当梁文锋把1000亿押在昇腾上，黄仁勋最担心的事，正在变成现实。

一、千亿豪赌：DeepSeek为什么敢把全部身家押给昇腾？

10月13日，一条消息炸翻了整个AI圈：DeepSeek新一轮融资从此前的500亿翻倍至1000亿元，创下国内AI单笔融资最高纪录。宁德时代、腾讯、吉利等巨头纷纷参投，投前估值约5000亿元。

但真正让人倒吸一口凉气的不是融资金额，而是钱要花在哪——

DeepSeek正在内蒙古建设一座大型数据中心，规划部署至少16万颗华为昇腾950系列芯片，芯片采购预算约170亿元。

这是目前已知规模最大的华为AI芯片集群。更关键的是，梁文锋在路演中明确表示：DeepSeek将首次基于国产算力进行前沿模型的预训练。他本人将此举称为"DeepSeek最大的一场豪赌"。

为什么说是"豪赌"？因为在此之前，全球大模型训练体系与英伟达CUDA生态高度闭环。国产芯片的定位一直是"能做推理，做不了训练"——这不是技术偏见，而是工程现实：预训练对算子覆盖率、通信带宽、集群稳定性要求极高，CUDA十几年的生态壁垒不是一朝一夕能突破的。

DeepSeek这一把，赌的就是昇腾能扛住预训练。

二、英伟达份额暴跌44%：黄仁勋"最担心的事"有了数据

DeepSeek的赌注还没见分晓，但市场已经用脚投票了。

10月19日，IDC发布2026年上半年中国数据中心AI芯片市场报告，数据触目惊心：

指标	英伟达	华为昇腾	变化
市场份额	34%	28%	差距从31%缩至6%
出货量	67.8万颗	57.2万颗	英伟达同比-44%，华为接近翻倍
趋势	Blackwell禁入，H200收入占比<1%	950DT年底规模供货	一升一降

一年前，英伟达在中国的份额还有约55%。短短半年，领先优势缩水八成。

黄仁勋多次公开批评出口管制，称价值500亿美元的中国AI芯片市场正"被迫拱手让给华为"。来自中国的营收占比已降至约9%——三年前，中国至少占其数据中心收入的五分之一。

更标志性的变化是：非GPU加速器出货量达101.6万颗，同比增长近80%，首次超越GPU的99.1万颗。 华为、平头哥、昆仑芯与寒武纪合计占非GPU市场的95%。

摩根士丹利预计，中国AI芯片自给率将从2025年的35%提升至2026年的45%，2027年有望跃升至68%。

这不是政策口号，这是真金白银的采购订单。

三、从"只能推理"到"预训练"：国产算力最关键的一步

很多人没意识到DeepSeek这步棋的分量。让我把逻辑捋清楚：

过去：国产芯片做推理——模型在英伟达上训练好，搬到昇腾上跑推理。这是"用人家灶台炒菜，自己端碗吃"。推理对算子覆盖率要求低，适配难度小，但核心利润（训练市场）始终在英伟达手里。

现在：DeepSeek要在昇腾上做预训练——从零开始在国产芯片上训练前沿大模型。这等于"自己搭灶台、自己生火、自己炒菜"。一旦跑通，意味着CUDA的生态壁垒被撕开了一个口子。

为了这一步，DeepSeek和华为已经准备了至少半年：

9月30日，DeepSeek开源了面向昇腾的六大基础组件：

• TileLang昇腾版：高性能计算内核DSL，对标CUDA的编译工具链
• DeepGEMM-Ascend：通用矩阵乘运算加速
• DeepEP-Ascend：超大规模跨设备高效通信
• TileKernels：常用向量计算与内存访存
• FlashMLA：长上下文稀疏注意力算子
• DeepSelect：高吞吐数据筛选

这六个组件与英伟达版本一一对应，实测性能逼近昇腾硬件理论峰值。华为则将联合创新成果放入CANN社区，覆盖大EP低延时推理、大规模训练、KV Cache池化与Agentic RL等场景。

同时，华为向DeepSeek提供了昇腾超节点SuperPoD Flex和UBL128组网方案，实现128卡3.2Tbps单层交换Scale-up网络和256K卡两层交换Scale-out网络。DeepEP通信库实测达到Dispatch 375 GB/s、Combine 347 GB/s，接近硬件上限。

这不是PPT上的规划，这是已经在跑的工程。

四、企业算力的现实困境：不是不想用国产，是不敢用

作为技术从业者，你可能关心的是：这跟我有什么关系？

先说一个扎心的事实：大部分企业的AI算力选择，本质上是在三个烂苹果里挑一个不那么烂的。

困境一：英伟达买不到，买到的也贵得离谱。

出口管制持续收紧，最先进的Blackwell架构芯片无法进入中国市场。获准出口的H200芯片，收入占英伟达数据中心业务总营收不足1%——翻译一下：能买到的都是阉割版，性能打折价格不打折。黑市价格更夸张，H100在部分渠道炒到原价2-3倍。

困境二：自建昇腾集群，门槛高得吓人。

16万颗昇腾950的集群，仅芯片采购就170亿，加上土建、供电、制冷，至少数百亿起步。即使只建千卡级别的小集群，从芯片采购、机房建设、CANN环境部署到算子适配，没有半年到一年根本搞不定。而且运维团队需要同时懂AI工程和昇腾硬件，人才市场上这类人屈指可数。

困境三：云上推理用得起，训练用不起。

大部分云厂商的GPU实例按小时计费，训练一个中等规模模型动辄几百上千GPU小时，成本轻易过十万。而且训练任务对网络和存储的要求远高于推理，云上训练的性价比一直是痛点。

五、华为云昇腾算力：从"能用"到"好用"的关键一跃

这就是华为云的机会窗口。

在2026华为全联接大会上，华为云CEO周跃峰发布了灵衢昇腾950智算集群服务，9月30日国内商用，11月30日拓展至海外。核心能力：

• 稳定性：云上训练40天稳定运行，10分钟内故障恢复，五级快速恢复机制
• 性能：Token吞吐较上一代提升20%，三层推理加速+高性能灵衢总线
• 训推一体：统一基座实现全链路流转，训练周期降低超40%
• 长稳RL：支持超十天全异步长稳RL后训练，驱动Agent自进化

在2026人工智能产业大会上，华为云魔坊ModelArts从近500个案例中脱颖而出，入选"AI三十大先锋实践"：

• 支撑万亿参数模型稳定训练与异构算力调度
• 性能提升3-4倍
• 模型路由调度精准率超95%
• 机密推理提供硬件级可信环境与端到端加密

目前已服务全球3500余家客户，包括中国航空集团、一汽-大众、奇瑞汽车、中国邮政储蓄银行、南方电网、金山办公等。

对开发者来说，关键变化是：你不需要买16万颗昇腾，也不需要自建数据中心，在华为云上就能用上同款算力。 ModelArts把从数据准备、模型训练、推理部署到模型路由的全流程都封装好了，CANN生态和DeepSeek开源的六大组件也已集成。

六、三条路线对比：企业到底该怎么选？

维度	自购英伟达	自建昇腾集群	华为云昇腾服务
初始投入	芯片溢价+进口成本	数亿起步（芯片+机房+运维）	按需付费，零资本支出
获取周期	等货数月至不可得	6-12个月建设周期	开箱即用
训练能力	CUDA生态最成熟	需CANN适配，DeepSeek已验证	ModelArts训推一体，已跑通
推理成本	GPU实例按小时计费	自建成本摊薄后较低	模型路由+训推共池，降本20%+
生态成熟度	最成熟	快速追赶中（TileLang等已开源）	CANN+openJiuwen，商用+开源双轮
合规风险	出口管制政策风险	国产自主可控	国产自主可控
适用场景	不受限的海外业务	超大规模、长期稳定训练	中小规模训练+大规模推理

结论很务实：如果你的模型训练规模在千卡级别以内，华为云昇腾服务是最快上手的选择；如果需要万卡级以上长期训练，自建昇腾集群的TCO优势会逐渐显现，但要有足够的人才储备；如果业务在海外且不受出口管制影响，英伟达仍是生态最成熟的选择，但这个前提越来越不成立。

七、冷思考：拐点不等于终点

数据很漂亮，但有几个问题必须正视：

1. 生态差距仍在。 CUDA有十几年的积累，从cuDNN到NCCL到TensorRT，工具链极其完善。CANN虽然进步很快，但很多第三方框架和算子仍需适配。DeepSeek开源六大组件是重大突破，但覆盖的只是DeepSeek自己的训练需求，其他模型的适配仍需时间。

2. 单卡性能差距。 昇腾950在能效比上有优势，但单卡峰值算力与英伟达B200仍有差距。大规模集群可以弥补单卡差距，但对集群互联和调度要求更高。

3. 产能瓶颈。 华为副董事长徐直军表示昇腾950DT预计年底或明年初规模供货，960DT规划2027Q1出货。DeepSeek的16万颗部署计划也受供应能力限制。产能爬坡速度将直接影响份额变化趋势。

4. 软件人才稀缺。 会CUDA的人满大街都是，会CANN和Ascend C的人还不多。虽然TileLang降低了门槛，但短期内人才缺口仍是制约因素。

但趋势的方向已经明确——IDC追踪的11家中国芯片厂商中，9家上半年出货量同比增长。摩根士丹利预计自给率明年冲到68%。DeepSeek用千亿赌注验证了昇腾的预训练能力。

这不是一家公司的故事，是一条产业链的转向。

写在最后

DeepSeek的16万枚昇腾，不只是采购订单，更是一封写给国产算力生态的投名状。当国内最顶尖的模型团队把最关键的预训练环节交给昇腾，这个信号比任何市场份额数据都有说服力。

对企业来说，现在的问题不再是"国产芯片能不能用"，而是"我怎么用上国产芯片的算力红利"。自建门槛太高，英伟达越来越难买，云上昇腾服务可能是大多数企业最现实的选择。

华为云ModelArts+昇腾950集群，把DeepSeek验证过的训练能力变成了开箱即用的云服务。不需要170亿芯片预算，不需要内蒙古的数据中心，不需要半年的建设周期——在云上，这就是你的16万枚昇腾。

拐点已至，关键是你站在哪一边。