国产AI算力的"柏林墙"，被DeepSeek一脚踹倒了。
2026年9月30日，DeepSeek官宣开源面向华为昇腾的全套基础设施组件。这不是一次普通的"国产适配"——这是把训练前沿大模型的整套家底，从英伟达搬到了昇腾。关键测试中，计算与通信性能已接近硬件上限。
这次开源的东西，说白了就是一个核心加五个组件，直接对标英伟达CUDA全套功能。
核心叫TileLang，相当于CUDA的编程语言。另外五个组件：DeepGEMM对标cuBLAS做矩阵运算，DeepEP对标NCCL做多卡通信，FlashMLA对标FlashAttention搞长文本处理，TileKernels处理向量计算，DeepSelect做数据筛选。
最狠的是啥？同一组Python接口，既能在英伟达GPU上跑，也能在华为NPU上跑，运行时自动选择底层实现。开发者在昇腾上写代码，跟在英伟达上一样顺手。
TileLang这玩意儿，由北京大学计算机学院团队主导开发，2025年1月就开源了。它比CUDA简单得多——封装了昇腾底层指令，开发者用高级语言编程就行。性能也不打折扣，能吃透芯片特性。
有个数字很说明问题：用TileLang实现FlashAttention算子，代码从500多行减到80行，性能跟官方版本持平。这玩意儿已经扛起了DeepSeek V4系列模型训练中大部分算子的活儿。
那你肯定要问，梁文锋为啥非要干这事？
三个原因，一个一个说。
第一，芯片买不到。出口管制越收越紧，英伟达对华特供芯片供应很不稳定。DeepSeek运营着约2万块英伟达H系列同等算力芯片，但训练顶级大模型需要约5万颗英伟达GB300，或者20万颗昇腾950。缺口巨大。
第二，英伟达太贵了。DeepSeek V4-Pro的API输入价格才0.25元/百万词元，GPT-5.5 Pro要30美元/百万词元——相差超过700倍。极致性价比的定价策略，逼着他们把基础设施成本压到极限。华为昇腾新芯片采购价只有英伟达四分之一，单卡算力反而提升2.87倍。
第三，必须成功。梁文锋原话："今年能花出去200亿人民币，就说明采购团队表现出色了。要花到这个数太难了。"据彭博社报道，DeepSeek已向华为订购16万颗昇腾950DT芯片。
有人说这不就是一次国产适配吗？错了，这次是"搬家"，不是"适配"。
三个维度来讲。
第一，不是"能跑"，是"吃满"。过去国产芯片适配大模型，验证兼容性，刷个适配公告，然后就没了。这次DeepSeek把英伟达平台打磨成熟的工具链完整搬到了昇腾。实测互联带宽Dispatch 375GB/s、Combine 347GB/s——接近硬件上限。
第二，不是"单向适配"，是"芯模协同"。华为团队提供了昇腾超节点SuperPoD Flex和UBL128组网方案，128卡3.2Tbps单层交换Scale-up网络。双方共同推进基于昇腾950的128卡超节点方案深度优化。技术成果已在华为CANN社区同步开源。
第三，不是"备胎方案"，是"标准定义"。从"被动兼容"转向"主动定义标准"。算子写在TileLang里，后端可以指向任何愿意实现编译后端的芯片。这给寒武纪、海光、摩尔线程、沐曦等更多国产芯片提供了一条示范路径。
谁赢了？其实多方都受益。
DeepSeek摆脱了对英伟达的单一依赖，获得了稳定算力供给，成本大幅下降。华为昇腾从"能跑"变成"好用"，软件生态短板被补齐。国产算力产业链全面受益——中信证券预测，2026年国产算力芯片出货量至少翻倍增长。
开发者更是赢麻了。迁移成本从"企业重写全部代码"降为"芯片厂商完成一次适配"。不再需要手写Ascend C，用TileLang就能调用昇腾全部算力。
更大的棋局在于，国产算力正在发生三个根本性转变。
从"硬件追平"转向"生态定义"。英伟达真正的护城河不是芯片，是CUDA二十年积累加上数百万开发者。国产芯片过去瓶颈不在晶体管，在"生态摩擦力"。TileLang路线，是在更高一层建新标准。
从"单打独斗"转向"集群突围"。昇腾950超节点加128卡UBL128组网，实测EP32部署DeepSeek-V4.1-Flash，每卡输出吞吐5102 tokens/s。已经支撑43个主流大模型预训练，200多个开源模型完成适配。
从"国内闭环"转向"出海谋局"。深圳"十五五"规划纲要明确推动昇腾软硬件生态的"中国人工智能体系"整体出海。龙岗区基于昇腾384超节点构建城市智能中枢，支撑了23.6万路物联网设备。
没有人能确定英伟达的统治会持续多久。但有一件事已经很清楚了——
这次开源的战略意义远大于技术细节。国产算力真正的拐点，不在芯片性能追平英伟达的那天，而在开发者愿意主动选择国产平台的那天。
技术封锁最有效的破解方式不是闭门造车，而是把墙拆掉，让更多人参与进来。
梁文锋那句话值得玩味："必须成功"——不是选择，是宿命。
当DeepSeek把家底搬上昇腾的那一天，国产算力终于不只是"能跑"，而是"能打"。CUDA统治了AI二十年，但历史的下一页，正在被改写。