DeepSeek V5拟用昇腾预训练：国芯训国模走进训练侧，AI算力叙事正在换幕

11月初，AI行业两条消息在同一时间窗口内交汇。

一条来自产业链：DeepSeek下一代模型V5，计划基于昇腾芯片进行预训练。与此前国产芯片主要承接推理任务不同，这一次是大模型预训练环节第一次被放到国产超节点上，"国芯训国模"从口号变成了工程实践。

另一条来自世界互联网大会乌镇峰会：昇腾950超节点拿下领先科技奖。这个单节点集成1024张加速卡、支持256TB统一内存编址的算力底座，明确面向万亿参数模型训练与中心级高并发推理。

两条消息放在一起看，指向的是同一个事实：国产算力的主战场，正在从推理侧向训练侧推进。这件事的意义，可能比单纯的"又一款大模型发布"更深远。

一、为什么"训练侧"才是硬仗

过去两年，国产芯片在AI算力体系里的角色，大多停留在推理侧。原因不难理解：推理任务对算力精度的容错空间更大，对集群长时间稳定运行的要求相对宽松，单次任务的持续时间也短，出了问题重启即可。

预训练完全是另一回事。一次万亿参数模型的预训练，动辄连续运行数周甚至数月，涉及数千上万张加速卡之间的梯度同步、数据搬运和故障恢复。任何一个环节的通信效率短板，都会被集群规模指数级放大。这正是过去国产算力迟迟难以切入训练侧的核心原因——不是单卡性能不够，而是"组网"能力不足。

昇腾950超节点的思路，本质上是把"卡"的视角换成"节点"的视角：1024张加速卡被整合成一个计算整体，256TB统一内存编址意味着卡与卡之间的数据访问，尽可能像访问本地内存一样完成，绕开了传统集群跨节点通信的高延迟瓶颈。对于预训练这种通信密集型任务来说，这种架构设计恰好打在痛点上。

而训练侧一旦打通，意味着国产算力不再只是模型的"部署现场"，而是开始参与模型的"生产过程"。这一步跨过去，算力自主才真正闭环。

二、连锁反应：模型层与应用层同时换挡

训练侧的变化，很快在模型层得到验证。

本周密集发布的几款国产万亿级模型中，已经出现了"全程国产算力训练"的明确标注，且单卡吞吐相比上一代有显著提升。模型能力没有因为算力来源而打折——长上下文、多模态、智能体任务这些硬指标上，国产算力训出来的模型已经站到了第一梯队。

模型层的进展，也在全球调用数据中得到印证。OpenRouter最新周榜显示，全球单周模型调用量已达194万亿Token，其中中国模型占比51%，且已连续27周超越美国模型。全球主流大模型调用榜单排名前六的模型，全部来自中国团队。

把这些数据串起来，一条完整的链路浮现出来：算力底座自主化（昇腾超节点）→ 模型生产自主化（国产算力预训练）→ 模型能力全球领先（调用份额过半）。过去大家习惯的叙事是"算力受限，模型追赶"，如今叙事正在换成"算力自主，模型领跑"。

三、算力叙事换幕之后：竞争的秤砣移向哪里

不过，算力和模型底座的突破，只是故事的上半场。当一个行业的"生产资料"变得充足且便宜时，竞争的秤砣必然向下游移动——谁能把算力转化为用户真正感知到的体验，谁就拿到下一阶段的门票。

最直观的体现是内容生产。算力成本下降叠加模型能力升级，AI视频内容正在经历供给爆发：头部免费短剧平台月活用户已突破4亿，而另一侧，监管层持续收紧AI魔改影视内容的治理，重点平台清理的违规视频数以万计。一扩一管之间，AI生成视频的规模之大已经不需要论证。

但规模之外，质量上的短板依然明显，尤其是"人物表演"这一环。目前主流的AI视频生产管线大多是级联式架构：先生成画面，再单独生成配音，最后靠后处理对齐口型。这种分步生成的结构性缺陷在于，声音与面部动作是两套系统，时间戳再精准，表情与语气的配合始终隔着一层，一旦放进实时或近实时的生产场景，口型漂移会被进一步放大，人物"不像真人"的感觉主要就来自这里。

针对这个瓶颈，行业里出现了另一条技术路线：联合生成——让同一个模型在生成声音的同时，同步生成口型和面部表情，三者天然共享同一个时间轴，不存在事后对齐的问题。国内已有团队沿着这条路线做出阶段性进展，用一张图片加一段文字指令，直接生成影视级的人物表演视频，声音、口型、表情在同一模型里一体生成，而不是先出画面再配音。

这条路线目前还不是行业主流，算力开销也更高。但当训练侧算力自主化推高了供给、压低了成本，"更贵但效果更好"的联合生成方案，恰恰是最先受益的方向——过去算不起的生成方式，正在变得算得起。

四、写在换幕之际

回头看这轮变化：昇腾950超节点解决"算力从哪来"，DeepSeek V5上昇腾验证"训练能否国产化"，LongCat-2.5证明"训出来的模型能用"，OpenRouter的51%说明"训出来的模型全球有人用"。四个环节闭环之后，中国AI产业在基建层和模型层的位置，已经从追赶者变成了规则的共同制定者。

接下来的竞争重心，大概率会从"把模型做大做便宜"，转向"把体验做深做真"。文本对话的体验差距正在快速收敛，而视频、语音、数字人这些强表现形态的体验，还远没有到头——人物表演的真实感，就是其中最典型也最难啃的一块。

算力的故事讲完上半场，下半场的主角，会是那些能把算力真正"翻译"成用户可感知体验的产品。表现层这块短板补齐之日，才是AI产业换幕完成之时。