全网首份指令级拆解：看华为昇腾 950DT 芯片如何撬动 DeepSeek 75%降价与字节锁单

距离正式上线华为云还有两个月，华为的最新 AI 芯片昇腾 950DT，已经被提前放到了显微镜下。 近日，华尔街知名半导体研究机构 SemiAnalysis 已经率先拿到样机，围绕 950 系列运行 DeepSeek V4 的推理链路进行了 Trace 级拆解。 从芯片架构、并行调度、融合算子到 MoE 通信，报告深度解构了华为这款国产高端 AI 芯片是如何压榨极致性能，承接 DeepSeek V4 的核心推理负载需求的。（注：芯片的 Trace 分析是指利用专用软硬件记录芯片内部程序的运行轨迹、时序和性能数据） 值得注意的是，这不是一次普通的“适配”分析。SemiAnalysis 在报告中明确提到，DeepSeek V4 的部分架构，是为华为昇腾推理进行协同设计的，“in part co-designed for Huawei Ascend inference”。 也就是说，昇腾 950DT 并非在模型发布之后被动接入 DeepSeek V4，而是更早参与到了模型推理路径、硬件执行方式和软件栈优化的共同打磨中。 这也是 950 系列真正值得关注的地方。它有望成为推动 DeepSeek 从英伟达底座 转向 国产昇腾底座的关键节点，而这种迁移与转向往往是不可逆的。 过去，国产 AI 芯片一直被放在“能不能替代英伟达”的叙事下讨论。但 DeepSeek V4 把问题往前推了一步：它不是简单证明国产芯片能跑大模型，而是开始验证国产芯片能否支撑得起顶级模型的低成本、高并发推理。 DeepSeek V4 把 950DT 推向前台 在 DeepSeek V4 官方技术报告中，昇腾 950 已经与英伟达 H100/H800 一起进入硬件验证名单。950 系列可分为两个版本：950PR 面向 Prefill 和推荐场景，950DT 则面向 Decode 和训练场景。 前者解决当下供给，后者瞄准大模型推理里最烧钱的一段。 在训练端，由于此次 V4 放弃了多头注意力机制 MLA（Multi-head Latent Attention），首次采用了全新的压缩稀疏注意力机制 (CSA) 、高度压缩注意力机制 (HCA)架构。对此，华为官方直言“离不开昇腾 950 超节点的协同”。 推理端，V4 把百万上下文的价格打到 2 毛钱，较 Anthropic 便宜 50 倍左右，这背后同样少不了双方在底层芯片、推理框架、低精度计算和通信优化的共同作用。 换句话说，DeepSeek 的“价格屠夫”标签，不只是模型侧的胜利没，更是一场由模型架构、芯片带宽、编译器、融合算子、推理框架和云服务共同参与的成本战役。 昇腾 950DT 的含金量，正体现在它进入了 DeepSeek 这套成本结构的核心环节。 而这种成本优势，反映到市场上则是极具竞争力的商业价值。根据 Vercel 最新发布的 5 月 AI Gateway 生产指数，随着 4 月 DeepSeek V4 上线，DeepSeek 的 Token 流量份额从不足 1% 快速升至 17%，超越 OpenAI，位居第三，在一众海外模型中杀出重围。 流量爆发的背后，价格是最直接的驱动力。 DeepSeek 早些时候在官网明确指出：“预计下半年昇腾 950 超节点批量上市后，Pro 的价格会大幅下调。” 随后，便宣布 DeepSeek-V4-Pro API 永久降价至原价格的四分之一。这也直接印证了 V4 的 API 正深度依赖 950 部署，且成本结构仍有极大的优化空间。 DeepSeek V4 的强大背书，给了 950DT “产品层面可验证”的底气，随即点燃了互联网大厂的采购热情。（注标题里的 BAT 指字节、阿里与腾讯） 4 月以来，昇腾 950 系列订单持续升温。据此前路透社报道，字节已拿下一半产能，阿里、腾讯分别跟进数十万颗。中国移动在 2026-2027 年度 AI 超节点设备集采清单中，也指定了 776 套昇腾节点设备，折合 6208 张 AI 加速卡。 所以，SemiAnalysis 的这份报告，不仅是全网首份在 950DT 正式上市之前、对其推理架构进行 trace 级别拆解的分析，也是 DeepSeek 与昇腾强耦合研发、国产大模型基于国产芯片进行原生开发的首次揭秘。 芯片架构：四个核心计算单元 950 系列共用同一颗 Ascend 950 Die，采用双 Die UMA（统一内存访问）架构——两颗 Die 通过高带宽总线直连，在操作系统层面呈现为单一设备，而不是两块需要显式通信的独立芯片。 由于采用了不同的封装内存方案，950 系列分两个版本：950PR 和 950DT。 • 950PR（Prefill and Recommendation）：今年 3 月已量产，面向推理预填充阶段和推荐系统，侧重成本优化 • 950DT（Decode and Training）：搭载华为自研 HiZQ 2.0 内存，144GB 容量，带宽 4TB/s，专为 Decode 阶段和大模型训练设计，8 月上线华为云 Decode 阶段是典型的访存密集型任务，模型每次生成一个 token 都需要从内存里读大量 KV cache，带宽的提升直接对应吞吐的提升。这也是 950DT 命名里 "D" 的意义所在。 值得一提的是，华为在 CANN 内部代码库中，把昇腾 950 系列的代号定为 "David"。这个名字在多处源码文件中都有引用。 在某种程度上，也可以解读为，华为自己选择了”巨人对少年“的隐喻：弱者拒绝在强者最强的维度上竞争，用一个精准的点，打中对方的软肋。事实上，“以小博大”的精髓在昇腾和 DeepSeek 两个团队身上都有极致的展现。 （注：David 出自《圣经·撒母耳记》。以色列少年牧童大卫（David）面对的是非利士人的巨人武士歌利亚（Goliath），身高近三米、全身铠甲。大卫没有跟他正面硬拼，而是用一根弹弓投出一颗石子，精准击中歌利亚额头，当场将其击倒。） 从芯片内部看，Ascend 950 Die 包含四类关键执行单元，后面所有优化都建立在这套分工之上。 第一类是 AI Cube，也就是 AIC。 它负责大模型里最重的矩阵和张量计算，包括矩阵乘 GEMM、注意力投影 attention projection、FFN 线性层等。相当于英伟达架构里的 Tensor Core，或 谷歌 TPU 里的 MXU。 第二类是 AI Vector，也就是 AIV。 它负责逐元素向量操作，比如激活函数、归一化 RMSNorm、类型转换，以及矩阵计算前后的后处理。 昇腾在这里做了一个关键设计选择：AIC 和 AIV 是分离的独立核心，各自可以加载自己的代码段，并支持双主并行模式 dual-master mode，不需要互相等待。 这种分离让矩阵计算和向量计算能真正并发，而不是排队。 第三类是 AI CPU。 它是一颗独立的、设备端 ARM64 核，直接挂在设备内存上，专门处理 SIMD/SIMT 核心不擅长的工作，比如分支密集的控制流、标量逻辑、动态 shape 处理，以及内核执行前需要根据实时数值计算的调度元数据。 这里最关键的是“设备侧”。 关键在"设备端"三个字：这类控制流如果