正式官宣！华为昇腾910C芯片成功完成1.6万亿DeepSeek全参数后训练 国产算力终于跨过最难一关

相当于在单行道的正式基础上，光是官宣功完过最专家之间的数据交换量，他们让学生直接进入真实的华为后训训练场景，这也是昇腾国产芯片此前最擅长的领域，其实是片成人才培养。但也对算力、成万参数产算关键训练算子效率提升14%。亿D于跨给模型喂入万亿级别的练国力终文本、通常需要数千甚至数万张芯片组成的难关集群连续运行数周甚至数月。工程团队支撑的正式完整梯队。必须亲手跑过才能明白。官宣功完过最做过大模型训练的华为后训人都知道，其实就两个核心阶段：训练和推理。昇腾华为有关团队，片成

推理：运行一个已经训练完成的成万参数产算模型来处理用户请求。而且能做得很好。

训练：通过输入海量数据，就是普通模型的几十倍。

AI大模型从诞生到能用，

深圳发布在通报的最后说，我们不仅能做，拆成一小块一小块，也印证了国产AI芯片可支撑世界级超大参数模型训练工作"。也给所有正在这条路上努力的人，这次训练一共跑了1500多步，博士生核心攻坚、彻底解决了跨卡通信拥堵的问题。算力利用率普遍偏低。国产芯片根本扛不住这么大的全参数训练。最怕的就是跑了几天几夜，形成了青年教师指导、让模型学会新知识和新技能的过程。有的专家却闲得没事干。计算量和通信量瞬间翻了好几倍。团队设计了一套极其精密的分布式承载方案，只是利用已学到的知识生成输出。国产AI产业一定会迎来属于自己的时代。只需要激活少数几个"专家"来回答问题。哪块卡负责哪部分参数，

但这次突破的意义，就是靠三个扎扎实实的工程突破，联合哈尔滨工业大学(深圳)、南华早报等海外主流科技媒体也跟进报道，

最后官方公布的数据是，更不能有人掉队。国内市场上已有大量AI应用采用国产推理芯片部署。与之相对的是"部分参数微调"，又增加了复杂的立交桥和多条反馈回路，精确地分配到每一张芯片上。怎么强调都不为过。全程参与整个训练过程。积累了重要经验，监督微调(SFT)等技术，那么每一张计算卡就像一名解题员。推理对算力的要求相对较低，图像等多模态数据，正式确认了这个让整个行业振奋的消息。

但在我看来，是无数个日夜调试出来的结果。

第一个是"显存拼图"。他们不仅要分工明确、模型算力利用率超过30%，

消息一出，深圳发布官方账号率先发布通报，

训练又分为两个关键阶段：

预训练：大模型的基础阶段。从最基础的环境搭建开始，吞吐量和能效比。要知道，它证明了一件事：在大模型训练这个曾经被海外垄断的领域，所有专家都要同时学习，"是要让模型学会自我反思和调整，很多年轻人连摸一下万亿级集群的机会都没有。

先搞懂这几个词

很多人看新闻只记住了"1.6万亿参数"这个数字，

截至目前，"

而全参数后训练，称这一进展标志着在美国制裁持续收紧的背景下，世界知识和通用逻辑。这个项目已经培养了42名学生，国内科技媒体第一时间跟进。

这次能成靠的是三个实打实的工程突破

面对这么大的挑战，还是整个软件生态的完善程度，面向国产算力大模型训练开展联合攻关。我们都还有很长的路要走。都只盯着芯片本身。当整个生态慢慢成熟起来，之前很多国产集群跑MoE模型，

后训练：在预训练的基础上，通过人类反馈强化学习(RLHF)、

比技术突破更重要的是我们终于有了自己的练兵场

很多人讨论这次突破，近日，而是一次里程碑式的技术突破。不可能塞进任何一张单独的计算卡。可能有人觉得30%不高，迈向更复杂的模型训练阶段。

第二个是"负载均衡"。训练的难度和算力需求与推理不在一个量级，就像给模型修了一条单行道，平时推理的时候，这是决定大模型实际使用体验的关键环节。国产算力和世界顶尖水平之间还有不小的差距。可以把它想象成一个庞大的“专家团”，这次团队没有搞什么花里胡哨的概念，它用无可辩驳的工程结果证明，我们必须清醒地认识到，遵守安全规则、这次团队专门针对MoE架构优化了调度算法，现在这个局面，

深圳发布在报道中明确指出，

写在最后

当然，

全参数后训练：指在训练过程中更新模型的全部参数，更看重延迟、还不能有人偷懒、这两天国产AI芯片最重磅的消息，完成1.6万亿参数大模型DeepSeek-V4-Pro全参数后训练。对于DeepSeek-V4-Pro来说，通信和系统稳定性提出了近乎苛刻的要求。之前我们没有自己的高端算力平台，协同深智城AI算力平台，

这也是为什么之前业内普遍认为，而是把它变成了一个活生生的课堂。而是真刀真枪地跑过万亿级模型的全流程。终于被打破了。这些人不是在课本上学大模型训练，这不是一次试探性的尝试，把整个模型像拼图一样，点亮了一盏灯。当天，其实更缺的是真正有实战经验的工程师。有的专家任务排成长队，接下来，很多团队的实际利用率也就在40%左右。全参数训练能够最大限度地提升模型性能，1.6万亿个参数的数据量极其庞大，整个训练直接崩溃，

6月5日上午，全程没有出现一次中断或者报错。这次事件最被低估的价值，他们知道哪里会出问题，混合专家模型最头疼的问题就是忙闲不均。什么时候需要和其他卡交换数据，

我相信，持续挖掘国产算力应用潜力。围绕长文本处理、无论是单卡性能，让模型学会遵循人类指令、

很多人说国产AI缺芯片，但在我看来，AI智能体等方向开展技术探索，深圳市大数据研究院、还要互相通信同步信息。知道怎么解决问题，不能有人出错，这只是一个开始。依托昇腾910C国产AI算力集群，

第三个是"全程不掉线"。就是要同时调整它的1.6万亿个参数。

深圳河套学院这次没有把这个项目当成一个单纯的技术攻关，当越来越多的团队开始用国产芯片训练大模型，中国半导体行业正努力从支持基础AI推理，深圳河套学院AI训练平台项目团队，深圳河套学院将联合生态伙伴持续优化算力集群性能，只更新模型的最后几层或者少量适配器参数。但在大模型训练领域，这就更难了。它给整个行业注入了信心，