DeepSeek-V4首次将华为昇腾写入硬件验证清单：推理性能提升35倍，国模+国芯进入量产协同

据智源研究院牵头研发的众智FlagOS社区公布的信息，DeepSeek-V4在发布当天（Day 0）即完成了包括华为昇腾、海光、沐曦、摩尔线程、昆仑芯、平头哥真武、天数智芯、清微智能等在内的9种国产AI芯片全面适配。此消息之所以引发行业震动，关键在于这是DeepSeek首次将华为昇腾NPU与英伟达GPU同时写入硬件验证清单——此前国产大模型几乎完全依赖英伟达GPU及其CUDA生态运转。

从"可用"到"好用"的适配攻坚

DeepSeek-V4于今年4月24日正式发布，包含Pro（1.6T总参）与Flash（284B总参）双版本并同步开源，上下文长度由128K扩展至1M，首次加入KV Cache滑窗与压缩算法，并针对Agent与Coding场景做了架构优化。然而，要将这样一款采用万亿级MoE混合专家架构、依赖细粒度专家并行调度、原生支持100万Token超长上下文的前沿模型，迁移到架构迥异的国产NPU平台，绝非简单兼容适配，而是一次从CUDA生态向CANN生态的全栈重构。

FlagOS团队基于FlagGems对DeepSeek-V4原生算子进行了全量替换，实现了算子层的多芯片统一适配；针对MoE的o-group采用独立张量并行策略，解锁了更多低显存场景；更关键的是完成了从"FP4+FP8混合精度"原生权重到FP8/BF16的精度路径转换，从而绕开国内大批量部署中普遍不支持FP4、英伟达也仅在Blackwell及之后高端芯片才支持FP4的硬件限制。

昇腾950上的性能释放

华为官方表示，本次双方采取"芯模协同"模式，即在模型研发阶段芯片就已经一起适配，比业内常说的"Day 0适配"更提前、更深层，相当于汽车行业的"原厂设计"。在昇腾950上，这份协同的成果直观呈现：

• 推理性能大幅跃升：经深度优化后，DeepSeek-V4在昇腾950PR上的推理速度较初期版本提升约35倍；
• V4-Pro低时延：8K输入场景、16卡昇腾950服务器可实现约20ms的TPOT（首个Token输出）时延，单卡Decode吞吐4700TPS；
• V4-Flash更稳：8K输入场景下TPOT约10ms，单卡Decode吞吐1600TPS；
• A3超节点高吞吐：Atlas 900 A3液冷超节点与Atlas 800 A3风冷超节点，采用全局内存统一编址、点对点互联带宽达784GB/s，提供32至384种规格；基于A3 64卡超节点配合vLLM推理引擎，V4-Flash可实现单卡Decode吞吐2000+TPS。

昇腾950还是国内首款支持FP4原生精度计算的商用推理芯片，950PR（面向Prefill）搭载自研HiBL 1.0内存128GB、1.6TB/s带宽，950DT（面向Decode与训练）采用HiZQ 2.0内存144GB、4TB/s带宽。按公开数据，昇腾新款推理芯片采购价约为英伟达四分之一，单卡算力约为英伟达对华特供版的2.87倍，性价比优势突出。

国产算力的生态拐点

此番适配的意义不止于性能数字。过去国产大模型高度依赖英伟达GPU，而如今模型厂商主动适配国产芯片的意愿显著增强。据IDC报告，英伟达在中国AI加速卡市场份额已从接近垄断的高位下滑至2025年的55%，华为同期以约20%份额跃升为国内第一大本土AI芯片供应商，出货量达81.2万颗。

当然，从成熟的CUDA生态迁移到相对年轻的CANN生态仍有现实门槛：CUDA积累了约20年的开发者社区与第三方库，与CANN相比开发者数量差距约40倍、第三方库差距约10倍、算子数量差距约2.5倍。但2026年升级的CANN Next已实现对CUDA编程模型的兼容，编译效率较旧版提升58%，开发者反馈"手里的Triton代码不用改直接跑"。随着DeepSeek-V4实现9种国产芯片Day 0适配，一场围绕模型厂商与国产算力底座"双向奔赴"的迁移大潮，正在从"可能性"变为"确定性"。

Sources:

• DeepSeek V4正式发布，昇腾超节点系列产品全面支持
• DeepSeek-V4适配九种国产芯片，谁在背后默默供应元器件？