大众,别高估英伟达，别低估DeepSeek

DeepSeek-V4开创了一种全新的注意力机制，在token维度进行压缩，结合DSA稀疏注意力（DeepSeek Sparse Attention），实现了全球领先的长上下文能力，并且相比于传统方法大幅降低了对计算和显存的需求。 换句话说，别高估英伟达的护城河，也千万别低估DeepSeek正在掀起的这场架构革命。关键不在“谁替代谁”，而在AI产业链的利润分配、部署路径和投资逻辑，可能正在变。 在一定程度上，AI基础大模型的竞争，本质就是GPU算力基础设施的竞争。谁能买到更多高端GPU，谁能堆出更大的集群，谁就更有机会做出更强的基础模型。 然而，由于美国通过出口管制，禁止英伟达H100/H200等顶级芯片对华销售。此外，台积电先进制程等已经被美国卡死了，国产GPU卡与英伟达卡仍有一定的差距。 2023年底，中美的顶级模型在各大维度的差距还在20%-30%之间徘徊。4月14日，斯坦福大学HAI实验室发布2026年度《AI指数报告》，这份长达423页的行业权威报告显示，中美大模型性能差距已收窄至2.7%，基本实现技术追平。 黄仁勋在最近访谈中表示，“AI本质上是并行计算问题，中国完全可以通过堆叠更多芯片来弥补单颗芯片的制程差距，中国有那么多能源，如果愿意，完全可以把更多芯片组合在一起，即使制程落后几个纳米。” 打个比方，过去，要完成一个复杂的AI计算任务，需要几台巨大、精密且昂贵的德国进口机床（代表英伟达的高精度GPU）。而现在，DeepSeek通过改变任务的加工流程（即改变数据格式），使得这个任务可以被几十台小巧、简单且便宜的国产机床（代表国产GPU的计算单元）组成的流水线高效完成。 但从产业演进看，大模型训练只是第一阶段。大模型做出来之后，真正决定商业化速度和产业渗透深度的，是推理。尤其是，Openclaw、Hermes为代表的Agent爆火之后。 DeepSeek-V4的做法是，把模型里那些“死记硬背”的静态知识抽出来，塞进一个巨大的内存表里；推理时，CPU负责“查字典”（检索知识），GPU只负责“想逻辑”（计算推理）。 这两者是完全重叠执行的。当GPU在算上一个词的逻辑时，CPU已经把下一个词所需的知识搬到了门口。由于延迟被这种并行架构彻底掩盖，AI单位时间内的产出效率呈几何级数提升，GPU显存不再被KV cache撑爆。 这意味着国产GPU在显存受限的情况下，也能完成同样的任务，而英伟达引以为傲的HBM显存稀缺性面临崩塌。同时，CPU也将迎来爆发。 此外，更值得关注的是，DeepSeek-V4即将发布，这次没有按行业惯例给英伟达早期测试权限，把提前适配的机会全部留给了华为和寒武纪。目标是从CUDA生态整体迁移到华为CANN框架。 虽然英伟达的CUDA生态短期不会被取代，但已经出现了裂缝。这也意味着DeepSeek无论在开源生态还是国产自主上依然有着其强力的生态位。 据媒体报道，为应对基于该模型云服务上线需求，阿里巴巴、字节跳动和腾讯等科技巨头已提前下单华为新一代AI芯片，订单规模达数十万颗。 如果DeepSeek-V4确认是完全基于国产算力训练出来的，那这将是国产芯片史上的“DeepSeek时刻”。这证明了即便没有H100，我们也能跑出世界一流的大模型。 这次受益的最大方，便是国产GPU厂商。华为、寒武纪已经明牌了。其他国产GPU厂商也将积极适配DeepSeek大模型。从确定性来看，以华为、寒武纪为代表的国产芯片、国产服务器及相关配套厂商的受益确定性最高。 英伟达依旧是训练大模型最强的基础设施，这一点没有悬念。短期内，它在高端训练GPU、CUDA生态和集群能力上的优势，依然很难被替代。 DeepSeek-V4率先适配国产芯片以及创新正在试图证明，AI推理不一定只能靠最贵的GPU继续往前推，系统级优化、软硬协同和本地化部署，同样可以打开一条新路。而国产算力又能往前再走一步。