近两年，大模型的快速发展对算力供给、软件适配和工程能力提出了更高要求。长期以来，国内大模型的训练与推理高度依赖单一技术路线的高端算力，加上供应链不确定性和成本波动等因素，部分企业超大规模模型研发和部署上受到制约。如何在可控成本下获得稳定算力并构建可持续迭代的软硬件协同体系，成为行业亟待解决的问题。 深度求索近日宣布，DeepSeek V4将于4月下旬发布，其核心亮点之一是全面适配昇腾950P，实现万亿参数大模型在国产算力上的训练与推理。业内人士指出，这种适配并非简单的“迁移运行”，而是对算子优化、并行策略、通信机制、内存管理和编译优化等系统性工程能力的全面检验。随着国内算力基础设施的完善、软件生态的成熟，以及企业在模型结构、训练策略和推理加速上的经验积累，软硬件协同优化的条件逐渐成熟，为超大规模模型的国产化运行提供了可能。 此进展可能带来三方面影响： 1. 产业链协同效应增强：从芯片到系统软件，从框架到模型应用，关键环节的适配将推动算力生态从“可用”向“好用”升级，提高资源利用效率和交付稳定性。 2. 企业使用门槛降低：如果超大规模模型能国产算力平台上稳定运行，将缓解算力供给紧张和成本压力，为中小企业和科研机构参与大模型创新提供机会。 3. 应用落地加速：金融、制造、能源、政务、医疗等行业对数据安全和本地化部署需求强烈，国产软硬件生态越成熟，大模型在行业中的落地空间越大。 专家建议，推动大模型与国产算力的规模化应用需要多方协作： 1. 完善软件生态与工具链，围绕训练、推理、评测、压缩和部署等关键环节形成可复用的工程体系，提升跨平台适配效率。 2. 加强软硬件协同攻关，针对大模型的高带宽通信、长序列推理和混合精度训练等瓶颈进行联合优化，提高能效和成本优势。 3. 加快标准制定和开源协作，在接口规范、性能评估和安全治理各上达成行业共识，降低迁移成本和生态割裂风险。 4. 以应用场景为牵引，通过重点行业和区域的示范项目验证大模型的实际能力，推动供需对接。 未来，算力与模型的竞争将从单点性能转向体系化能力比拼，包括工程效率、生态完整度和行业应用闭环等综合因素。DeepSeek V4若能实现国产算力上的稳定训练与推理，将为国产大模型的规模化应用提供参考路径，并推动国内算力基础设施和软件生态的更升级。随着更多模型、框架和行业应用加入协同优化，国产算力支撑超大规模模型的能力有望从“突破”走向“常态”。
从“能否训练”到“能否低成本、可持续地训练并稳定应用”，大模型发展进入更注重系统协同的新阶段。深度求索V4对昇腾950P的全面适配，展现了国内产业链通过协同创新突破关键瓶颈的努力。未来，只有持续加强基础能力建设并紧密结合产业需求，才能让技术突破真正转化为推动经济社会发展的实际动力。