國產晶片落地推廣最大的“移植成本”問題。 之前開發者牴觸非輝達硬體，主要就是改核心程式碼太費人力時間，現在950PR靠二進制相容層做到了幾乎零摩擦遷移。 坊間資料說，2025年國內已經有超過3000個常用大模型完成了昇騰適配，相容層跑起來的效率能到原生CUDA環境的95%以上。DeepSeek V4推遲發佈，剛好印證了這條路線走得通。 開發團隊花了三個月針對昇騰和寒武紀硬體重構模型架構，最終最佳化版本的推理效率，比基於輝達硬體的原始方案還高一點。 這種“模型主動適配硬體”的操作，直接打破了之前“硬體必須遷就主流模型”的慣性。 阿里雲百煉、騰訊雲TokenHub在V4發佈當天就上線了基於昇騰950PR的推理服務，整個行業的遊戲規則已經變了。56億大單鎖半產能 國產替代閉環跑通字節這56億美元的訂單，是中國半導體史上最大的單筆AI晶片採購單。 不僅鎖了華為2026年近半的950PR產能，訊號效應比訂單本身還大。 阿里、騰訊等雲服務商緊跟著就下了大規模預購，全年75萬顆的產能剛公佈就被搶光了。 這種“需求端先給訂單-產能端滿負荷跑-供應鏈快速成熟”的正向循環，直接解了之前國產AI晶片“沒訂單就沒迭代，沒迭代就沒訂單”的死局。價格的變化最能說明市場地位的反轉。 1.6萬美元的單價加上20%的現貨溢價，說明昇騰950PR已經是市場搶著要的硬通貨。 之前國產晶片要靠打折才能搶市場，現在國內企業願意為自主可控的算力付溢價。 這種商業可持續性直接給後續研發喂足了現金流，華為已經公開路線圖，2027年、2028年將分別推出昇騰960、970系列，代際迭代的正循環已經跑通了。DeepSeek V4原生適配 軟硬體協同效率拉滿DeepSeek V4選昇騰950PR當原生最佳化平台，標誌著國內AI產業進入了“軟硬體協同設計”的新階段。 這款1兆參數的MoE模型，每次推理只啟動370億參數，對記憶體頻寬和稀疏計算效率要求極高。 950PR的FP4支援能力和高頻寬記憶體設計，剛好踩中了MoE模型的稀疏啟動特性，推理成本比傳統稠密模型低了近40%。這種協同效應已經在改雲廠商的採購邏輯。 阿里雲、騰訊雲當天就完成部署，不是簡單的軟體適配，是直接基於950PR的硬體特性重寫了推理服務架構。 DeepSeek已經公開說，2026年下半年昇騰950超級節點規模出貨後，V4-Pro的API定價會大幅下調，國產硬體的成本優勢已經開始直接傳導到終端使用者。 對比之下，輝達H200因為中美監管拉扯，至今沒能進中國市場，剛好給國產晶片留足了空間。H200卡殼進不來 國產算力窗口期已到現在的市場格局，剛好踩中了監管的時間差。 輝達H200理論性能確實比昇騰950PR強，也拿到了出口許可，但中美雙方在銷售細則上扯了快半年，至今沒完成對華出貨。 這12到18個月的空窗期，剛好給華為留足了滲透國內雲基礎設施的時間。 950PR靠性能超H20、產能爬坡快、生態無縫遷的三重優勢，已經搶下了國內AI算力新增市場的大半份額。2025年北京就停了輝達H20的進口，剛好接上昇騰950PR的量產節奏。 現在H20徹底買不到，H200又沒影子，國內AI產業已經進入了“後輝達”的過渡階段。 DeepSeek、字節、阿里、騰訊這些產業鏈核心玩家的選擇，正在把過渡期變成不可逆的結構性轉移。 等2026年下半年75萬顆950PR全部部署到位，就算H200之後能進來，市場格局也早就重新洗牌了。2025年國內昇騰開發者數量已經突破120萬，比2024年翻了一倍。 阿里雲2025年Q4的AI算力訂單裡，昇騰佔比已經超過40%。 等今年75萬顆昇騰950PR全部落地，國內AI產業第一次有了完全自主可控、性能對標國際主流、生態無縫銜接的算力基座。 這不是簡單的供應鏈替代，是真真正正把算力主權握在了自己手裡。 (硅基LIFE)

晶片及CPU價格持續上漲：英特爾和AMD的CPU價格自2月份以來普遍上漲了10-15%，且國際大廠正在醞釀在第三季度再次上調價格。隨著AI場景從訓練向推理及智能體演進，CPU在算力架構中的地位不斷提升。DeepSeek V4適配華為昇騰生態，半導體行情爆發：4月27日，DeepSeek V4大模型適配華為昇騰生態，多家國產晶片完成適配，市場開始重估國產算力的商業化前景，A股半導體類股集體走強。4月27日當天，科創50指數大漲3.76%，半導體產業鏈全線走強。4月28日早盤，算力晶片概念延續活躍態勢。氦氣等工業氣體價格持續上漲：受供應鏈緊張影響，高純氦氣（40L）價格一個月內從550元飆升至5000元，氦氣概念股因此大漲。據瞭解，三星和SK海力士此前已表示，由於原材料中斷，光刻膠等產品的供應鏈面臨嚴重衝擊。盛美上海等半導體裝置股下跌：4月28日，半導體裝置股震盪下挫，盛美上海跌超10%，至純科技逼近跌停，芯源微、矽電股份等跟跌。消息面上，盛美上海發佈的一季報顯示其歸母淨利潤同比大幅下滑57.66%。台積電以"二倍速"推進擴產：為應對AI與高性能計算需求的爆發式增長，台積電正以"二倍速"推進擴產計畫，今年將同時有五座2nm晶圓廠進入產能爬坡階段，2nm首年產出將較3nm同期提升約45%。輝達市值突破5.2兆美元，閃迪首次站上1000美元：4月27日美股交易中，輝達大漲4.0%，市值突破5.2兆美元，創下全球上市公司市值新紀錄。儲存晶片股閃迪暴漲8.11%，收盤價首次站上1000美元，受益於NAND快閃記憶體強勁的定價動能。韓國股市超越英國，躍升全球第八：受AI和半導體熱潮推動，韓國上市公司總市值今年來增長逾45%，達到4.04兆美元，超越英國躋身全球第八大股票市場。三星電子與SK海力士兩大儲存晶片巨頭佔據韓國綜指總市值的四成以上。美伊談判陷入僵局持續推高油價，半導體材料供應鏈承壓：美國白宮證實川普團隊正討論伊朗提出的談判新方案，但談判幾乎無進展，荷姆茲海峽局勢再度升級導致油價持續上漲。中東緊張局勢進一步加劇了半導體原材料（氦氣、光刻膠等）的供應緊張局面。電裝將撤回收購羅姆報價，日本功率器件三強合併將加速：因未能獲得羅姆公司同意，日本電裝集團正考慮撤回對羅姆的收購提案。羅姆已確定與東芝、三菱電機進行三家合併磋商。三強合併後的新實體將佔據全球功率半導體約11%的市場份額，規模位列全球第二，僅次於英飛凌。費城半導體指數結束18連陽，晶片股走勢劇烈分化：4月27日美股收盤，費城半導體指數下跌1.34%，結束了長達18個交易日的連續上漲紀錄。晶片股走勢呈劇烈分化態勢，Arm跌超8%，邁威爾科技、AMD跌超3%，而高通則大漲逾7%。 (晶片行業)

事情是這樣的。前兩天，大模型圈子裡出了個特別炸裂的消息，炸到什麼程度呢，連輝達的黃仁勳（Jensen Huang）在採訪裡都說了一句話。雖然那個傳得有鼻子有眼的「Terrible」評價大機率是圈內人自嗨的段子，但老黃對 DeepSeek 的忌憚是真的。他在內部和公開場合多次感嘆過，DeepSeek這種用極低算力成本跑出極高性能的演算法效率，確實讓輝達感到了前所未有的壓力。如果你一直關注 AI 圈子，你應該知道 DeepSeek（深度求索）這家公司的脾氣，他們以前有個鐵律：不拿外部融資。這家由幻方量化（國內頂尖量化私募）一手帶大的實驗室，一直以來給人的感覺就是個「純粹的技術極客」，不差錢，也不想被資本指手畫腳。但就在最近，這個鐵律被打破了。根據《The Information》的爆料，DeepSeek 正在跟投資者談首輪外部融資，估值直接奔著 100 億美元去了。很多人納悶，為啥以前不拿，現在拿了？其實答案就在即將發佈的 DeepSeek V4 身上，這玩意兒不僅是個模型，更是一次「飽和攻擊」等級的戰略轉型。我聽到的消息是，DeepSeek V4 預計在 4 月下旬正式亮相，它的參數量直接堆到了 1.2 萬億（1.2T）等級，採用的是 MoE（混合專家）架構。為了養活這個萬億參數的「哥斯拉」，DeepSeek 已經在內蒙古烏蘭察布大規模招人了，專門負責自建算力中心。但這還不是最騷的。最騷的事在於，DeepSeek V4 是他們第一個完全基於華為昇騰（Ascend）晶片訓練出來的旗艦模型。如果你還記得我前兩天寫過的那篇關於 GLM-5 的文章，你就會發現，這件事的訊號意義已經強到溢出來了。在那篇文章裡我聊過，智譜（Z.ai）用了 10 萬塊華為昇騰晶片，把 GLM-5.1 基礎模型從頭練完了，最後在 SWE-Bench Pro 這個全球最硬核的軟體工程榜單上，跑出了比 Claude 和 GPT 還要高的分數。雖然咱得承認，跑分高不代表實戰手感就能完全取代 Claude，但在這種公認的、需要解決真實 GitHub Bug 的硬核榜單上，國產模型第一次登頂，而且是基於華為晶片跑出來的，這事兒本身就足夠離譜了。如果說 GLM-5.1 是國產大模型在華為晶片上的第一次「奇蹟會師」，那現在的 DeepSeek V4，就是在嘗試把這個奇蹟推向另一個量級。為了在國產晶片上跑出最優效率，DeepSeek 的工程師幹了一件特別狠的事：他們把模型底層程式碼全重寫了，直接從輝達的 CUDA 生態完全遷移到了華為的 CANN Next 軟體棧。甚至為了適配華為昇騰 950PR 晶片的記憶體訪問特性，他們還專門重構了算子庫，針對 128 位元組的記憶體顆粒度做了專項最佳化。這事兒聽著簡單，但做過底層開發的兄弟應該知道，這跟「把房子的地基整個換掉還要保證房子不塌」沒啥區別。這也是為什麼 V4 引入了一個叫 Engram 的條件記憶架構，能支援 100 萬 token 的上下文，而且百萬長度下的資訊召回率還能頂到 97%。我突然意識到一個很重要的轉變。以前大家覺得用國產晶片是「沒辦法」，是由於被制裁後的無奈之舉。但從 GLM-5 到 DeepSeek V4，這個邏輯變了。它們不是在「勉強運行」，而是在「超越」。GLM-5 證明了用華為晶片能練出在全球頂級榜單登頂的模型，而 DeepSeek V4 準備證明，用華為晶片能練出萬億參數的多模態旗艦，而且效率高到讓老黃都覺得脊背發涼。說真的，我挺感慨的。以前我們聊 AI，總覺得我們是在「追趕」，用著別人的卡，跑著別人的架構。但現在，智譜和 DeepSeek 就像是兩條平行線，最後在華為的算力底座上匯合了。這種感覺，怎麼說呢，確實挺帶勁的。我們正在見證一套完全獨立於美國技術堆疊的 AI 生態，正從地底下冒出頭來。至於 V4 到底有多強，咱們等它發佈那天，我一定第一時間去試。 (KmTech)

有關Deepseek V4 要來的消息可以說是從去年炒到今年，本月真的要來了嗎？根據相關報導——DeepSeek創始人梁文鋒近日在內部溝通中透露，DeepSeek V4將於4月下旬正式發佈。真的可謂是“千呼萬喚始出來，猶抱琵琶半遮面”了！但從節奏上看，這一訊號並非孤立出現：首先是，Deepseek 網頁端出現疑似新模型測試痕跡。在4月8日，Deepseek 上線“專家模式”與“快速模式”；以及在部分使用者中又增添了一個視覺模式（vision），被認為是V4 版本的灰度測試。第二，多項關於“兆參數、超長上下文、國產算力適配”的資訊開始集中流出。換句話說，DeepSeek V4 的發佈，從“長期預期”，進入到了可驗證的倒計時階段。網傳模型更新內容有關V4的模型內容在網路上傳的沸沸揚揚，有的媒體使用了洩露的基準測試資料進行了測試。網傳的更新內容包括：最佳化 MoE 架構，推理成本極低繼承 V3 的 MoE 設計，但更進一步。採用兆參數混合專家架構，每次推理過程中，只有約 320 億個參數處於啟動狀態。這使得推理成本和速度與 V3 相當，甚至 API 定價可能比 GPT-5.4 等低 20-50 倍。有網友評論：“V4 改變了幾乎所有內容，除了每花一美元最大化能力的核心理念。”引入Engram 條件記憶：“記”與“算”分開引入條件記憶機制，將靜態知識儲存與動態推理計算分離，能夠高效地從超過 100 萬個詞元的上下文中檢索資訊。傳統 Transformer 把所有知識塞進參數，容易導致長上下文檢索衰退；Engram該模組將經典的 N-gram 嵌入現代化，以實現 O(1) 尋找。效果也很顯著：提升了長上下文檢索能力（例如，Multi-Query NIAH：從 84.2 提升到 97.0）；減輕 Transformer 主幹負擔，讓模型“記性好”且不浪費視訊記憶體——與 MoE 的條件計算互補。備註：2026 年 1 月 DeepSeek 開放原始碼的論文技術 | GitHub: deepseek-ai/EngrammHC（Manifold-Constrained Hyper-Connections，流形約束超連接）這是 DeepSeek 在 2026 年1月份發佈的另一項架構創新論文成果，主要解決超大規模（兆級）訓練中的梯度不穩、訊號爆炸問題。備註：論文連結 https://arxiv.org/abs/2512.24880通過 Sinkhorn-Knopp 等數學約束，將層間連接投影到流形上，把訊號放大控制在合理範圍（例如從傳統方法的 3000 倍壓到 1.6 倍以內）據報導：可提升訓練效率約 30%，讓兆參數模型的訓練變得可行。除此之外，還有降低注意力計算成本的DSA機制——這使得 1M 上下文窗口成為可能等等。等到Deepseek-v4正式發佈，各位大佬可以對照一下~採用國產晶片這個可以說是小編最期待的一點。晶片問題一直是行業最敏感也最關鍵的痛點。過去幾年，中國大模型開發幾乎離不開輝達GPU，從訓練到推理都高度依賴CUDA生態。一旦遇到出口管制或供應鏈波動，整個AI落地節奏就會被卡住。而根據The information媒體的報導：DeepSeek 即將推出的 V4 型號將採用華為技術有限公司生產的硬體；與華為和寒武紀科技直接合作，對 V4 核心軟體架構的部分內容進行了修改；V4 預計將在未來幾周內亮相，同時還將推出另外兩款正在研發中的衍生型號。而在以往大模型開發，早期測試往往優先給輝達、AMD等美系晶片測試。而V4反過來，將完全運行在華為最新AI晶片上（主要為Ascend 950PR，部分適配寒武紀晶片）。阿里、字節跳動、騰訊等巨頭已提前向華為採購數十萬顆新一代昇騰晶片（Ascend 950PR等），晶片價格一度上漲約20%。華為3月發佈的Atlas 350加速卡搭載該晶片，FP8算力達1PFLOPS、FP4算力達2PFLOPS，支援多種低精度，單卡性能強勁。X上神秘的Elephant Alpha.在正式發佈前，通過匿名模型進行灰度測試，正在成為大模型行業的常見方式。在今年2月，一個名為Pony Alpha的匿名模型出現在OpenRouter上，五天後智譜確認這是其GLM-5系統的一部分；OpenRouter 上也曾短暫出現Hunter Alpha和Healer Alpha，憑藉兆參數與超長上下文迅速引發關注，並一度被猜測為 DeepSeek V4 的前期測試版本——後續被證實是小米 MiMo-V2系列的早期測試版。而昨天， X.上又出現了一款名為 Elephant Alpha 且擁有 1000 億參數的即時模型,讓網友興奮起來了！有網友猜測是 DeepSeek V4，也有網友認為它是Qwen,或者其他系列的模型，與騰訊混元同步發佈根據相關媒體報導： DeepSeek V4或與騰訊混元或將同期發佈。而混元模型的負責人姚順雨曾經是OpenAI研究員，於2025年底從OpenAI回國加入騰訊。DeepSeek V4或與騰訊混元的這次撞期，並非是簡單的同台PK，更像是大模型兩條技術路徑（“底層架構+自主硬體”和“場景驅動+Agent落地”）的碰撞。 (51CTO技術堆疊)