昇腾

ChainCatcher 消息，《The Information》调查韩国高端存储芯片走私链，并采访到一名 20 多岁的深圳经销商。他原本在芯片公司工作，靠积累的人脉转行做芯片黑市生意，入行仅 3 年，如今已一身名牌，每天忙着给买卖双方牵线。美国从 2024 年底开始限制向中国出口先进高带宽存储器 HBM，但规则留下漏洞：HBM 单独出口受到限制，若与处理器封装在一起，就可能改按处理器算力判断是否触及管制红线。一名 40 多岁的走私商控制了一家芯片设计公司，专门设计便宜且性能较差的服务器处理器。这些芯片少有人购买，却被用作采购韩国高端 HBM 的幌子。封装厂把三星、SK 海力士的 HBM 与这些处理器装在同一块基板上，按低性能处理器类别申报出口。货物经香港进入中国内地后，工坊再加热拆下 HBM，廉价处理器则被丢弃，拆卸稍有不慎就可能把存储器弄坏。一叠 HBM3E 在中国黑市的价格，一年前还只有几百美元，如今已涨到约 4000 美元。一颗 AI 芯片通常需要 6 至 8 叠，仅存储器就要花费 2.4 万至 3.2 万美元。部分存储器最终流向华为客户。华为下一代昇腾 960DT 计划于 2027 年第一季度推出，但国内 HBM 供应不足，华为已要求部分客户自行采购存储器。模仿者增多后，上述负责从韩国采购芯片的走私商打算明年卖掉公司控股权，担心路线扩散后引来韩国和美国监管部门严查。

ChainCatcher 消息，据《科创板日报》11 月 3 日报道，记者从多名产业链人士处获悉，人工智能公司 DeepSeek 下一代大模型 DeepSeek V5 计划基于华为昇腾芯片进行训练。此前，昇腾芯片主要用于 DeepSeek 大模型的推理任务。报道称，今年 9 月底，DeepSeek 开源了面向华为昇腾算力平台的基础设施组件，涵盖 TileLang 高级语言编译工具、计算库和分布式通信库，且与此前面向英伟达平台的开源组件一一对应。该报道由《科创板日报》记者黄心怡撰写。

ChainCatcher 消息，半导体研究机构 SemiAnalysis 公布华为昇腾 950PR 实测结果。该机构选取 1055 组大模型常用矩阵计算，华为自己的底层程序已让 950PR 发挥自身可达算力的 86%，高于英伟达 H100 的 75.5%；实际运算速度仍只有 H100 的 43%，相对更新的 B300 只有 21%。这组成绩尚未用上 DeepSeek 新移植的算子。DeepSeek 正从软件侧减少数据搬运和等待。注意力计算中，FlashMLA 调整存储后，原本需分别读取的两份数据可一次取齐；TileLang 可让芯片边计算边预加载下一批数据。SemiAnalysis 实测，自动调度使部分小型计算任务耗时最多减少约 40%。DeepSeek 还移植了负责 MoE 专家通信的 DeepEP，但通信与计算仍会争抢内存带宽，华为计划继续改进固件。去年 DeepSeek 尝试用华为昇腾芯片训练 R2，华为工程师驻场协助也未能跑通，问题涉及芯片稳定性、跨卡通信和软件支持。今年双方继续合作，9 月底 DeepSeek 集中公开六套昇腾适配代码，10 月又传出华为正按 DeepSeek 的模型需求调整下一代芯片设计。此次测试的 950PR 主要面向推理输入处理，DeepSeek 准备最快年底用于大规模预训练的是 950DT。此前双方已做千卡级测试，但要让上万颗芯片连续完成一轮大模型训练，仍需解决更复杂的协同和稳定性问题。

ChainCatcher 消息，MiniMax 于 10 月 23 日宣布开源 MiniMax M3.1 Flash 模型权重，总参数 428B，激活参数 23B。相较于上一代 M3 模型，M3.1 Flash 的模型能力实现全面提升。据官方数据，该模型上线后 72 小时内，真实用户处理 Token 数量超过 100 万亿。技术层面，M3.1 Flash 通过全模型稀疏注意力、量化感知训练（QAT）及 Power-aware scheduling 等优化提升推理效率。生态方面，MiniMax 与华为昇腾、平头哥、昆仑芯、摩尔线程、壁仞、海光、沐曦、天数、NVIDIA、AMD 等芯片厂商，以及 Together AI、Fireworks、Nebius、Baseten、Modal、DigitalOcean 等云平台合作推进开源首日接入。vLLM、SGLang、智源 FlagOS 及 Hugging Face、魔搭等社区同步支持模型在不同芯片与开发环境中的部署。

ChainCatcher 消息，DeepSeek 宣布全面开源其内部推理框架 DeepInfer，并同步开源生产级 Token 编解码组件 deepseek-recipe。DeepInfer 集成高性能算子与深度优化推理引擎，支持分布式推理、推测解码、SWA Bounded Replay 及结构化输出，兼容英伟达与华为昇腾平台。DeepSeek 表示，已基于 DeepInfer 实现 DeepSeek V4.1 Flash 的高吞吐、低延迟大规模推理服务，未来新模型的推理代码及优化也将在此持续更新。deepseek-recipe 与 DeepSeek 官方 API 处理逻辑完整对齐，旨在确保社区获得与官方部署一致的体验。开源仓库及技术报告已同步发布。

ChainCatcher 消息，据 The Information 报道，DeepSeek 正与华为展开深度合作，共同设计下一代 AI 芯片，旨在构建不依赖英伟达算力的模型。知情人士透露，华为工程师已进驻 DeepSeek 办公室，以了解其模型架构及算法需求，并测试芯片如何处理数据传输与压缩，首款适配芯片目标为昇腾 950DT。 报道指出，此举正值中国推动摆脱对美国芯片依赖之际。受限于台积电代工及美国出口管制，华为昇腾 950DT 虽计划于 2027 年发布，但量产可能推迟至 2028 年。为解决芯片短缺问题，DeepSeek 正采用 TileLang 编程语言绕开 CUDA 限制，同时仍在尝试通过第三方数据中心获取被禁的英伟达 Blackwell 芯片。此外，DeepSeek 正在组建芯片团队，并已开始测试超 1000 个处理器规模的集群。

ChainCatcher 消息，人工智能公司 DeepSeek 正式开源面向华为昇腾算力平台的基础设施组件，涵盖 TileLang 高级语言编译工具、计算库和分布式通信库，并与此前面向英伟达平台的开源组件一一对应。TileLang 旨在提供通用、编程更简单且能达到硬件性能上限的高级语言，相对 CUDA 可提高开发效率并简化逻辑，其编程模型也可发挥芯片特性。TileLang 路线先在英伟达平台验证，并已承载 DeepSeek V4 系列模型训练中大部分算子的实现。本次开源的昇腾版本对昇腾 Ascend C 底层指令进行封装，在不损失硬件性能的情况下提供高级语言编程方式。目前，DeepSeek 训练中用到的每一个 TileLang 算子，在昇腾上都有对应的高性能实现。同期开源的组件还包括 DeepGEMM、DeepEP、TileKernels、FlashMLA 和 DeepSelect，分别用于通用矩阵运算、大规模跨设备通信、常规向量计算与访存、长上下文稀疏注意力以及数据筛选。DeepSeek 称，多项关键测试中相关计算与通信性能已接近硬件上限；研发过程中华为团队给予支持，双方合作推进基于昇腾 950 的 128 卡超节点方案，并对计算与通信做了深度优化。

ChainCatcher 消息，华为轮值董事长汪涛在华为全联接大会 2026 上表示，昇腾 960 芯片提前就绪，实现性能翻番。其中，昇腾 960DT 将于 2027 年 Q1 发布，比原计划提前三个季度；昇腾 960PR 将于 2027 年 Q3 发布，比原计划提前一个季度。汪涛称，后续将坚持一年一代的演进节奏，昇腾 970 计划 2028 年发布，昇腾 980 计划 2029 年发布。

ChainCatcher 消息，据路透社 9 月 10 日独家报道，中国 AI 芯片制造商因高带宽内存短缺而大幅提价。华为将昇腾 950DT 加速卡指示价格上调至超过 25 万元人民币，较两个月前报价上涨 20% 至 50%。寒武纪将其计划中的 690 芯片指示价格上调 20% 至 30%，沐曦和天数智芯也有类似涨价。报道称，原因包括美国出口管制及灰色市场高带宽内存供应推高成本。华为较早代产品如昇腾 950PR 和 910C 价格亦上涨约 30%。上述涨价增加了中国 AI 算力建设成本。华为、寒武纪等公司未予置评。

ChainCatcher 消息，据彭博社 9 月 4 日报道，人工智能公司 DeepSeek 计划在内蒙古建设的大型数据中心部署至少 16 万颗华为技术公司顶级加速器，可能形成已知最大的华为 AI 芯片集群之一，并推进中国替代英伟达的努力。DeepSeek 拟使用华为下一代昇腾 950DT 芯片运行其模型，安装时间表取决于华为的生产能力。知情人士称，该公司目前不计划用 950DT 芯片进行训练，尽管华为将这些处理器设计和营销用于更苛刻的训练功能。DeepSeek 此前曾尝试用华为芯片训练模型，但迄今仍依赖英伟达加速器完成这一关键步骤。

ChainCatcher 消息，研究机构 Delphi Digital 发文称，硬件限制推动中国实验室转向更便宜的模型和更高效技术栈。出口管制限制其获取先进芯片，国内加速器可处理推理，但前沿训练仍难以实现。中国实验室在系统效率、模型架构、训练数据和强化学习上创新，DeepSeek 找到避免 GPU 闲置的数据移动方式，字节跳动和 Moonshot 数月内发布类似版本。架构上训练转向适配国产芯片的更便宜数字格式，稀疏架构减少每 token 运行量，注意力机制经三次重新设计以控制长上下文内存成本。数据方面通过更密集预测目标和更好优化器提升每 token 学习信号。强化学习上 DeepSeek 的 GRPO 成为默认配方，字节跳动、阿里巴巴和 MiniMax 一年内各自推出继任方案。中国模型现属成本最低的前沿相邻系统。在 OpenRouter 上，中国开发模型周 token 消耗占比从 2024 年底不足 1.2% 升至 2026 年多数。中国 AI 市场 2024 年至 2026 年初经历价格战，多家实验室隐含收入倍数约 47-117 倍，Anthropic 和 OpenAI 约 15-21 倍。华为昇腾芯片目前可用于推理，DeepSeek 据称曾尝试在昇腾上训练 R2 但遇技术问题后回归 NVIDIA。国内加速器供应仍低于预估需求。