现在来看，黄仁勋之前作出的预测，十有八九是对的。

黄仁勋此前说DeepSeek首次跑在华为芯片上，对美国是个可怕的结果。当时都以为他在帮英伟达要政策。现在看，他是认真的。黄仁勋上了一档播客。主持人拿浓缩铀打比方，说算力卖给中国等于帮对手。老黄直接怼了回去。

紧接着他说了一句话——如果DeepSeek先在华为平台上跑起来，对美国来说将是灾难性的。九天之后，DeepSeek V4发布。华为昇腾超节点全系列同步支持。技术报告里第一次把华为昇腾和英伟达的GPU写进了同一份硬件验证清单。

事情就这么发生了。过去十多年，全球大模型的开发有一个默认习惯：新东西先在英伟达的CUDA上跑通，其他硬件平台只能排队等适配。这不是英伟达GPU本身有多强，是所有人已经习惯了以CUDA为起点。

换平台意味着重写代码、重做精度校准、重新调参数，工程代价按月算。久而久之，CUDA就成了行业里不用明说的一条规矩。

DeepSeek V4把这条规矩破了。开发过程中花了几个月跟华为协作，重写底层代码，从CUDA路径迁到华为的CANN框架。

技术报告里写得清楚：细粒度专家并行方案在英伟达GPU和华为昇腾NPU两个平台上都做了验证。

跑出来的数据也不含糊。昇腾950超节点上，V4-Pro单token解码时延约20毫秒，V4-Flash约10毫秒。

之前深圳河套的团队用昇腾910C集群完成了1.6万亿参数V4-Pro的监督微调，算力利用率超过30%。这个数字放在国产芯片的大模型训练场景里，以前很少见。

成本方面，适配的昇腾推理芯片采购价只有英伟达的四分之一，单卡算力比英伟达对华特供版高出2.87倍。

再看英伟达那边的数据。黄仁勋自己在2025年10月说过，英伟达在中国先进芯片市场的份额已经从95%降到了0%。英伟达CFO在财报电话会上确认，当季中国区数据中心计算收入为零，而去年同期是46亿美元。

黄仁勋真正在意的，不是某一款芯片被换掉。他在意的是“大模型默认以CUDA为首要优化起点”这条规矩，第一次被一个顶级开源模型公开打破了。一旦这条路径被更多开发者走通，英伟达在AI算力领域的位置就会慢慢松动。