中國 AI 模型公司 DeepSeek 週三通過微信公眾號宣佈，已與 華為 達成合作，為華為 昇騰（Ascend） 系列晶片開發並開源一套程式設計底座。華為在程式設計基礎設施的開發中提供了全面支援，雙方還基於 128 顆昇騰 950 晶片推進了一個「超級節點」專案。

這一合作並非孤立事件。就在幾周前，華為剛釋出了面向計算超級叢集和資料中心的新一代昇騰 AI 晶片產品線，並預計其 AI 晶片到 2027 年將廣泛用於模型訓練。華為處於中國發展本土 AI 晶片、降低對 輝達 依賴的核心位置，過去一年間，北京方面也出台了一系列經濟與監管措施來支援這一方向。

從 DeepSeek 自身的硬體路線看，轉向國產替代的跡象已經持續了一段時間。該公司此前主要依賴輝達硬體，尤其是 H800，但在 2026 年明顯加快向國產方案遷移。其 V4-Flash AI 模型已針對華為晶片做了最佳化，背景是中國基本阻斷了輝達晶片的國內銷售。

此次合作的核心看點在於軟體層。晶片效能能否被充分釋放，很大程度上取決於程式設計工具與生態的成熟度。輝達的 CUDA 生態長期是其在 AI 訓練市場的護城河，開發者習慣與工具鏈的遷移成本極高。DeepSeek 選擇開源程式設計底座，意味著它試圖把自身在模型側的經驗反哺到昇騰的軟體棧中，降低開發者接入國產晶片的門檻。

對產業鏈而言，這一動作把模型層與晶片層的協同推向了更深的層次。模型公司參與晶片程式設計工具的共建，有助於形成「模型—工具—晶片」的閉環反饋，加速國產算力在實際訓練任務中的可用性驗證。若開源底座能吸引更多開發者採用昇騰，國產晶片在訓練場景的滲透率有望逐步提升。

不過，生態建設是長週期工程。程式設計工具的開源只是起點，後續還需要編譯器、運算元庫、框架適配以及大量真實工作負載的打磨。華為預計 2027 年其晶片在模型訓練中廣泛使用，這一時間表本身也說明規模化落地仍需時日。

對關注 AI 算力格局的投資者而言，這條訊息的意義在於國產替代正從「硬體可用」走向「軟體好用」的階段。模型廠商與晶片廠商的深度繫結，可能改變中國 AI 基礎設施的採購結構與技術路線選擇，進而影響相關算力供應鏈的長期需求分佈。