2026年11月3日，据多名产业链人士透露，DeepSeek计划基于昇腾芯片开展下一代大模型DeepSeek V5的预训练。此前，昇腾主要承担的是推理任务。若这一计划顺利推进，其意义不仅在于算力选择，更在于首次通过工程实践回答一个长期悬而未决的问题：中国顶尖大模型能否在国产算力上完成基础预训练。
对通信行业而言，这不仅仅是一个技术事件。预训练涉及芯片、超节点、互联组网、编译工具、通信库、模型并行策略和云数据中心运维等多方面。国产AI算力能否从“推理可用”走向“训练可支撑”，将直接影响算力基础设施的发展路径，并影响全球AI算力竞争从单卡性能比拼转向系统生态竞争的节奏。
推理侧的核心指标是吞吐、时延和单位token成本，此时算力系统主要负责服务交付。预训练则处于模型生产的上游，需要大规模集群长时间稳定运行，对卡间互联、节点间通信、并行训练效率、故障容错和软件栈成熟度有更高要求。换句话说，推理验证的是“模型能不能跑”，预训练检验的是“模型能不能造”。
因此，V5计划基于昇腾开展预训练，若最终实现，将成为国产AI芯片从推理适配迈向全流程训练支撑的关键观察点。
昇腾与DeepSeek的协同并非突然发生。2025年春节前后，昇腾已开始承载DeepSeek模型的大规模部署。浙江大学传媒与国际文化学院常务副院长方兴东在《昇腾崛起》一书中提到，2025年1月28日，华为高层决定华为云快速支持DeepSeek；除夕至大年初二，双方完成了3000多张昇腾芯片的部署和验证，将DeepSeek-V3/R1部署到华为云贵安数据中心。2025年1月，硅基流动与华为云上线了基于昇腾的DeepSeek-V3、R1推理服务。这一阶段的关键词是“部署”和“推理”，解决的是模型服务在国产算力上的稳定性问题。
2026年4月DeepSeek-V4发布后，华为表示通过双方“芯模技术协同”，昇腾超节点全系列产品已全面支持DeepSeek V4系列模型。DeepSeek在其官方API页面提到，受限于高端算力，V4-Pro模型的服务吞吐仍有限，预计下半年昇腾950超节点批量上市后，Pro价格会大幅下调。这说明国产算力对模型服务的支撑仍在爬坡，供给规模、集群效率和成本曲线仍是现实约束。
2026年9月30日，DeepSeek宣布开源面向华为昇腾算力平台的基础设施组件，涵盖TileLang高级语言编译工具、高性能计算库DeepGEMM、FlashMLA、TileKernel、DeepSelect等，以及分布式通信库DeepEP。华为提供了联合定义的昇腾超节点SuperPoD Flex和UBL128组网方案，并开放Ascend C编程接口与底层指令体系支持TileLang工作。这一动作表明，DeepSeek与昇腾的合作已从模型部署延伸到软件栈底层：不仅使用昇腾做推理，也在编译工具、算子库、通信库和组网方案上进行系统性对齐。预训练所需的正是这种从框架到算子、从单机到集群、从计算到通信的底层协同。V5计划切入预训练，背后有一条清晰的技术准备曲线。
国产AI芯片的生态成熟度不能只用单卡峰值性能衡量。推理侧的规模化验证提供了产业信心：模型厂商愿意适配，云平台能够部署，服务能够上线，说明基础软件栈和工程交付能力已经过一轮检验。但训练侧决定市场天花板的是生态迁移成本，包括模型代码改造量、算子覆盖度、通信库效率、集群故障恢复能力，以及开发者能否以较低成本把现有训练流程迁移过来。
从这一维度看，昇腾路线的特点是系统级推进。SuperPoD Flex超节点和UBL128组网方案，把竞争焦点从单卡延伸到节点互联和集群组网；TileLang、DeepEP等组件，则试图在编译层和通信层降低迁移门槛。AI超节点本质上是一套高密度计算与高速互联结合的网络系统，算力效率越来越取决于网络带宽、时延、拥塞控制和全局调度能力。中国通信产业在5G、光传输、数据中心网络和大型工程交付中积累的组网经验，有望成为AI算力基础设施竞争的一部分；运营商和云服务商的算力网络调度能力，也会影响国产芯片的落地效率。
但训练侧的考验更为严苛。预训练通常需要长时间连续运行，任何节点故障、通信抖动或软件栈不稳定都会被集群规模放大。昇腾950超节点的批量上市进度、集群稳定性、软件生态丰富度和模型迭代速度，都是V5计划能否顺利推进的变量。推理侧的成功可以证明“可用”，预训练要证明的是“可持续、可扩展、可迭代”。
放到全球AI算力竞争格局中看，DeepSeek V5计划使用昇腾预训练，反映出一个更长期的变化：AI算力竞争正从单一GPU性能竞争转向“芯片+软件栈+云平台+模型”的系统生态竞争。英伟达的优势不仅来自芯片，还来自CUDA生态、开发者习惯和长期积累的软件工具链。国产算力要形成竞争力，同样不能只靠硬件参数，而需要在编译器、算子库、通信库、框架适配和模型协同上形成闭环。
“国芯国模”协同的价值正在于此。模型厂商深度参与芯片软件栈共建，可以把训练中的真实需求反馈到底层工具链；芯片和云平台则通过模型迭代验证集群能力。若DeepSeek V5基于昇腾完成预训练，将为中国AI产业提供一条降低单一生态依赖的工程路径，也会影响全球客户对国产算力系统成熟度的判断。但这一过程不会一蹴而就。短期内，国产算力更现实的路径是在推理、后训练和部分预训练场景中逐步扩大验证范围，以集群效率、成本和稳定性争取市场空间，而非简单替代现有生态。
对通信行业来说，需要关注的重点也将从“芯片是否适配模型”扩展到“算力网络是否支撑模型生产”。超节点组网、高速互联、数据中心能效、算网调度和跨集群协同，都会成为国产AI算力规模化落地的关键环节。DeepSeek V5的昇腾预训练计划，是一个值得持续跟踪的观察窗口：它若完成，意味着国产AI算力开始进入全流程训练支撑的深水区；它若遇到波折，也将暴露生态成熟度下一步需要补课的具体环节。无论结果如何，国产AI芯片的竞争已经走到系统能力比拼的阶段。
