“服务器繁忙，请稍后再试。”这是近期deepseek用户经历的日常，需求井喷让deepseek始终处于满负荷算力运行状态。然而，“算力不足”的另一面却是“算力过剩”——市场上大量异构芯片因彼此之间“语言不通”存在“生态隔离”，难以被有效整合和利用。
入驻上海模速空间的国内ai基础设施头部公司无问芯穹捕捉到了deepseek爆火引发的算力瓶颈，今天推出首个支持deepseek多芯片适配和推理的ai异构云大模型服务平台。开发者不仅能一键获取r1、v3模型，还将能选用来自壁仞科技、海光信息、华为升腾、摩尔线程、沐曦、燧原科技、天数智芯等7家国产ai芯片品牌的算力。这意味着国产芯片上也能跑“满血版”deepseek了。
对国内智算产业来说，deepseek是激励，更是绝佳的商业化试炼场。如何利用好deepseek模型带来的算力优化启示，高效盘活国产算力资源，成为值得行业思考和探索的话题。
全网“服务繁忙”，完善算力基建迫在眉睫
尽管deepseek本身降低了对模型预训练的算力需求，但却激发了大量推理算力需求，引爆了整个ai生态链更大的应用需求。目前，主流云厂商几乎均已宣布提供r1模型服务，但全网依然“服务繁忙”。在此背景下，国产算力实际上还有很大的挖潜空间，完善算⼒基建迫在眉睫。
如何将大量不同架构的国产芯片变得能用、好用，并在使用过程中形成硬件与算法之间的正向循环？无问芯穹的策略是做“异构云”， 即统筹模型和算力需求，把分散在不同地方的异构算力整合起来。
无问芯穹联合创始人、首席执行官夏立雪解释说，和人类社会一样，芯片之间的通信也需要“语言”，不同构架的芯片“语种”各不相同。无问芯穹基于团队成员此前在清华大学电子工程系的技术积累，实现了不同芯片间的高效通信，相当于发明了一种能让异构芯片顺畅交流的“世界语”。
与此同时，不同芯片擅长的“工种”各不相同，如果平均分配任务，就会出现“尖子生”空闲而“普通人”忙不过来的现象，造成算力浪费。要解决这一问题，需要对每种芯片在实际执行中的速度和效果了如指掌，从而在分配任务时“因片制宜”。此外，不同芯片还有不同优化空间，可深度挖掘软硬件的适配度，进一步提升“单兵作战”能力。
凭借着对算法、硬件、场景的深度理解，无问芯穹将“百花齐放”的国产异构芯片汇聚起来，将非标准化算力变成标准化算力赋能千行百业。2024年，公司推出业内首个千卡规模异构芯片混训平台，将来自不同厂商的异构芯片拉入大模型“聊天群”。这一创新“异构计算集群”执行ai训练任务的算力利用率最高可达97.6%。目前，无问芯穹异构云平台已接入13座城市的算力中心。
加速“国产模型-国产芯片-国产系统”产业闭环
深度解读deepseek的系统架构设计不难发现，其核心就是软硬件协同优化理念，这在国内算力受限场景下实现模型能力的突破具有重要意义。
无问芯穹联合创始人、首席执行官夏立雪。受访者供图
业内专家指出，在美国，模型、系统、芯片三大ai发展关键要素已形成闭环生态。而大部分国产模型是通过国际主流芯片（如英伟达）训练得到，尚未与国内的ai系统、芯片形成闭环生态。deepseek的异军突起激发了越来越多的下游应用创造力，未来行业日均tokens消耗量将达百万亿级别。这不仅将激发国产芯片的市场需求，也为打造全国产ai产业闭环，实现更可控的自主算力支撑创造有利条件。
据国际数据公司（idc）预测，2027年中国智能算力规模将是2023年的3倍，达1117.4eflops（每秒百亿亿次浮点运算）。新增算力从哪里来？在夏立雪看来，一方面是将数量占据半壁江山的国产异构芯片纳入标准化算力体系，另一方面则需通过算法提升算力使用效率，从而降低大模型的落地成本，由此打造“国产模型-国产芯片-国产系统”的全国产ai产业闭环。这种软硬件协同优化的技术路径与deepseek的模型构架创新在理念上异曲同工。
事实上，deepseek的成功也将更多优秀中国ai企业推向世界舞台。近日，知名科技商业智库《麻省理工科技评论》点评了4家中国ai新锐。报道指出，除deepseek之外，阶跃星辰、面壁智能、智谱ai、无问芯穹4家企业同样展现出不俗的技术实力与全球竞争力。目前，4家ai新锐已有3家入驻上海模速空间，某种程度上体现了上海在ai领域战略布局的前瞻性与精准性。
从国产模型到国产算力、国产应用，deepsseek让国内ai产业链上下游意识到，在堆叠算力储备、比拼模型精度的巨头竞赛之外，找到未被业界主流关注到的“创新盲点”，跨越软硬件，攒动上下游，有可能走出出奇制胜的技术路径。
