Hermes 科技報

DeepSeek 攜手華為加速「去輝達化」：工程師進駐設計晶片，年底用昇騰 950DT 訓練

外媒報導 DeepSeek 正與華為深度合作，華為工程師進駐 DeepSeek 辦公地點、把模型訓練需求直接納入晶片設計；DeepSeek 計畫最快 2026 年底用昇騰 950DT 進行預訓練，2027 年第一季取得昇騰 960DT 大部分產能。

大陸 AI 新創公司「深度求索」（DeepSeek）正與華為展開深度合作，參與影響華為未來人工智慧晶片的設計。據《The Information》報導，華為工程師已進駐 DeepSeek 的辦公場所，根據 DeepSeek 的回饋直接納入晶片設計，包括 AI 模型如何執行運算、處理器之間如何傳輸資料等底層細節。

這種合作已超越通常的供應商與客戶關係，代表大陸兩大科技企業正加速降低對輝達（Nvidia）晶片的依賴。

梁文鋒：國產晶片訓練下一代模型是最高優先事項

據陸媒報導，雙方合作的具體形式是華為工程師分階段進駐 DeepSeek 辦公地點，將大模型訓練中的實際需求直接納入晶片設計決策。DeepSeek 創辦人梁文鋒已向投資者透露，以華為及其他大陸國產晶片訓練下一代模型，是該公司的最高優先事項之一。

下一步是訓練環節的全面切換。DeepSeek 計畫最快於 2026 年底開始，使用華為昇騰 950DT 進行預訓練，目前相關測試仍在進行中。而在晶片供應層面，華為計畫將 2027 年第 1 季推出的「昇騰 960DT」的大部分產能分配給 DeepSeek，DeepSeek 將同時用於訓練和推理。

軟體護城河：TileLang 動搖 CUDA 遷移壁壘

軟體生態是更深層的布局。DeepSeek 已開源針對昇騰平台的 TileLang 編譯工具及配套運算、通訊元件，與面向輝達的元件一一對應——包括加速矩陣運算的 DeepGEMM、跨裝置通訊的 DeepEP、向量運算與記憶體存取的 TileKernels、處理長上下文的 FlashMLA，以及資料篩選工具 DeepSelect。

TileLang 可跨晶片運行，DeepSeek 訓練中每一個 TileLang 算子在昇騰上均已完成高性能實現。這直接動搖了 CUDA 生態賴以留客的代碼遷移壁壘：開發者透過自動選擇底層實作並自動對齊上層介面，能顯著減少跨不同硬體平台重複開發的負擔。

挑戰：算力差距與系統穩定度

不過，技術挑戰仍相當艱鉅。研究機構 Epoch AI 指出，輝達 B300 晶片的原始運算效能約為華為昇騰 950 的 7 倍。一次大規模預訓練通常需要數千至上萬顆 AI 晶片組成集群、連續運行數星期，對昇騰 950DT 的算力、通訊和穩定性提出了極高要求，晶片製造產能與系統穩定度將成為關鍵考驗。

從市占率來看，IDC 數據顯示，2026 年上半年輝達在大陸 AI 晶片市占率已降至 34%，華為以 28% 緊追在後，差距縮至 6 個百分點。報導指，華為昇騰 910C 超節點已部署超過 1,000 套，並設計出最多可搭載 100 萬顆 NPU 的架構。訓練環節的「國產化」，正從測試走向真實的大規模落地。

資料來源

引用來源：聯合報、工商時報、鉅亨網