通信世界網消息（CWW）開源模型逐漸占據主流話語權，接入與適配成為必然選擇，DeepSeek為行業增添發展動力的同時，也掀起了一場從底層技術到設施建設乃至體系生態的算力革命。

最直觀地，憑借“輕量化訓練+高效推理”的特性，DeepSeek不僅大幅降低了大模型開發成本，更對傳統以英偉達為首的訓練芯片巨頭形成直接沖擊。在這場技術變局中，國產算力芯片作為算力的根本支撐，亟待探索出一條屬于自己的發展之路。

從“訓練為王”到“推理稱雄”

在AI技術體系中，訓練與推理是兩大核心環節，訓練需要海量數據和超強算力，推理則要求快速響應現實問題，隨著AI應用場景的普及，推理算力需求正迅速超越訓練端。根據IDC數據，未來幾年，推理端的AI服務器占比將持續攀升。預計到2027年，用于推理的工作負載將占據七成以上。

“DeepSeek的核心突破在于算法優化和計算效率提升，這種低算力需求模型對國產芯片的發展是一個重要機遇?！蹦柧€程市場生態高級總監呂其恒在接受采訪時講道。

首先，DeepSeek的成功表明，通過模型壓縮、稀疏計算、混合精度訓練等技術手段降低算力需求，可以在一定程度上彌補硬件性能的不足，為國內芯片提供了軟硬件協同設計的新思路，證明了在硬件性能短期內難以趕超的情況下，通過軟件層面的創新仍可提升整體計算效能。

其次，DeepSeek在混合精度訓練方面的成功，展示了低精度計算在AI訓練中的潛力。國內芯片廠商可以借鑒這種模式，優化芯片的計算單元，支持更靈活的精度配置。

據了解，摩爾線程是目前國內唯一能支持包括FP8在內的全精度AI訓練的全功能GPU企業。摩爾線程全功能GPU配備了最新一代的Tensor Core，原生支持E5M2和E4M3兩種表示方式的FP8數據精度，可以為DeepSeek的模型訓練提供國產算力支持。

談及DeepSeek對國產算力芯片的影響，呂其恒認為，從訓練側來看，Scaling Law規模定律仍然有效，模型迭代會加快，對于國產優質訓練算力的需求不會降低；長期看，模型參數規模擴大（如GPT-5）和訓練方法革新（如MoE）仍會推動訓練算力需求增長。

而從推理側來看，隨著生成式AI應用落地，落地應用（如AIGC、智能體、垂直行業模型）將帶來海量碎片化推理需求，市場規模有可能超過訓練。

激活“訓推一體”，驅動協同增長

目前，DeepSeek憑借算法優化與混合精度訓練技術，將大模型訓練成本顯著降低，一改往日大模型訓練“大力出奇跡”的畫風。DeepSeek推動AI普惠化的同時，國產廠商也有望借鑒DeepSeek的技術創新經驗，在推理側開拓新藍海。

以摩爾線程為代表，作為一家專注于全功能GPU設計的企業，其正積極探索與DeepSeek相結合的AI應用與產品。

一方面，摩爾線程的全功能GPU已成功適配DeepSeek-V3和DeepSeek-R1原生671B模型，進一步驗證了摩爾線程在軟硬件協同優化方面的深厚技術積累；另一方面，基于全功能GPU，摩爾線程與合作伙伴聯合打造的多款智算一體機已完成與DeepSeek等主流大模型的深度適配。

例如，摩爾線程與雪浪云聯合打造的“軟硬件緊耦合”大模型訓推一體機——雪浪MindCenter X100，憑借其卓越的性能和靈活的架構，已成功部署DeepSeek-R1-Distill-Qwen推理服務，并在多種中文任務中展現了優異的性能。

“對于摩爾線程來說，DeepSeek的V3和R1進一步驗證了我們GPU產品在功能上的前瞻性，特別是對FP8精度的支持和不犧牲算力的異步通信能力?！眳纹浜阒v道。

隨著DeepSeek模型在多個智算中心快速部署，推理算力需求激增，面向推理側和訓練側的部署調整，呂其恒認為，短期內，國產GPU廠商應保持訓練芯片的持續迭代，比如最好支持FP8，確保技術不脫節），同時通過推理芯片快速切入商業化場景。從長期上，應瞄準“訓推一體”架構（如摩爾線程MUSA），通過統一計算平臺降低客戶切換成本，最終在自主生態中實現訓練與推理的協同增長。

技術門檻遷移，迎接“多元共存”

在AI芯片行業，“生態兼容性”始終是國產廠商難以跨越的隱形門檻。英偉達憑借CUDA生態構筑的技術護城河，曾讓國產GPU在訓練場景中舉步維艱。然而，DeepSeek開源模型的推出，配合國產芯片廠商的戰略協作，正在重塑這一游戲規則。

“長期來看，隨著國產替代的推進、算法優化能力的提升，以及行業對供應鏈安全的重視，將逐步降低單一依賴風險?！眳纹浜阒赋?，這一過程需要時間和技術積累，但已是不可逆的趨勢，未來的算力底座更可能呈現“多元共存”的形態。

盡管當前國產AI生態仍面臨不同廠商技術框架兼容性不足、技術標準碎片化，垂直領域付費模式不甚清晰、商業閉環尚未成熟，行業巨頭生態綁定式制約、全球化競爭壓力等多重挑戰。

在技術與產業的雙重考量下，我們可以看到，摩爾線程攜手行業伙伴探索構建全國產“算法－芯片－場景”的生態，驗證了AI國產自主發展創新的道路是完全可行的。

在技術驗證與突破上，摩爾線程接入DeepSeek，驗證了其自研全功能GPU的通用性與CUDA兼容性，這表明國產GPU在復雜AI任務中具備強大的支持能力，為國產AI技術的自主可控發展奠定了堅實基礎。

在生態協同上，DeepSeek的開源模型與摩爾線程的硬件實踐形成國產閉環，將進一步推動國產AI硬件與軟件的協同發展。這種協同不僅提升了整體性能，還為未來更多大規模模型的部署提供了技術保障，有助于構建更加完善的國產AI技術生態。

在產業協同與集群效應上，無論是摩爾線程的行業合作，還是其他國產芯片廠商的接入與適配實踐，都將吸引更多上下游企業參與到國產AI生態建設中，形成產業集群效應，推動整個國產AI產業的發展。

在開源與普惠化上，DeepSeek的開源模式降低了AI技術的使用門檻，摩爾線程的高效部署使得更多開發者能夠基于國產GPU進行AI應用創新。這種開源與普惠化的結合，也將推動AI技術的廣泛傳播和應用，促進國產AI生態的繁榮。

目前，摩爾線程已經在制造業、工程機械、新能源、教育、金融等多個行業中落地應用，展示了國產GPU在復雜AI任務中的強大支持能力。

呂其恒介紹，未來，摩爾線程將持續深化與開源社區合作，通過技術開放與生態共建，推動國產全功能GPU在AI計算領域的規?；瘧?，并協同多家生態伙伴形成的強大的生態網絡。

結語

DeepSeek的橫空出世絕非偶然，產業協同創新更是發展必然。從產業鏈上游的算力基礎，到中游的模型研發和數據訓練，再到下游的垂直應用與合作，折射出了中國AI產業從“追趕者”向“定義者”轉型的集體野心。摩爾線程的實踐證明，當算法創新、硬件突破與生態協作形成合力時，國產算力有能力在市場占據一席之地。深耕技術自主、生態開放以及場景縱深的破局之路，2025年，國產算力芯片大有可為。