DeepSeek V4：一份技术报告里藏着的地震

✍ 雪踏乌云🕐 2026-04-27📦 13.3 KB 🟢 已读 𝕏 文章列表

本文深入解读了 DeepSeek V4 技术报告，指出其核心意义在于实现了训练系统与硬件的解耦。通过英伟达 GPU 和华为昇腾 NPU 的混合验证，中国 AI 训练从“被卡脖子”的死结转变为时间可解的工程问题。作者认为，这是 AI 算力自主可控的分水岭，改变了产业竞争的根本逻辑。

DeepSeek V4 华为昇腾算力自主技术报告硬件解耦 AI训练国产芯片产业观察

# DeepSeek V4，一份技术报告里藏着的地震 **作者**: 雪踏乌云 **日期**: 2026-04-27T13:09:46.000Z **来源**: [https://x.com/Pluvio9yte/status/2048751461094597114](https://x.com/Pluvio9yte/status/2048751461094597114) --- ![Image](/doc/1149/image/img_fd045ead0377.jpg) 昨天晚上，我在 linux.do 上刷到一个帖子。标题很长，大意是说 DeepSeek V4 的真正意义不在于价格便宜，而在于中国 AI 从「被卡脖子」走到了「自己爬坡」的拐点。帖子下面 200 多条回复，吵成一锅粥。有人在争 V4 Pro 到底贵不贵，有人在比 GLM 5.1 的 LMArena 分数，有人用 base64 编码发阴阳怪气的评论被管理员当场正义执行，还有人在讨论华为昇腾的算子库到底能不能用。我一条一条看完了。然后我发现一件挺有意思的事，200 多条回复里，大部分人在讨论的东西，和那篇帖子真正想说的东西，几乎是两个世界。帖子在说一场地震。评论区在讨论震感。所以我决定自己去读一下 V4 的技术报告。说实话，我不是做底层训练的，平时用 AI 更多是在应用层面，Codex 写代码，Claude Code跑一些做规划，日常任务，GPT 做一些创意类的东西。看技术报告对我来说不算轻松。但这次看完之后，我是真的觉得，有些东西值得认真聊一聊。不是因为 V4 跑分多高，也不是因为 API 多便宜。是因为技术报告里有一段话，大概只有几百个字，但你仔细读完之后会意识到，这几百个字背后的工程含义，可能比所有跑分加在一起都重要。这段话在技术报告的 §3.1。我把原文贴出来，你感受一下。「We validated the fine-grained EP scheme on both NVIDIA GPUs and HUAWEI Ascend NPUs platforms. Compared against strong non-fused baselines, it achieves 1.50 ∼ 1.73× speedup for general inference workloads, and up to 1.96× for latency-sensitive scenarios such as RL rollouts and high-speed agent serving.」翻译过来就是，他们在英伟达 GPU 和华为昇腾 NPU 两个平台上，都验证了同一套细粒度专家并行方案，跑出了 1.5 到 1.96 倍的加速比。看起来平平无奇对吧？就是个性能测试结果嘛。但你想想看，这段话出现在哪。 §3.1，是 V4 技术报告里讲训练系统的章节。不是推理，是训练。这段话在说的事情，用大白话讲就是，DeepSeek 的训练系统里面最核心、最复杂、最依赖硬件特性的那个部分，专家并行的通信-计算融合内核，在算法和接口层面，已经和具体的硬件解耦了。它在英伟达的 Hopper 架构上能跑，在华为昇腾的达芬奇架构上也能跑。跑出来的加速比在同一个量级。这件事的工程含义是什么？训练框架最核心的部分都跑通了，外围的东西，数据加载、优化器、checkpointing 这些，只会更通用。也就是说，DeepSeek 已经证明了一件事，他们的训练栈是硬件无关的。读到这里的时候我停了一下。因为我突然意识到这句话的重量。「硬件无关」这四个字，在 AI 训练这个语境下，几乎等于在说，以后想在什么卡上训就在什么卡上训。我知道很多人会说，等等，跑通一个 kernel 不等于整个生态成熟。单卡算力华为还是比不过英伟达。CANN 的文档和适配都还差得远。这些都对。但你要搞清楚一件事，这些都是程度问题，不是有没有的问题。在 V4 之前，中国 AI 训练面对的是什么？是英伟达的卡被禁售了。你有钱也买不到。这不是程度问题，这是有没有的问题。这是死结。钱解决不了，时间也解决不了。你就是等十年，禁令不撤你也没办法。 V4 之后呢？中国 AI 训练面对的变成了，华为的卡产能还没上来。昇腾 950DT 要等到今年 Q4 才上市。CANN 生态还在完善。这些当然都是问题，但你注意，这些全都是有时间表的工程问题。产能可以爬坡。生态可以建设。文档可以补全。这不是一个解不了的死结了。这是一个在跑的时钟。死结换成了时钟。我觉得这才是 V4 真正的划时代意义。不是模型能力有多强，不是 API 有多便宜，是它在技术层面证明了，中国 AI 的训练可以摆脱英伟达。不是说现在就摆脱了，是说摆脱这件事，从「不可能」变成了「只是时间问题」。这个性质的转变，比任何跑分都重要。 linux.do 那个帖子的作者说了一句话我印象很深，「中国 AI 不是和美国被拉到同一起跑线，是第一次走出了根本不在跑道上的位置」。这话听着有点绕，但仔细想想确实是这么回事。以前争论的是「我们能不能跑」，现在争论的变成了「我们跑得快不快」。这是两个完全不同层面的问题。那有人可能会问，V4 现在不还在用英伟达的卡训练吗？那你说的这个「硬件无关」到底有多可信？这个问题帖子里也有人提，而且讨论得挺认真的。从技术报告的字面意思来看，V4 的实际训练确实是英伟达加昇腾的混合方案。DeepSeek 没有在报告里直接写「我们完全在昇腾上训的」。但作者指出了几个有意思的佐证。 §3.1 后半段，有一节是对硬件厂商提技术指标要求的，那些指标是训练场景的指标，不是推理场景的。这说明 DeepSeek 在做训练框架设计的时候，已经把硬件抽象掉了，是面向通用硬件在设计，不是面向某一家的卡。报告里还有一句，「the peak FLOPs for FP4 × FP8 operations can theoretically be implemented to be 1/3 more efficient on future hardware」。这里的「future hardware」，在产业语境下精准对应昇腾 950DT。FP4 原生支持，4 PFLOPS FP4 算力，预计今年 Q4 量产。然后评论区有人提出了，去翻华为官方的代码仓库 cann-recipes-train，里面已经有了 DeepSeek V4-Flash 在昇腾 A3 集群上做续训练的参考实现。注意那个仓库名，cann-recipes-train，训练。如果只能推理，这个仓库根本不会存在。所以这是一个双向验证的证据链，DeepSeek 的论文在技术层面做了抽象，华为的工程仓库在实现层面做了适配。两边的信息拼在一起，指向同一个结论。当然了，坦率的讲，这里面还是有值得谨慎的地方。有个懂行的网友指出，CPT（继续预训练）和完整的从零预训练不是一回事。华为目前做到的可能更多是 CPT 层面的，要真的从零跑通一个完整的大规模预训练，可能要等 950PR 甚至 960 的硬件。这个说法有道理。CPT 确实只是预训练的一个子集。但你想想看，三年前连推理都在昇腾上跑不利索，两年前 CPT 还想都不敢想，现在 CPT 已经跑通了，接下来的完整预训练，那只是量变到质变的最后一步。这个趋势才是关键。说到趋势，还有一个更大的图景很少有人提到。你看美国这边的 AI 基建现在是什么状况。数据中心建设很多被延迟或取消。原因不是没钱，是没电。电网、土地审批、环保监管，这些在美国都是结构性的瓶颈。你不是砸钱就能解决的。电网升级要 5 到 10 年，土地审批要走无数流程，环保组织分分钟给你一个诉讼。反过来看中国这边。中国的瓶颈是什么？算力卡的产能。但这是一个有明确时间表的工程问题。华为昇腾 950DT 预计 Q4 量产。国内的电力基础设施远比美国完善。特高压输电网早就铺好了。审批流程。。。你懂的。帖子作者用了一个我觉得很精准的对比，美国的瓶颈是结构性的，解决要 5 到 10 年甚至无解。中国的瓶颈是周期性的，12 到 24 个月。这意味着什么？你想想看，如果中国的产能爬坡只需要 1 到 2 年，而美国的基建问题要 5 到 10 年，那当中国的产能上来的时候，双方的竞争态势会发生什么变化？中国不缺电，不缺基建，不缺审批效率。以前缺的是卡。现在卡这件事有了自己的解法。美国不缺卡，英伟达就在自家。但缺电，缺基建，缺审批。这些事没有自己的解法。两边第一次站到了一个对称的瓶颈面前。海外「有卡缺基建」，中国「缺卡有基建」。谁先解开谁赢。而从解题难度来看，产能爬坡远比基建重建简单得多。这不是在唱赢。DeepSeek V4 Pro 的编程能力确实还不如 Claude Opus 4.7 和 GPT-5.5。在 LMArena 的 Code Arena 上被 GLM 5.1 压了 70 分。实际用下来，做 code agent 的场景我个人目前还是首选 Claude Code 或者 GPT-5.5。 V4 现在还是预览版，后训练都没完全做完。距离闭源旗舰模型的能力还有差距。这些都是事实。算力自主是整个竞争的根基。你模型再强，如果训练用的卡随时可能被禁，那你的一切都建在沙子上。 V4 解决的是根基的问题。能力的问题，会随着迭代自然解决。这就像什么呢。你盖一栋楼。以前的情况是，地基的钢材被别人掐着，他说不卖就不卖。你设计图画得再好，地基打不了，楼就盖不起来。现在的情况是，你找到了自己的钢材来源。质量暂时还差一点，产能也还不够。但你能用了。你可以打地基了。上面楼盖得好不好看，那是后面的事，慢慢来。至少你不用看别人脸色了。帖子评论区有个人说了句话，我觉得特别准确，「之前命是在人家手上，人家想让你死，你就很难爬起来。现在是训练和推理都在国产芯片上跑通了，就看自己跑得快不快，反正存活肯定不是问题了」。存活不是问题了。这六个字的分量你品一品。有人可能会觉得我这篇文章太乐观了。那我要说，V4 的技术报告最后引用了一句话，我觉得特别好。「不诱于誉，不恐于诽，率道而行，端然正己。」 DeepSeek 自己对自己的定位就很清醒。他们没有在报告里大吹大擂说自己多牛逼，没有搞什么「遥遥领先」的话术。他们就是把技术做了，把结果放在论文里，然后继续埋头干活。评论区有人说梁文锋不造神。我觉得这话说到点子上了。你看 DeepSeek 的每一次发布，从 V2 的 MLA 架构到 V3 的 MoE 创新再到现在 V4 的硬件解耦，每次都是「我们做了什么」「数据是什么」「开源了什么」，然后就没了。不搞发布会，不请明星站台，不在社交媒体上炒作。这种态度在现在这个环境里真的很稀缺。我自己做内容的，天天在各个平台上看各种 AI 相关的信息。太多的讨论陷在「A 模型好还是 B 模型好」「这个跑分高还是那个跑分高」的维度里。这些讨论当然有价值，但很容易让人忽视更大的图景。 V4 这件事的更大图景是什么？是中国的 AI 产业第一次在最核心的训练环节证明了，我们可以不依赖别人。不是说现在就完全不用了，而是说，不用这件事从技术上已经可行了。剩下的只是产能和工程优化的问题。这让我想起十几年前的一件事。 2012 年左右，中国的高铁还在被质疑。很多人说核心技术是从日本、德国引进的，说我们只会组装不会创新。动车事故之后更是各种唱衰。但你看后来发生了什么。我们引进了技术之后，消化了，吸收了，然后在上面做了自己的创新。现在中国高铁的技术已经完全自主可控，还在反向输出到全世界。 AI 算力这件事，可能正在走一条类似的路。 V4 不是终点，它更像是一个分水岭。分水岭的这一边，是「被卡脖子」。分水岭的那一边，是「自己跑」。我们刚刚翻过了这道岭。前面的路还很长。华为的产能要爬坡。CANN 的生态要完善。国产卡的单卡算力要追赶。V4 的模型能力也需要后续版本继续迭代。但方向对了。方向对了这件事，比什么跑分、什么价格都重要。 DeepSeek V4 技术报告的 §3.1 就几百个字。但这几百个字改变的东西，可能需要几年才能被完全理解。最后，如果你目前想免费体验一下DeepSeek V4 Pro，可以试试ZenMux这个平台，目前我发现网页端是完全免费的：直达链接： DeepSeek V4 Pro（Free）：https://zenmux.ai/deepseek/deepseek-v4-pro-free DeepSeek V4 Flash（Free）：https://zenmux.ai/deepseek/deepseek-v4-flash-free ## 相关链接 - [雪踏乌云](https://x.com/Pluvio9yte) - [@Pluvio9yte](https://x.com/Pluvio9yte) - [1.8K](https://x.com/Pluvio9yte/status/2048751461094597114/analytics) - [linux.do](http://linux.do/) - [linux.do](http://linux.do/) - [https://zenmux.ai/deepseek/deepseek-v4-pro-free](https://zenmux.ai/deepseek/deepseek-v4-pro-free) - [https://zenmux.ai/deepseek/deepseek-v4-flash-free](https://zenmux.ai/deepseek/deepseek-v4-flash-free) - [Upgrade to Premium](https://x.com/i/premium_sign_up) - [9:09 PM · Apr 27, 2026](https://x.com/Pluvio9yte/status/2048751461094597114) - [1,891 Views](https://x.com/Pluvio9yte/status/2048751461094597114/analytics) - [View quotes](https://x.com/Pluvio9yte/status/2048751461094597114/quotes) --- *导出时间: 2026/4/27 22:13:53*

🔗 相关文档