过去两年，全球AI产业被一个隐含的假设牢牢绑架：大模型必须跑在英伟达GPU上。这个假设塑造了从算力定价、云服务竞争到地缘政治博弈的整个格局。而本周DeepSeek V4的发布预告，可能正在改写这个前提。
核心突破：不是换了一张显卡，而是重写了一层抽象
DeepSeek V4最值得关注的不是参数规模，而是其工程决策：基于TileLang全面重写内部代码，适配华为昇腾910系列芯片。这并非简单的”移植”——从CUDA生态迁移到自研硬件平台，意味着编译器优化、算子实现、显存管理、通信拓扑几乎全部推倒重来。
实测数据显示，昇腾950PR在FP4推理下的算力达到H20的2.87倍。这个数字如果经独立验证，意味着在特定推理场景下，英伟达被制裁后推向中国市场的”阉割版”H20，已经被国产芯片反超近三倍。
为什么这件事比表面看起来更重要
第一，它证明了CUDA护城河并非不可逾越。 过去业界普遍认为，英伟达的护城河不在于硬件本身，而在于CUDA软件生态——数百万开发者的肌肉记忆、数千个优化库、十几年积累的工程经验。DeepSeek的实践表明，当一个团队足够深入地理解模型计算图，且愿意投入重写底层算子时，硬件切换的壁垒是可以被攻克的技术问题，而非不可逾越的生态鸿沟。
第二，它为AI算力的”去中心化”打开了想象空间。 如果最前沿的国产模型可以脱离英伟达生态运行，那么算力供给就不再受限于出口管制和芯片配额。这对整个中国AI产业链的长期发展具有战略意义——从模型训练到推理部署，从云端服务到边缘计算，都将获得更大的自主空间。
第三，它重新定义了”算力效率”的竞争维度。 2.87倍的算力优势如果成立，不是通过更先进的制程工艺（昇腾910系列制程节点并不领先），而是通过更高效的硬件架构设计和更好的软件适配实现的。这暗示着AI算力的下一轮竞争，可能不再是谁有更多晶体管，而是谁的软硬件协同优化做得更极致。
但乐观之外，需要冷静的几个问题
首先是验证问题。 2.87倍这个数字来自DeepSeek自身的预告，尚未经过独立基准测试。H20本身是英伟达为应对出口管制而降低规格的产品，用”阉割版”作为参照系的说服力有限。更公平的比较应该对标H100或B200在相同模型上的表现。
其次是FP4推理的实际效果。 4-bit量化在保持模型质量方面始终存在争议。DeepSeek需要证明在昇腾平台上的FP4推理，在核心任务指标上没有显著退化。否则，”三倍算力但质量打折”的等式并不成立。
最后是生态成熟的度。 一个团队的成功迁移不等于生态的就绪。要吸引更多开发者迁移到昇腾平台，需要完善的开发工具链、调试支持、以及足够多的成功案例。DeepSeek开了个好头，但路还很长。
更深层的启示：AI时代的基础设施正经历范式转移
微软与软银联手投资1.6万亿日元扩建日本GPU云，OpenAI完成1220亿美元融资——本周的资金动态显示，全球算力军备竞赛仍在加速。但在竞赛的另一面，DeepSeek V4选择了一条不同的路：不是追逐更多的GPU，而是从根本上减少对特定GPU的依赖。
Marc Andreessen本周提出的”Agent即Unix”观点，本质上也在讲述同样的故事：AI基础设施的底层架构正在经历根本性的重构。无论是在模型推理层面打破硬件垄断，还是在应用层面重新定义计算范式，2026年四月都可能是那个”回头看才意识到一切都变了”的时间节点。
从CUDA到TileLang，从H100到昇腾950PR，技术栈的重写从来不是一蹴而就的。但多米诺骨牌一旦开始倒下，就不会只倒一块。