從推論到預訓練：供應鏈傳聞與歷史背景

根據 STAR Market Daily 記者從產業供應鏈多方消息來源獲悉，DeepSeek 的下一代大型模型 DeepSeek V5 計畫使用華為昇騰晶片進行預訓練。過去，華為昇騰晶片主要被用於 DeepSeek 大模型的推論任務。

公開資訊顯示，DeepSeek 模型在昇騰平台上的首次大規模部署發生於 2025 年農曆春節前後。浙江大學傳媒與國際文化學院執行院長方興東在其著作《Ascend 的崛起》中指出，2025 年 1 月 28 日華為高層指示華為雲迅速支援 DeepSeek。

在農曆除夕至初二期間，華為與 DeepSeek 完成了超過 3,000 顆昇騰晶片的部署與驗證，成功在華為雲貴安數據中心託管了 DeepSeek-V3/R1 模型。書中提及，DeepSeek 的爆發式增長極大鼓舞了任正非，他在春節期間親自指揮華為雲及相關產品團隊應對流量激增。

2025 年 1 月，SiliconFlow 與華為雲推出了基於昇騰平台的 DeepSeek-V3 和 R1 推論服務。2026 年 4 月 DeepSeek-V4 發布後，華為表示透過「晶片與模型的協同」，其全系列昇騰「超級節點」產品可為 DeepSeek V4 模型系列提供全面支援。

基礎設施開源與軟體堆疊深度整合

9 月 30 日，DeepSeek 宣布開源針對華為昇騰計算平台定制的基礎設施元件。這些元件包括 TileLang 高級語言編譯工具、高效能計算庫（如 DeepGEMM、FlashMLA、TileKernel 和 DeepSelect），以及分散式通訊庫 DeepEP。

上述開源項目對應此前為 NVIDIA 平台發布的開源元件，顯示 DeepSeek 不僅僅是使用昇騰進行推論，而是在系統性地對齊並共同開發昇騰軟體堆疊的底層基礎設施，將適配範圍擴展至支撐訓練與推論的核心架構。

華為提供了共同定義的「Ascend SuperPoD Flex」架構和 UBL128 網路解決方案，同時開放了 Ascend C 編程介面和低級指令集以支援 TileLang。這種深度整合旨在解決從硬體到軟體的全棧適配問題。

當前國產算力在訓練階段的進展與限制

目前，國產算力的部署主要集中在推論階段，在訓練方面仍需進一步推進。近期，一個由深圳和合學院 AI 訓練平台、哈爾濱工業大學（深圳）、深圳大數據研究院及華為相關團隊組成的項目組，利用基於國產昇騰 910C 處理器的 AI 計算集群，完成了 DeepSeek-V4-Pro 的全參數後訓練。

DeepSeek-V4-Pro 是一個擁有 1.6 兆參數的大型模型。需要特別說明的是，這次訓練過程並未包含初始的預訓練階段。儘管國產晶片在推論方面的大規模驗證增強了業界信心，但遷移生態系統進行訓練的成本仍是決定市場最終潛力的關鍵變數。

DeepSeek 在其官方 API 頁面指出，V4-Pro 模型的服務吞吐量仍受限於高端算力的可用性。然而，該公司預期隨著昇騰 950 超級節點系列在今年下半年進入市場量產階段，Pro 版本的價格將出現顯著下降。

若 V5 預訓練成真對產業的意義

如果 DeepSeek 下一代大型模型確實使用華為昇騰計算平台進行預訓練，這將首次為長期以來僅受到質疑的問題提供答案：「中國頂級大模型能否在國產計算硬體上進行預訓練？」。

這一進展標誌著從單純的推論適配轉向更核心的訓練環節突破。然而，實際執行仍取決於生態遷移成本與技術穩定性，目前消息僅來自供應鏈傳聞，尚待官方正式確認具體技術細節與時間表。