【高端訪談】專訪無問芯穹CEO：DeepSeek大熱給國產算力帶來哪些機遇？

轉自：新華財經

新華財經上海2月20日電（記者杜康）今年以來，國產人工智能大模型DeepSeek大熱。前不久，《麻省理工科技評論》一篇題為《關注DeepSeek之外的四家中國人工智能初創公司》的文章引發關注，無問芯穹便是文中列舉的四家初創公司之一，專注於異構算力。雖然成立不滿兩年，無問芯穹已經吸引了近10億元融資。

DeepSeek火爆之后，行業探討的一個焦點是，這將會如何影響國產算力？可以看到，DeepSeek出圈后，國內的芯片廠商反應迅速，華為昇騰、海光信息、沐曦、天數智能、摩爾線程、壁仞等多家國產AI 芯片等宣佈完成適配 DeepSeek 模型。記者近日專訪了無問芯穹CEO夏立雪，聚焦當前市場對於國產算力的三大關切點。

一問：DeepSeek的低成本，是否意味着對算力需求變低？

從DeepSeek正式發佈的技術報告來看，R1的基礎模型V3總訓練成本僅為557萬美元。相較之下，GPT-4o這樣的模型訓練成本約為1億美元。這意味着DeepSeek的成本只有GPT-4o的1/20。

低成本實現的背后，是DeepSeek對於算力的高效利用。「我們進一步對DeepSeek-V3的論文做解讀，可以看到它用十多頁專門介紹系統架構設計，核心是利用軟硬件協同設計的思想，不斷提升‘系統開銷’（即模型的訓練成本）到模型尺寸、能力的轉化率。」夏立雪説。

既然依靠低算力，也能訓練出「厲害」的大模型，是否意味着，未來關於算力的需求並沒有預想的那麼多？夏立雪給出了否定的答案。

一直以來，大模型行業存在「Scaling law」，即通過增加模型規模、數據量和計算能力，可以持續提升大模型性能。這也導致了一種趨勢，即盲目追求更大的模型和更多的算力，常常忽視了計算資源和能源消耗的成本，以及模型在實際應用中的效率問題。

「DeepSeek並沒有證明Scaling law是錯的。量變引起質變，規模擴大依然是DeepSeek獲得智能提升的基礎。DeepSeek模型共發佈了3個大版本，大概每半年更新一次，參數規模從67B擴大到236B再到如今671B。能讓DeepSeek出圈的一個重要因素是，它的模型體量提升了10倍，但所使用的算力並沒有隨着模型尺寸等比例成倍增加，可以説遠低於預期。」

事實上，DeepSeek出來之后，美國的大廠並沒有削減其算力開支，反而以更大、更激進的投入卷「算力」。

2月18日，埃隆·馬斯克發佈其最新一代大模型Gork3，宣稱使用了20萬塊H100 GPU，據估算這一成本相當於DeepSeek模型的200多倍。

從公開數據來看，2025年美國科技四巨頭資本支出仍將高速增長。最新財報電話會顯示，微軟計劃2025年資本支出將環比增加；亞馬遜計劃2025年投入1000億美元資本支出，增速將接近30%，谷歌計劃在2025年投入750億美元資本支出，增速將超過40%。Meta預計2025年資本支出為600億-650億美元，增速將高達60%-75%。

不過夏立雪提到，隨着DeepSeek的火爆，未來關於算力的需求結構會發生變化，相較而言，推理算力的需求會急劇增加。「DeepSeek的開源，夯實了一個市場上的重要生態位，叫做‘好用的中文開源模型’，尤其是其在推理能力上的突破，將會激發越來越多的下游應用創造力。」

二問：DeepSeek的火爆，為國產芯片帶來哪些機會？

「對於國產芯片來説，DeepSeek首先是證明了一種方法論的可行性，讓軟硬件聯合優化的技術路徑再次被印證。」夏立雪説。

「DeepSeek在工程化方面的優化，讓我們感受到了一種匠人精神。」夏立雪解釋稱，DeepSeek提出了多個軟硬件協同設計方法，並通過「極致」的系統工程落地來實現。

「這些優化大致可分為兩類。一是深入到底層硬件的硬核優化，這需要對底層的硬件有充分理解，並能夠在硬件層面得到足夠開放的軟件生態，比如對底層PTX編程，又如極致的內存優化；第二是打通從算法到硬件的協同優化，這需要對於從算法到硬件各個層次都有充分的理解，並具有極致的工程實現能力。」

這條路徑的走通，可以説為國產芯片注入了一劑「強心針」。「既然DeepSeek能夠通過軟硬件協同優化提升英偉達芯片的效能，那麼也可以用同樣的思路提升國產芯片的效能。國產芯片與海外芯片的差距，有望通過這種方式得到部分彌合。這也證明了我們的預判，用代際相對落后的算力來訓練先進模型是可行路徑。」夏立雪説。

走通軟硬件協同的路徑，需要關注模型、系統、芯片三個關鍵因素。在海外，這三者已經形成閉環生態。

「英偉達一直知道，它下一代芯片的優化方向是什麼，這是CUDA(Compute Unified Device Architecture，軟硬體統一計算架構）為其帶來的護城河，也是讓英偉達芯片保持領先的原因之一。CUDA的軟件堆棧，可以讓研究人員和軟件開發者更好地在GPU上編程和構建各種各樣的應用，從而牽引下一代芯片的迭代方向。」夏立雪表示。

困擾國產芯片的其中一個問題就在於，生態難形成。夏立雪表示，如今，國產芯片也有機會迎來自己的正向循環。

「DeepSeek的突破激發了越來越多的下游應用創造力，不僅將激發國產芯片的市場需求，也為打造全國產AI產業閉環，實現更可控的自主算力發展創造了有力條件。」

談及國產芯片的未來，夏立雪提出了「三步走」的思路，第一步是基於主流芯片開展極致軟硬件協同優化，以有限算力實現國產模型能力追趕；第二步，是推動國產芯片開放底層生態，搭建「異構」AI系統解決算力缺口，實現模型能力趕超；第三步，則是構建國產「同構」系統，實現「國產模型-國產芯片-國產系統」的全國產AI產業閉環，實現更可控的自主算力發展。

三問：國產算力的「異構」模式，商業路徑走通了嗎？

「我們希望讓算力使用起來像水、電、煤一樣便捷。」夏立雪這樣描述無問芯穹的願景。

「中國當前特有的AI基礎設施是多模型和多芯片，存在大量的異構算力，需要把它們變得能用，進而變得好用。只有在使用的閉環中，才能形成硬件與算法之間的正向循環。」夏立雪説。

記者瞭解到，無問芯穹希望通過異構雲，擴大國內大模型產業可用算力的範圍，提升算力利用效率。「未來，我們會把各種異構的、跨地域的算力整合起來提供給客户，將異構算力轉化為標準的算力，服務於人工智能行業。」

前不久的2月11日，無問芯穹宣佈獲七家國產芯片支持，將打通DeepSeek-R1、V3在壁仞、海光、摩爾線程、沐曦、昇騰、燧原、天數智芯等七個硬件平臺的多芯片適配優化，成為首個同時支持 DeepSeek 多芯片適配和推理的平臺。

構建異構算力平臺，需要攻破很多技術瓶頸。夏立雪坦言，異構情況下的確出過現相同數量的國產芯片加上英偉達芯片，訓練表現不如單獨英偉達芯片的情況。如今，隨着技術的逐漸成熟和上下游生態的共同努力，這一商業模式已見曙光。

「在某些特定場景下，使用國產芯片或異構芯片已被驗證性價比能超過英偉達。隨着DeepSeek激發下游應用創造力，更多中腰部廠商將嘗試這種方式。」夏立雪説。

編輯：王媛媛