英伟达真正难撼动的，从来不只是显卡性能，而是显卡背后的那套软件生态。可就在国庆前，DeepSeek把一整套面向华为昇腾的底层开发工具开源，等于给这堵围了近二十年的墙，凿开了一个不小的缺口。

这次动作最关键的地方，不是“支持国产芯片”几个字，而是“对得上”。

DeepSeek公开的六项组件，分别覆盖高级算子编程、矩阵计算、设备通信、稀疏注意力和数据筛选等环节，包括TileLang编译工具、DeepGEMM矩阵运算库、DeepEP跨设备通信库、FlashMLA稀疏注意力算子以及DeepSelect数据筛选组件。

这件事为什么分量大？得先看懂CUDA的护城河。

CUDA推出快二十年，已经变成AI行业里一套近乎通用的“底层语言”，全球大约有七百万开发者围绕它写程序、调算子、做优化，主流训练框架、计算库和工具链也大多在这套体系上成长起来。

所以，换芯片从来不是把服务器里的卡拔下来、再插上一张新卡那么简单。真正麻烦的是，原有代码要不要重写，算子能不能跑满，通信效率会不会下降，框架和工具是否配套。

这就像一个人已经用惯了普通话，突然被要求换成一套没人教、资料又少的方言，不是学不会，而是没有足够理由承担这个成本。

过去AMD推出ROCm，英特尔推动oneAPI，都曾试图挑战CUDA，但开发者的反应并不热烈。

生态成熟的平台上，代码跑得好好的，谁愿意主动跳进新系统里踩坑？技术能不能用是一回事，大家愿不愿意用又是另一回事。

DeepSeek这次绕开了最难的硬碰硬，它没有先去争论谁的芯片制程更先进，也没有喊着要让CUDA马上退出，而是先把训练大模型最重要的那部分软件路打通。

DeepSeek方面的说法很直接：训练V4模型所用到的每一个算子，在昇腾上都有对应实现。这里的“每一个”，才是重点，它意味着模型从底层计算到多卡通信，都不再只能依赖英伟达平台。

目前，至少已有八家国产AI芯片企业宣布相关适配方案，开源的扩散速度，往往就是这么快：一个人搭好地基，后来者可以一起加楼层，最后长出来的生态未必完全按照最初设计发展。

华为自身也在持续补软件这一课，昇腾CANN软件栈不断开放，PTO虚拟指令集已经提供一百二十多条指令，华为还拿出万卡规模的算力集群供开发者使用。DeepSeek这套工具链加入其中，等于又往本土生态里添了一把柴。

市场的反馈也比口号更诚实，阿里、腾讯以及DeepSeek自身，都开始加大昇腾集群采购。企业不会只因为情怀去购买大规模算力，真正让它们下决心的，是账能不能算过来、项目能不能跑起来、供应能不能长期稳定。

过去，采购国产芯片像是在承担额外风险；当软件通道逐渐打通后，它开始变成一个可以认真比较的商业选择。英伟达那些被出口限制“裁剪”过的特供型号，吸引力自然会受到影响。

DeepSeek创始人梁文锋此前谈到过一笔很现实的账：如果用华为昇腾950训练顶级模型，大约需要二十万颗；换成英伟达GB300，可能五万颗就够，数量相差四倍。

单看效率，差距确实存在，但问题是，高端英伟达芯片并不是想买就能买到，美国出口管制越紧，国内企业就越不能把全部希望押在一条供应链上。

梁文锋说过，使用国产芯片训练大模型，是“必须成功的方向”，这句话背后没有浪漫色彩，更多是算力安全和产业选择，芯片买不到，再高的理论性能也无法转化为生产力。

英伟达自己也意识到了这种变化，公司最新季报直言，美国出口限制实际上把英伟达挡在了中国数据中心市场之外，同时帮助竞争对手建立更大的开发者生态。

黄仁勋今年4月参加播客时还被问到，如果DeepSeek未来首发在华为芯片上，会不会对英伟达造成冲击，他给出的判断相当重，称那可能带来“灾难性的结果”。

他担心的并不只是华为某一款芯片跑分超过多少，而是开发者的习惯发生改变。假如同一个模型在非美系硬件上也能高效运行，甚至针对这些硬件做了专门优化，英伟达最珍贵的优势就不再是单纯的硬件性能，而是软件生态的排他性。

AI算力的竞争，早期比的是谁能买到更多英伟达的卡，接下来比的则是谁能让更多芯片真正干活。

DeepSeek没有宣布抛弃CUDA，只是把另一条路铺到了开发者脚下——高墙未倒，但门已经不再只有一扇。

信源：封面新闻 2026-10-02 DeepSeek 开源昇腾！全套工具替换英伟达，国产芯片接住前沿大模型训练