自主還是兼容：DeepSeek V4延期背后的中國AI生態選擇題

文 | 孫永杰

進入到2026年，DeepSeek V4的發布窗口一再推遲，卻意外點燃了全球AI圈對“去CUDA化”的討論。而從多家媒體的報道看，這款預計參數規模達萬億級、支持百萬token上下文的多模態開源模型，正全力適配華為昇騰芯片，并通過CANN框架完成核心代碼重寫。

如果上述最終成為現實，這將是中國AI體系第一次在真實生產環境中，系統性探索在非CUDA平臺上承載核心模型能力的可能性。換言之，這不僅是一款模型的發布，更像是一場底層技術路線的“壓力測試”。

然而，正如DeepSeek創始人梁文峰在內部溝通中強調的，這只是“萬里長征的第一步”。未來風險與機遇并存，兼容與自立之間的平衡，甚至取舍，將決定中國AI能否真正走出屬于自己的發展之路。

DeepSeek V4延期，基礎AI計算平臺轉換的必然代價

如前述，原計劃在今年農歷新年或2—3月發布的V4，一再錯過窗口，直至4月初相關媒體確認“數周內發布”，究其原因，是推理端與采用華為昇騰芯片的深度適配。但問題在于，這條路徑遠比想象中復雜。而要理解這種復雜性，首先需要回到DeepSeek V4本身的技術特征。

眾所周知，進入2026年，大模型參數規模已經跨越“萬億”門檻，向數萬億級邁進。在這一背景下，雖然V4采用更為激進的MoE（專家混合）架構，在理論上通過“按需激活專家”降低單次推理計算量，但代價則是對包括內存帶寬、芯片間互聯（Interconnect）以及KV Cache管理等的系統能力提出了更極端的要求。

換句話說，算力壓力從“純計算”轉向了“系統調度與通信”。而在在英偉達生態內，這套問題有相對成熟的解法。

例如基于H100或B200，通過NVLink與NVSwitch構建的高帶寬互聯，其單節點GPU間帶寬可達TB/s級別，形成近似“全連通”的計算網絡，數據在芯片間流動如同高速公路，延遲與同步成本被極大壓縮。但當DeepSeek試圖將這套精密體系遷移至華為昇騰平臺時，面對的卻是完全不同的硬件拓撲。

不可否認，昇騰芯片近年來進步顯著，但在超大規模集群的“全連通能力”上，與英偉達仍存在物理層差距。例如，受制于制程與SerDes IP能力，昇騰更多依賴光模塊進行跨節點擴展，這種“以空間換帶寬”的方案雖然可行，但也引入了更長的物理鏈路，從而帶來信號延遲、同步開銷以及功耗與散熱管理等的復雜性。

與此同時，軟件層面的差距同樣不可忽視。昇騰的CANN框架在算子覆蓋、自動并行、內核融合以及分布式通信調度等方面，整體成熟度仍落后于CUDA生態。這意味著，DeepSeek工程團隊需要在大量底層細節上進行針對性優化，甚至手動重寫關鍵算子。

更棘手的是，這種落后往往不是線性，而是系統性的。具體表現為一個算子的性能下降，可能影響整條計算鏈路；一次通信效率的降低，可能導致整體吞吐大幅波動。最終的結果可能就是模型尚能運行，但距離穩定、高效、可規模化還有很長的距離。

從這個角度看，DeepSeek V4的延期，并非簡單的產品節奏問題，而是中國頂尖算法團隊與國產芯片體系之間深度磨合的必然代價。雖然過程艱難，卻意義重大。

更重要的是，這一過程釋放出一個清晰信號，即AI競爭，正在從“模型能力比拼”，轉向“系統工程能力比拼”。而在這一階段，誰能更快把模型“跑起來、跑穩定、跑便宜”，誰才真正接近產業級優勢。

CUDA壟斷難破，CANN無奈妥協

如果說上述DeepSeek V4在推理側的適配困難，揭示的是工程層面的現實瓶頸，那么順著這個問題往下追問，一個更本質的疑問也隨之浮現：為什么只是把模型從一個算力平臺遷移到另一個平臺，會變得如此困難？

回看PC時代的Wintel聯盟，微軟與英特爾雖然聯手壟斷，但兩家公司之間存在利益博弈，這為后來Linux、AMD乃至蘋果系統的崛起預留了空間。然而，英偉達在AI領域建立的是一種“單體垂直壟斷”，即微軟與英特爾的合體。

具體體現為，硬件層面上，英偉達定義了SM（流式多處理器）的物理結構和Tensor Core的計算邏輯；軟件層面上，CUDA提供了與之1:1完美契合的cuBLAS、cuDNN等閉源庫。二者疊加導致了一個極其恐怖的現實：全球600萬+的開發者圍繞cuBLAS、cuDNN、NVLink/NVSwitch優化算法、框架（PyTorch、TensorFlow）優先CUDA實現，甚至AWS Trainium+Cerebras WSE的“反NVIDIA”異構集群，在KV緩存遷移時仍需NVIDIA NIXL軟件和AWS EFA。

由此可見，這已不是單點的技術細節，是生態鎖定，即模型可移植性失效前，開發者“用英偉達硬件特性語言思考”已成為慣性。而正是這種生態慣性，讓英偉達像一個巨大的黑洞，吸納了全球90%以上的創新紅利。

在上述背景下，作為其最強有力競爭者的華為CANN最初確實試圖走一條相對獨立的路線，但隨著大模型時代的到來，這種路徑逐漸顯露出問題，例如開發者不愿遷移，企業不敢承擔風險，生態增長緩慢。加之時間（例如大模型的快速迭代）的壓力，完全自立的路徑開始變得不再現實。

基于此，CANN逐步引入類似CUDA的抽象層設計，例如在CANN Next中嘗試對標cuBLAS、cuDNN接口，實現高比例兼容，使模型遷移成本從“數周甚至數月”壓縮至“小時級”；在架構層面，新近發布的950PR異構架構（預填充/解碼解耦）也刻意模仿英偉達解耦式服務，而非谷歌TPU的徹底異構路線。

我們必須承認，這種近似于“兼容優先”的策略在短期內是成功的，它降低了門檻，使昇騰迅速在國內市場獲得應用基礎，并讓像DeepSeek、騰訊、字節跳動等這樣的公司能夠以較低的門檻嘗試國產算力。例如CANN Next通過SIMT編程模型實現高達95%以上的CUDA兼容性，已幫助多家企業將遷移時間大幅縮短至小時級，加速了實際落地。

但隨之而來的挑戰是，一旦涉及前沿創新，兼容層就會變成“天花板”。

例如當開發者真正深入使用昇騰平臺時會發現，雖然常見路徑已經被鋪平，但一旦涉及一些冷門、創新的底層算子，CANN的支持度就會下降，性能抖動劇烈。而DeepSeek V4在適配過程中遇到的諸如在嘗試引入SSM（狀態空間模型）或Mamba這類非Transformer結構的混合架構時，發現CANN的底層優化仍主要向矩陣乘法（GEMM）傾斜的所謂困難，很大程度上是因為其在嘗試一些超越常規的算法優化時，撞到了CANN兼容層的“邊界”。

而更深層的問題在于，一旦選擇兼容，就意味著默認CUDA仍然是隱形標準，你可以替換硬件，但在軟件語義和開發范式上，仍然在沿用對方定義的規則。這既是捷徑，也是限制。

兼容存隱患挑戰，未來機遇仍需真正自立

如前述，在CUDA生態形成事實標準的現實下，華為選擇“類兼容”路徑幾乎是必然結果，但同時也將整個中國AI產業推到了一個關鍵性的選擇節點：是繼續兼容CUDA，還是逐步走向真正獨立的生態體系？

從短期來看，答案幾乎沒有懸念，那就是必須兼容，這是效率與現實的選擇。但從長期來看，這條路徑則隱藏著不容忽視的風險。

眾所周知，當一個系統（如CANN）為了兼容另一個系統（如CUDA）而設計時，它不可避免地會繼承對方的局限性。

事實是，目前全球大部分開源算法都是圍繞英偉達架構開發的，如果為了利用這些存量資產而一味追求1:1兼容，那么我們就會在硬件設計上陷入“模仿者陷阱”，并表現為一旦英偉達的硬件架構在未來某個節點面臨范式轉型，例如從Transformer轉向某種不需要大規模矩陣乘法、而是更依賴異步邏輯的新架構時，那么一直處于“影子狀態”的國產算力棧可能會面臨瞬間的技術斷層，而這種“Bug對Bug兼容”的死胡同，無疑讓我們的底層創新始終籠罩在別人的陰影之下。

而更深層的風險在于“時間差”。根據伯恩斯坦和Epoch AI的統計數據，雖然華為在國內份額激增，但在全球AI算力總量中，國產芯片的占比僅為5%，仍屬相對有限。而正是這種絕對規模的差距，導致了嚴重的“研發效率摩擦”。

具體表現為，美國AI巨頭可以利用Blackwell強大的通信帶寬，在18個月內跑通10T參數的Scaling Laws，而中國的頂尖人才卻不得不將50%以上的科研產能消耗在“如何解決老舊芯片的信號衰減”和“適配不成熟的編譯器”等問題上。

需要說明的是，上述時間上的錯位，在瞬息萬變的AI時代會被無限放大。當我們的人才還在忙于“填坑”時，對手可能已經完成了模型能力的指數級復利，導致對手一年模型的領先，演變為我們在模型能力、數據飛輪、安全對齊均呈指數復合增長疊加后，與對手形成不止一年的鴻溝。

當然，挑戰往往蘊含著機遇。DeepSeek V4若成功發布，將證明“國產全棧”可行性，加速CANN生態成熟，吸引更多開發者跟進，加之全球“天下苦英偉達久矣”的情緒，業內對CANN的支持或將超出預期。而華為昇騰等后續芯片若達H100的80%—90%推理性能，疊加CANN Next的兼容紅利，中國AI供應鏈臨界規模有望在1—2年內形成。

但需要清醒認識的是，兼容只能解決“活下來”的問題，真正的自立，才能決定“走多遠”。而未來3-5年，將是一個關鍵窗口期。如果我們能夠在保持兼容的同時，逐步建立獨立的編程模型、算子體系與系統架構，中國AI生態仍有機會實現從跟隨到定義規則的躍遷。否則中國AI或將陷入“粗糙復制列車”的軌道。

寫在最后：DeepSeek V4的延期發布，看似偶然的“跳票”，實則揭示了一個更深層的現實，即AI競爭早已不只是模型之爭，而是底層生態與系統能力的全面較量。兼容CUDA固然是通往現實的最短路徑，但若止步于此，也可能鎖定未來的天花板。

所以真正的挑戰，不在于能否替代一套技術，而在于能否擺脫對既有范式的依賴，構建屬于自己的規則體系。而接下來的3-5年，將決定中國AI是成為全球生態中的重要一極，還是長期停留在“高水平跟隨”的位置。當然，在追求自立的同時，也需警惕封閉生態可能對全球開發者吸引力的潛在影響，以確保生態的開放性和長期國際競爭力。