我点开 DeepSeek 的 API 定价页，想看看 V4 具体售价多少，结果在价格表下方看到一行灰色小字。
字体特别小，不留意的话很容易直接划走。
上面写着「受限于高端算力，目前 Pro 的服务吞吐十分有限，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」。
简单来说，DeepSeek 把自己未来能不能降价、降多少，公开绑定到了华为昇腾 950 这颗芯片的出货节奏上。
早在 DeepSeek 正式发布前，就有不少传闻将它和昇腾关联在一起，只是一直没有实锤，现在来看，双方的深度合作已经落地。
所以，在我看来，这行不起眼的灰色小字，蕴含的关键信息，比所有跑分加起来都大。
想要看懂这行小字到底有多关键，得先弄懂一个技术细节；DeepSeek V4 训练时，用了一种叫 mxFP4 的精度方案。这名词听着特别高大上，其实我也不懂啊。
于是，索性了解了下，意思是：
大模型有着上万亿个参数，每个参数本质上是一串数字，这些数字全都要存放在芯片的储存空间里；行业里普遍用的是 FP8 方案，靠 8 位比特记录一个数字，FP4 只需要 4 位比特就行。
打个通俗的比方：
FP8 就像用常规字号在 A4 纸上记笔记，一页纸能承载的内容很有限，FP4 把字号缩小一半，同一张纸能装下两倍内容。
虽说精细度稍微差一点，完全不影响正常识别和使用。
我专门查过实测数据，FP4 对比 FP8，问答的准确度几乎没怎么掉，日常使用的绝大多数场景里，普通人完全感受不到区别，还能直接省下一半储存空间。
简单讲，FP4 的优势，是更少的存储空间，更低的计算成本，跑差不多效果的模型。
搞懂 FP4 之后，接下来的事情有意思了。
目前英伟达的整个生态体系，主流用 FP8。国内芯片这边，华为昇腾 950 是唯一一款已经商用、并且明确支持 FP4 的 AI 加速卡。
重点是：唯一一款。
DeepSeek V4 在训练阶段选了 FP4，昇腾 950 恰好是国内唯一支持 FP4 的芯片，这两件事放在一起，不需要任何人告诉你结论。
这根本不是模型做完再临时去兼容国产芯片，早在模型训练起步阶段，选择精度规格的时候，已经专门为这颗芯片量身铺路了。
就像你设计一把钥匙时，已经知道它要开的那把锁长什么样。
那 DeepSeek 为什么要这么做？单纯立场问题，或是情怀加持？我觉得根本没这么简单，毕竟它一直坚持开源，海外也有大量用户在使用。
本质上，背后有一笔实打实的商业账单。
要知道 DeepSeek 是开源企业，核心收入全靠 API 调用；它的核心打法是极致低价，V4-Flash 输入只要 0.2 元每百万 tokens，比 OpenAI 同档次产品便宜几十倍，妥妥的行业价格杀手。
「价格屠夫」的名头听着亮眼，背后却有个绕不开的硬性要求，那就是算力成本必须压到极致。
如果一直绑定英伟达，两大难题永远躲不开：
一，显卡造价昂贵，高昂的算力成本会直接压缩利润；二，供应链完全不受自己掌控，一旦相关管制收紧，随时会被卡脖子。
开源模型厂商利润本来就十分微薄，这种盈利模式下，把核心算力命脉，攥在无法自主掌控的外部供应商手里，无异于慢慢等死。
所以，拥抱国产芯片是 DeepSeek 能持续走低价路线、长久活下去的核心关键。
对了，这还没完。V4 是周五上午发的，同一天之内，华为昇腾、寒武纪、海光信息、摩尔线程率先官宣完成适配。
到收盘前，加上沐曦、昆仑芯、平头哥、天数智芯，一共 8 家国产 AI 芯片品牌全部完成「Day 0 适配」。
Day 0，发布当天就能跑。
不光是芯片厂商，华为云、腾讯云、百度智能云、阿里云、天翼云、联想智能云这些云服务商，也在同一天宣布把 V4 上架到自己的平台；宁畅、长江计算这些做服务器的厂商，也跟着同步跟进。
一个模型发布，整条产业链当天就集体响应，这速度绝对不可能是看到发布才开始动手的。
你想啊，一个万亿参数的全新模型，从拿到权重，到完成适配、跑通推理、测出性能数据，几个小时根本不可能做完。
那答案就只有一个了：这些厂商，早就提前拿到了 V4 的模型，早就开始做准备了。
我查了一下，The Information 的报道也印证了这一点。DeepSeek 在 V4 发布之前，特意给国产芯片厂商开了提前适配的窗口，给了他们好几周的时间做调试、做优化，反倒是英伟达和 AMD，没拿到这个优先权。
所以，你再回头看周五那天的场面，它更像一场提前排练好的集体亮相。
DeepSeek 是领唱，几家芯片厂商是和声，云服务商和服务器厂商是伴奏，所有人在同一天一起上台。
以前聊 AI 产业链，基本上都沿着同一条线说：
模型突破了，算力需求爆发，所以要建更多算力中心，需要更多芯片，英伟达吃肉，台积电代工跟着喝汤，台积电产能不够就得买设备，半导体设备是下一个主线。
我承认，这条逻辑过去两年完全成立，V4 这次释放的信号，是旁边正在长出另一条链路。
前面我说的，FP4 精度选择、几家芯片同天适配、云服务商同步上架，串起来看，这条新链路的轮廓已经很清晰了。
它的核心驱动力是「软硬件从源头协同设计」。堆量和协同，受益的方向几乎没有重叠，用旧地图去找新链路上的机会，大概率会走偏。
这件事的影响范围还不止于「利好谁」。
我查了一下，据路透社 3 月 27 日报道，字节跳动和阿里巴巴均计划大规模采购昇腾 950，华为今年计划出货约 75 万颗。
国内财经媒体援引的数据更具体，字节约 25 万颗，阿里约 15 万颗，光这两家加起来就 40 万颗，占了全年出货计划的一半以上。
需要说明，这组采购数字，几家当事方既没有回应、也没有承认，芯片采购量级本身属于高度敏感的商业信息，不公开确认是正常的。
因为供需关系的变化，昇腾 950 已经涨价 20%，这些订单在 V4 发布之前就已经下了。
这里有一个很微妙的关系，大厂们买了芯片，准备用国产算力来跑大模型、做云服务。
这个商业决策最终成不成立，取决于一个前提：得有一个足够强的模型，在这颗芯片上真的跑通了，效果经得起验证。
V4，正是那个验证。
它是整个国产算力产业链的一张验收单，验收通过，40 万颗芯片的订单才有意义，后续更大规模的采购才有依据。
当然，这件事也没有那么完美，不能为了吹捧忽略客观事实。
训练侧，V4 最核心预训练过程，仍然跑在英伟达的体系上，国产芯片目前接住的是推理侧，用户实际调用模型时的那部分算力。
训练和推理是两件事，推理跑通了不代表训练也能脱离英伟达。
昇腾 950 的产能也是另一个未知数，全年 75 万颗的出货计划，光字节和阿里两家就要走一半以上，后面排队的还有腾讯、百度和一众中小厂商；供不应求的局面下，产能能不能跟上，直接决定这条新链路的传导速度。
换句话说，闭环在推理侧跑通了，训练侧还要时间。
我认为，看这件事得看方向，过去几年，中国 AI 产业的底色一直是「用别人的芯片，追别人的模型」；V4 释放的信号不一样，有人开始用自己的芯片跑自己的模型了，芯片和模型从一开始就在一起长。
路还很长，产能瓶颈、训练侧的硬骨头、CUDA 生态十几年积累的护城河，这些都是真的；当然，中国 AI 第一次在顶级模型层面跑通国产算力闭环，这也是真的。
