DeepSeek融资近千亿大批量采购华为昇腾芯片打破英伟达垄断

大批量采购华为昇腾芯片后，DeepSeek所用芯片一半是英伟达，一半是华为，打破英伟达垄断。这为后续DeepSeek降低成本和算力出口打下基础，同时也间接刺激了华为昇腾芯片的品牌力度，为后续有可能的华为芯片出口打破瓶颈。

这次融资不是直接给DeepSeek公司，是先投资给梁文锋担任 GP（普通合伙人）的有限合伙企业，再由该合伙企业向DeepSeek增资。

DeepSeek融资主要目的是建设内蒙古数据中心，打造国产算力集群，该集群主要用于前沿大模型的预训练，旨在突破英伟达在训练环节的垄断，并深化与华为生态的绑定。

完整的大模型训练通常分三个阶段：1、预训练，2、监督微调（SFT），3、对齐训练（RLHF / RLAIF 等）。还有后训练和持续训练。

训练和人类学习知识进行记忆处理类似，白天学习，晚上复习，重点再背会和书本上对齐。为什么说是人工智能？模仿人类行为，所以叫人工智能。

锐英源软件以前做简单的训练，语音识别训练，语言是蒙语，先对全部数据进行训练一次，发现哪个音节相关的词识别的不好，就再多采集一些相关的语音文件，再训练，反复迭代，直到常见词汇都能识别才能发布版本。这简单的训练过程和DeepSeek不能比，就是个类比引导。

DeepEP高性能通信库

针对华为昇腾芯片的使用，DeepSeek对代码组件进行了升级开发，比如DeepEP通信库里的代码：

DeepSeek DeepEP bucket

这是DeepEP通信库的C++头文件，还能对应的库，这些头文件和库被Python文件调用，这就是DeepSeek的语言层面的架构。

看到bucket词汇，锐英源软件就想到了以前研究Apache代码时的心得，Apache内存管理里也有bucket桶的概念，心得网页在Apache页面里有。

Apache是进程内内存调度，调度几个G的内存，而DeepSeek量级大的多，不过要想学会，最好从简单学起，学会进程或线程的内存池，才好理解AI大模型的内存管理。

DeepEP是DeepSeek开源的高性能通信库，专为混合专家（MoE）模型和专家并行（EP） 设计，旨在解决大规模分布式 AI 训练和推理中的通信瓶颈，提升GPU利用效率。

DeepEP 的核心是提供高吞吐量、低延迟的 all-to-all GPU 计算核，用于 MoE 模型的派发（dispatch） 和合并（combine） 操作。

高效全对全通信：支持节点内和节点间通信，兼容 NVLink 和 RDMA 高速互联技术。
双内核设计：
- 高吞吐量内核：用于训练和推理预填充阶段，最大化数据交换效率。
- 低延迟内核：用于推理解码阶段，采用纯 RDMA 技术，最大限度降低延迟。
原生 FP8 支持：完全支持 FP8 低精度数据格式的调度，有效降低计算资源消耗。
计算与通信重叠：通过基于Hook的方法实现通信与计算的重叠执行，且不占用 SM（流处理器）资源，从而显著提升硬件利用率。DeepEP 说“不占用 SM 资源”，意思是它通过 RDMA、NVLink 异步通信、专用通信核等手段，让数据搬运尽量不消耗通用计算资源，把 SM 留给 GEMM、Attention 等真正的计算任务，从而提升整体吞吐和 GPU 利用率。2026年上半年HBM内存让韩国赚在盆满钵满，在技术和市场目的上和DeepEP类似，都是消除数据供给瓶颈，提升 GPU 利用率。

DeepEP 项目持续快速迭代，近期有两项重要更新：

DeepEP V2：进行了完全重构，统一了高吞吐和低延迟 API 至单一的 EPBuffer 接口，并新增了 NCCL Gin 后端、JIT 编译通信核等特性，支持更大规模的集群部署。
DeepEP-Ascend：DeepSeek 已开源面向华为昇腾（Ascend）950 NPU 的版本，提供相同的 API 和完整性能，实测 Dispatch 带宽达 375 GB/s，Combine 带宽达 347 GB/s，接近硬件上限。

大学生如果想进华为和DeepSeek这些技术概念和细节要掌握，掌握了容易过面试，就是进低一档的企业，也是好就业。

友情链接