2026 年 9 月 23 日，多家媒体援引 The Information 的报道称，DeepSeek 创始人梁文锋在一场闭门投资者会议上透露：公司正把大模型训练的重心转向国产芯片，计划大规模采用华为昇腾（Ascend）系列做训练；与此同时，DeepSeek 正在训练一个 2 万亿参数的模型，并规划了后续的 8 万亿参数版本。梁文锋把"用国产芯片训练 AI 模型"称为公司最大的战略举措之一，并表示"必须成功"。
需要先说明的是，这不是 DeepSeek 的官方公告，而是一场闭门会议内容的转述。核心信息来自 The Information 的报道，多家科技媒体跟进，但 DeepSeek 和华为均未公开回应。读的时候要按"传闻待官宣"的分量来掂量。
闭门会里说了什么
综合几家媒体的交叉报道，关键点有四条：
一是训练正在转向国产芯片。此前 DeepSeek 训练主要依赖英伟达的高端 GPU，国产芯片更多用在推理侧；这次的说法是，华为昇腾将进入"训练"这个最吃算力的环节，首批新芯片最早 2026 年四季度交付。
二是模型规模继续加码。正在训练的 2 万亿参数模型，外界猜测即下一代旗舰 V4.1 Pro；8 万亿参数则是更远期的规划。作为参照，阿里 Qwen 3.8 Max 是 2.4 万亿参数，月之暗面的 Kimi K3 是 2.8 万亿——8 万亿将是现有最大开源模型的三倍左右。
三是砸钱扩算力。报道称 DeepSeek 计划投入约 300 亿元人民币扩大国产 AI 算力，华为方面也被曝出 DeepSeek 下了 16 万片 Ascend 950DT 的大单，用于其内蒙古 1GW 数据中心。
四是梁文锋的判断：华为芯片几年内能在性能上追上英伟达。这是整件事的信心来源，也是最大的不确定性来源。
算力账：4 比 1 的代价
转投国产芯片不是没有代价的。报道中给出的换算关系是：训练 OpenAI 级别的最大模型，大约需要 5 万片英伟达 GB300，或至少 20 万片华为 Ascend 950——大约 4:1 的数量比。另一种口径是，训练 2 万亿参数模型约需 6 万片昇腾，对比 3 万片英伟达 H100/H200。
这意味着同样的训练任务，国产方案要付出数倍的物理规模、功耗和运维复杂度。DeepSeek 敢接这个账，赌的是两件事：出口管制下英伟达高端卡越来越难拿，以及华为芯片的迭代速度能跑赢这个差距。
为什么是现在
时机并不偶然。一方面，美国对华芯片出口管制持续收紧，英伟达在华销售屡屡受挫，囤卡的窗口在收窄；另一方面，华为 4 月已披露其芯片部分参与了 DeepSeek 轻量模型 V4-Flash 的训练——从"推理试水"到"训练主力"，这次是把试探变成了战略。
巧合的是，就在一天前，阿里刚发布了自研 AI 芯片镇岳 V900(阿里发布镇岳V900：性能翻三倍，剑指十万亿参数模型 (/article/2050-alibaba-launches-zhenwu-v900-triple-the-performance-aiming-at-10-trillion-parame))，同样瞄准万亿级参数模型的训练与推理。国产 AI 芯片正在从"备用方案"变成"主赛道"，DeepSeek 这一注只是最重的一笔。
怎么看
这件事的象征意义大于技术细节：中国头部大模型公司第一次公开把"训练"押在国产芯片上。如果 DeepSeek 真能在昇腾上训出 2 万亿参数模型，等于给整个国产算力链做了一次可行性验证——芯片、互联、训练框架、运维，每一环都得过关。
但也要看到风险面：4:1 的算力代价是实实在在的，华为的供货还受先进存储和元器件短缺制约，梁文锋自己也承认"必须成功"——这句话本身就说明，这是一场没有退路的豪赌。对英伟达而言，失去 DeepSeek 这样的标杆客户，是其在华 AI 芯片份额松动的又一个信号。
对普通开发者来说，短期内这不会改变你调用 API 的价格；但中长期看，国产算力如果真能把训练成本打下来，开源大模型的迭代速度和开放程度都可能受益。先看 2026 年四季度华为的第一批交付能不能如期到货——那是验证这场豪赌的第一个时间点。
