「服務器繁忙，請稍後再試。」這是近期deepseek用戶經歷的日常，需求井噴讓deepseek始終處於滿負荷算力運行狀態。然而，「算力不足」的另一面卻是「算力過剩」——市場上大量異構芯片因彼此之間「語言不通」存在「生態隔離」，難以被有效整合和利用。
入駐上海模速空間的國內ai基礎設施頭部公司無問芯穹捕捉到了deepseek爆火引發的算力瓶頸，今天推出首個支持deepseek多芯片適配和推理的ai異構雲大模型服務平台。開發者不僅能一鍵獲取r1、v3模型，還將能選用來自壁仞科技、海光信息、華為昇騰、摩爾線程、沐曦、燧原科技、天數智芯等7家國產ai芯片品牌的算力。這意味着國產芯片上也能跑「滿血版」deepseek了。
對國內智算產業來說，deepseek是激勵，更是絕佳的商業化試煉場。如何利用好deepseek模型帶來的算力優化啟示，高效盤活國產算力資源，成為值得行業思考和探索的話題。
全網「服務繁忙」，完善算力基建迫在眉睫
儘管deepseek本身降低了對模型預訓練的算力需求，但卻激發了大量推理算力需求，引爆了整個ai生態鏈更大的應用需求。目前，主流雲廠商幾乎均已宣布提供r1模型服務，但全網依然「服務繁忙」。在此背景下，國產算力實際上還有很大的挖潛空間，完善算⼒基建迫在眉睫。
如何將大量不同架構的國產芯片變得能用、好用，並在使用過程中形成硬件與算法之間的正向循環？無問芯穹的策略是做「異構雲」， 即統籌模型和算力需求，把分散在不同地方的異構算力整合起來。
無問芯穹聯合創始人、首席執行官夏立雪解釋說，和人類社會一樣，芯片之間的通信也需要「語言」，不同構架的芯片「語種」各不相同。無問芯穹基於團隊成員此前在清華大學電子工程系的技術積累，實現了不同芯片間的高效通信，相當於發明了一種能讓異構芯片順暢交流的「世界語」。
與此同時，不同芯片擅長的「工種」各不相同，如果平均分配任務，就會出現「尖子生」空閑而「普通人」忙不過來的現象，造成算力浪費。要解決這一問題，需要對每種芯片在實際執行中的速度和效果了如指掌，從而在分配任務時「因片制宜」。此外，不同芯片還有不同優化空間，可深度挖掘軟硬件的適配度，進一步提升「單兵作戰」能力。
憑藉著對算法、硬件、場景的深度理解，無問芯穹將「百花齊放」的國產異構芯片匯聚起來，將非標準化算力變成標準化算力賦能千行百業。2024年，公司推出業內首個千卡規模異構芯片混訓平台，將來自不同廠商的異構芯片拉入大模型「聊天群」。這一創新「異構計算集群」執行ai訓練任務的算力利用率最高可達97.6%。目前，無問芯穹異構雲平台已接入13座城市的算力中心。
加速「國產模型-國產芯片-國產系統」產業閉環
深度解讀deepseek的系統架構設計不難發現，其核心就是軟硬件協同優化理念，這在國內算力受限場景下實現模型能力的突破具有重要意義。
無問芯穹聯合創始人、首席執行官夏立雪。受訪者供圖
業內專家指出，在美國，模型、系統、芯片三大ai發展關鍵要素已形成閉環生態。而大部分國產模型是通過國際主流芯片（如英偉達）訓練得到，尚未與國內的ai系統、芯片形成閉環生態。deepseek的異軍突起激發了越來越多的下游應用創造力，未來行業日均tokens消耗量將達百萬億級別。這不僅將激發國產芯片的市場需求，也為打造全國產ai產業閉環，實現更可控的自主算力支撐創造有利條件。
據國際數據公司（idc）預測，2027年中國智能算力規模將是2023年的3倍，達1117.4eflops（每秒百億億次浮點運算）。新增算力從哪裡來？在夏立雪看來，一方面是將數量佔據半壁江山的國產異構芯片納入標準化算力體系，另一方面則需通過算法提升算力使用效率，從而降低大模型的落地成本，由此打造「國產模型-國產芯片-國產系統」的全國產ai產業閉環。這種軟硬件協同優化的技術路徑與deepseek的模型構架創新在理念上異曲同工。
事實上，deepseek的成功也將更多優秀中國ai企業推向世界舞台。近日，知名科技商業智庫《麻省理工科技評論》點評了4家中國ai新銳。報道指出，除deepseek之外，階躍星辰、面壁智能、智譜ai、無問芯穹4家企業同樣展現出不俗的技術實力與全球競爭力。目前，4家ai新銳已有3家入駐上海模速空間，某種程度上體現了上海在ai領域戰略布局的前瞻性與精準性。
從國產模型到國產算力、國產應用，deepsseek讓國內ai產業鏈上下游意識到，在堆疊算力儲備、比拼模型精度的巨頭競賽之外，找到未被業界主流關注到的「創新盲點」，跨越軟硬件，攢動上下游，有可能走出出奇制勝的技術路徑。
