Автор | Мировая фабрика моделей
DeepSeek V4 снова потряс всю Китай.
Масштаб параметров, длина контекста, баллы по бенчмаркам... Эти технические показатели уже многократно сравнивались в различных отчетах.
Но если оставаться на уровне поверхностных данных, то упускается самое стратегически важное ядро этого релиза.
Последние три года китайские большие модели оставались в неудобной реальности: обучение зависит от NVIDIA, вывод также зависит от NVIDIA, а отечественные чипы были лишь запасным вариантом.
Достаточно NVIDIA прекратить поставки, и все китайское сообщество моделей начинает тревожиться.
Но сегодня DeepSeek V4 доказал своей мощью:
Передовая большая модель с триллионом параметров также может стабильно и эффективно работать на отечественных вычислительных мощностях.
Значение этого события выходит за рамки самих технических показателей модели.
Прорыв в локализации
Чтобы по-настоящему понять сложность этой адаптации под отечественные решения, нужно сначала осознать империю чипов NVIDIA.
NVIDIA владеет не просто чипами, а высоко замкнутой полной экосистемой:
На аппаратном уровне — семейство чипов GPU, плюс высокоскоростные сети NVLink, NVSwitch для межчипового соединения;
На программном уровне — CUDA, это AI-операционная система,精心 создававшаяся NVIDIA более десяти лет.
Она похожа на высокооптимизированную фабрику: от самых низкоуровневых операторов (базовых единиц вычисления модели) до параллельных вычислений, управления памятью, распределенной коммуникации — вся цепочка создана с учетом специфики GPU NVIDIA.
Другими словами, NVIDIA продает не просто двигатель, она также построила дороги, заправочные станции, ремонтные мастерские и навигационную систему.
Практически все глобальные топовые большие модели выросли в этой экосистеме.
Переход на отечественные вычислительные мощности — это совершенно иная ситуация.
Различные аппаратные архитектуры, различные способы соединения, различная зрелость программных стеков, инструментальная экосистема все еще быстро догоняет.
Адаптация DeepSeek под отечественные чипы — это отнюдь не простая замена двигателя, а скорее пересадка гоночного автомобиля, уже мчащегося по скоростному шоссе, на горную дорогу, которая все еще строится.
Малейшая ошибка — и возникнет тряска, потеря скорости, а то и вовсе автомобиль не сможет двигаться.
На этот раз DeepSeek V4 выбрал не просто продолжать оптимизацию по пути CUDA, а начал параллельно входить в цепочку адаптации программного стека под отечественные вычисления.
Согласно открытой информации, V4 уже добился прорыва на базе отечественных чипов для вывода, глубоко адаптирован под чип Huawei Ascend 950, в день релиза модели стабильно работал и на Cambricon, реализовав настоящую адаптацию Day 0.
Это означает, что передовые модели начали приобретать возможность внедрения в системе отечественных чипов.
Как DeepSeek V4 этого добился?
Первый шаг произошел на уровне архитектуры модели.
V4 не стал заставлять отечественные чипы грубо тянуть контекст в 1M, а сначала сделал саму модель более экономной.
Ключевой дизайн в официальном техническом отчете — это гибридный механизм внимания CSA + HCA, а также оптимизация длинного контекста, такая как сжатие KV Cache.
Проще говоря, традиционный вывод длинного контекста заставляет модель каждый раз при ответе на вопрос перелопачивать целую библиотеку, быстро заполняя видеопамять, пропускную способность и вычислительные мощности.
Подход V4 заключается в том, чтобы сначала переиндексировать, сжать и отфильтровать материалы в библиотеке, отправляя в вычислительную цепочку только самую ключевую информацию.
Таким образом, контекст в 1M перестает полностью зависеть от аппаратной грубой силы, а сначала уменьшает вычислительный и объемный счет видеопамяти с помощью алгоритмов.
Это очень важно для отечественных чипов.
Если модель по-прежнему сильно зависит от пропускной способности видеопамяти и зрелых библиотек CUDA, то отечественным чипам, даже если они смогут работать, будет трудно делать это дешево и стабильно.
V4 сначала снижает нагрузку на вывод, по сути, разгружая отечественные вычисления.
Второй шаг произошел на уровне архитектуры MoE и активированных параметров.
Хотя общее количество параметров V4-Pro достигает 1.6 триллиона, при каждом выводе активируется только около 49 миллиардов параметров; общее количество параметров V4-Flash — 284 миллиарда, активируется около 13 миллиардов параметров.
Это означает, что она не вытаскивает все параметры для вычислений при каждом вызове, а похожа на большую команду экспертов: при появлении задачи выходят только relevant эксперты.
Для отечественных чипов это также важно.
Это уменьшает вычислительную нагрузку, которую необходимо нести при каждом выводе, а также делает сцены с длинным контекстом и агентом более доступными для карт вывода.
Третий шаг — адаптация на уровне операторов и ядра (Kernel).
Самое сильное место экосистемы CUDA — это то, что множество низкоуровневых вычислений уже отточены NVIDIA, многие высокопроизводительные вычисления можно вызывать напрямую.
Значение V4 в том, что она частично извлекает ключевые вычисления из черного ящика NVIDIA, превращая их в более переносимые, адаптируемые пользовательские вычислительные пути.
Говоря проще, V4 как бы разбирает самые ключевые детали двигателя, позволяя таким производителям, как Huawei Ascend, Cambricon, перенастраивать их под структуру своих чипов.
Четвертый шаг — уровень фреймворка вывода и сервиса.
Если адаптация под отечественные чипы останется на уровне "запуска демо", промышленное значение будет невелико.真正值得关注的，是它能否进入可调用、可计费的服务体系。По-настоящему заслуживает внимания то, сможет ли она войти в вызываемую, оплачиваемую сервисную систему.
Согласно внутренним тестам, на Ascend 950PR скорость вывода V4 значительно повысилась по сравнению с ранними версиями, энергопотребление также заметно снизилось, производительность одной карты в特定 сценариях с низкой точностью более чем в 2 раза превысила показатели специально поставляемой NVIDIA H20.
Официальные представители DeepSeek упомянули, что в настоящее время пропускная способность сервиса V4-Pro ограничена высокопроизводительными вычислениями, ожидается, что во второй половине года, после массового выхода на рынок суперузлов Ascend 950, цена значительно снизится.
Это указывает на то, что с массовым выпуском отечественного оборудования, такого как Ascend, пропускная способность и性价比 V4 в будущем будут further оптимизированы.
Но值得注意的是, V4 не полностью заменяет GPU и CUDA от NVIDIA. Обучение модели, возможно, все еще не обходится без NVIDIA, но вывод уже может постепенно локализоваться.
Это, на самом деле, очень реалистичный коммерческий путь.
Обучение — это阶段性投入，обучают один раз, настраивают一次, итерируют一次。Обучение — это阶段性投入: обучают один раз, настраивают一次, итерируют一次。Training is a阶段性投入，train once, tune once, iterate once. Вывод — это持续性成本，ежедневно миллионы, миллиарды вызовов пользователей, каждый раз требуются вычислительные мощности.
Основная статья расходов компаний, занимающихся моделями, в долгосрочной перспективе все больше смещается в сторону вывода. Тот, кто сможет дешевле и стабильнее удовлетворять потребности в выводе, получит реальное преимущество в промышленном применении.
DeepSeek V4 впервые предоставил путь развертывания вывода для передовых китайских моделей, который не по умолчанию зависит от CUDA от NVIDIA.
Этот шаг уже достаточно весом.
Влияние V4 на промышленное применение
Если адаптация под отечественные чипы отвечает на вопрос, может ли это работать, то цена отвечает на другой, более практический вопрос:
Могут ли предприятия позволить себе это использовать?
Самое сильное место DeepSeek в прошлом заключалось именно в том, что оно могло предложить возможности,接近 передовым моделям, по крайне низкой цене.
Так было в эпоху V3, R1, и так остается с V4.
Разница в том, что на этот раз оно ведет ценовую войну не в обычном окне контекста, а продолжает снижать цену при условии контекста в 1M + возможности Agent.
Согласно официальным ценам DeepSeek:
Ввод V4-Flash при попадании в кэш: 0.2 юаня / миллион tokens, ввод при промахе кэша: 1 юань / миллион tokens, вывод: 2 юаня / миллион tokens;
Ввод V4-Pro при попадании в кэш: 1 юань / миллион tokens, ввод при промахе кэша: 12 юаней / миллион tokens, вывод: 24 юаня / миллион tokens.
Если поместить это в ряд同类 отечественных моделей:
По сравнению с阿里Qwen3.6-Plus в диапазоне 256K-1M, цена вывода V4-Pro примерно в два раза ниже, V4-Flash еще ниже.
По сравнению с小米MiMo Pro Series в диапазоне 256K-1M, и V4-Flash, и V4-Pro явно дешевле.
Контекст Kimi K2.6 составляет 256K,相比之下，V4-Pro имеет более длинный контекст и более низкую цену；V4-Flash же просто опускает стоимость высокочастотных вызовов на другой уровень.
Это имеет огромное значение для корпоративных приложений.
Потому что контекст в 1M означает, что модель может за один раз прочитать целый репозиторий кода, толстый пакет договоров, prospectus на сотни страниц, протоколы длительных совещаний или историческое состояние, накопленное агентом при непрерывном выполнении задач.
Раньше многие корпоративные приложения упирались в это: возможностей модели хватает, но контекста不够；контекста хватает, но цена слишком высока；цена приемлема, но возможности модели недостаточно стабильны.
Например, компания создает инвестиционно-аналитического агента, который должен одновременно читать годовые отчеты компании, стенограммы телефонных конференций по财报, отраслевые отчеты, новости о конкурентах и внутренние протоколы.
При контексте только 128K или 256K системе часто приходится постоянно нарезать, искать, summarise, информация теряется при многократном сжатии.
Контекст в 1M позволяет модели保留 больше исходных материалов, уменьшить пропуски и обрывы.
Another example is a code agent.
Он не просто пишет несколько строк кода за раз, а должен читать репозиторий, понимать зависимости, изменять файлы, запускать тесты, исправлять по ошибкам. Этот процесс反复消耗 tokens.
Если каждый шаг дорог, агент может использоваться только для демонстраций, но если tokens достаточно дешевы, он才能真正 войти в реальный процесс разработки.
Это также промышленная ценность V4.
Она未必是 самая сильная модель, но может стать самой高频ной моделью для предприятий.
DeepSeek снова превращает ИИ из эксклюзивной игрушки нескольких крупных компаний в инструмент производительности, который можно масштабно внедрять в тысячах отраслей.
Истинная ценность V4
Когда контекст в 1M по крайне низкой цене выходит на передовую промышленности,真正的分量 DeepSeek V4才显露出来。
Все это построено на еще незрелом фундаменте отечественных вычислительных мощностей.
Столкнувшись с системным отставанием экосистемы отечественных чипов, команда DeepSeek не стала ждать созревания экосистемы для запуска.
Они多次 откладывали окно релиза, потратили месяцы на глубокую совместную отладку с такими партнерами, как Huawei, сложность这样的工程难度，远超外界想象。
Именно поэтому достижение V4 на отечественных мощностях接近 возможностей вывода и агента顶级闭源模型，显得格外不易。
V4 на собственном примере доказала, что даже перед лицом阶段性 отставания аппаратной экосистемы, китайские команды все еще могут за счет极致 инженерных усилий и协同 инноваций программного и аппаратного обеспечения достичь конкурентоспособной производительности.
Конечно, до полной зрелости еще есть差距。
Совершенство инструментария платформы Ascend, стабильность сверхбольших кластеров, а также глубокая оптимизация для更多垂直 сценариев требуют продолжения совместных усилий всех сторон индустрии.
Но успех V4 проложил可供 последующим моделям借鉴的路径。
Она влила столь необходимую дозу уверенности в自主可控 всей цепочки поставок ИИ.
В нынешнее время, когда внешняя среда полна неопределенности, эта способность прорываться в условиях ограничений заслуживает большего уважения, чем单纯的参数指标。
“Не соблазняться славой, не бояться клеветы, идти прямым путем, быть upright и correct себя”. (Кит. поговорка)
Эти слова от официальных представителей DeepSeek являются ее лучшей характеристикой.
