如果你关注中国 AI 芯片赛道，昨天是标志性的一天。
2026 年 9 月 30 日，DeepSeek 联合华为宣布开源一套完整的 Ascend 加速器编程工具链。这不是又一个「基于 CUDA 的适配层」——这是一套从语言到运行时全部从头为华为昇腾芯片编写的软件栈，直接对标 NVIDIA 统治了 AI 行业近二十年的 CUDA 生态。
消息由 Bloomberg 率先报道，随后多家媒体确认。核心产品是 TileLang——DeepSeek 自称的「更高级编程语言」，被定位为 CUDA 的直接替代品。但 TileLang 只是拼图的一块，整个 release 包含了六个模块：DeepGEMM（矩阵运算）、DeepEP（芯片间通信）、TileKernels（标准向量计算）、FlashMLA（长上下文注意力优化）、以及 DeepSelect（数据过滤）。它们完整镜像了 DeepSeek 已经在 NVIDIA GPU 上跑通的全套工具链，只是这次——全部为华为硅片重写。
换句话说，DeepSeek 把自己训练旗舰模型的全部软件能力，移植到了中国能自主生产的芯片上，然后直接开源了。
为什么不是「又一套适配层」
CUDA 真正的护城河不是技术复杂度，而是迁移成本。切换到非 NVIDIA 芯片意味着数月重写代码、重新调试性能、重新验证精度——这不是一个小团队能承担的风险。过去几年里，「兼容 CUDA」的尝试（AMD ROCm、Intel oneAPI）都因为「兼容」而非「原生」的设计哲学，在性能和开发体验上始终差一步。
DeepSeek 的做法完全不同：不为兼容而适配，为新一代芯片原生编写。
TileLang 的定位是「高级语言」，意思是开发者用比 CUDA 更简洁的语法写 kernel，编译器负责优化到 Ascend 硬件上。DeepSeek 声称 TileLang 已经在 V4 系列模型的训练中验证了几乎所有算子——这意味着一家顶级 AI 实验室用自己的旗舰模型证明了这套工具的可行性。
同时，DeepSeek 的 PyTorch 库增加了从 CUDA 代码到 CUNN（华为的底层接口）的自动转换能力。这虽然不一定能达到原生性能，但它把「迁移」从半年的工程任务变成了「先跑起来再优化」的渐进过程。
性能到底差多少
根据 DeepSeek 在 Tom’s Hardware 上披露的数据，华为 Ascend 910C 目前的推理性能约为 NVIDIA H100 的 60%。这个数字经过手动优化的 CUNN kernel 后还可以提升。
但别忘了关键背景：H100 已经是两年前的架构了。NVIDIA 当前主力是 Blackwell 和 Vera Rubin，而华为 Ascend 910C 在完全没有 NVIDIA 等效软件生态支持的情况下，逼近了 H100——这条曲线的斜率本身就在说明问题。
更重要的是，DeepSeek 和华为正在联合开发一个 128 颗 Ascend 950 互联的 Supernode 架构。当 128 颗芯片组成一个计算单元时，芯片间通信效率往往比单芯片性能更关键——这正是 DeepEP 模块解决的核心问题。
| 维度 | NVIDIA H100 | Huawei Ascend 910C |
|---|---|---|
| 推理性能（相对值） | 100% | ~60% |
| 软件生态 | CUDA（20年积累） | TileLang + CUNN（开源刚起步） |
| 出口管制风险 | H20 受限，H100 不可对中国销售 | 国产可控 |
| 互联方案 | NVLink（成熟） | DeepEP + 128-chip Supernode（开发中） |
| 可用性 | 需美国政府批准 | 国内直接采购 |
商业信号：三巨头集体下单
DeepSeek V4（1.6 万亿参数）在 2026 年 4 月发布时做了一件微妙的事：它把早期访问权优先给了中国芯片厂商，而非 NVIDIA 或 AMD。据 DeepLearning.AI 和 Capacity 的报道，ByteDance、腾讯、阿里巴巴在确认 DeepSeek 旗舰模型能在国产芯片上跑通后，迅速向华为锁定了 Ascend 950 的大规模订单。
这组信号的意义在于：芯片采购不再是「信仰判断」，而是「验证后的事实」。 一个能做 1.6T 参数模型训练推理的软件栈，改变了中国 AI 公司从「想不想买国产芯片」到「能不能不买」的决策逻辑。
Bloomberg Intelligence 的数据印证了趋势：NVIDIA 在中国市场的份额已被华为 Ascend 挤压到个位数区间。H20 芯片（专为符合美国出口规则而阉割的版本）又遭遇了额外的许可问题——每进一步收紧，就给中国 AI 生态多一个理由构建不依赖美国许可的完整堆栈。
更大的棋：出口管制加速独立
这是整件事最讽刺也最值得关注的地方。
美国出口管制的初衷很清楚：限制中国获取先进芯片，遏制其 AI 发展。2022 年的 A100 禁令、2023 年的 H100 禁令、2024 年的 H20 许可限制——层层加码。但 DeepSeek 的开源行动给出了一个清晰的反问：如果制裁只是加速了中国自建替代方案的速度，代价是什么？
NVIDIA 中国业务本就因 H20 限制变得微薄。但芯片出口禁令针对的是硬件——你可以限制一颗芯片进入哪个市场。而开源代码一旦被释放，你无法把它收回。DeepSeek 在 9 月 30 日把整套工具链放到了 GitHub 上，任何人、任何公司、任何国家都可以免费下载、修改、优化。
制裁可以限制芯片，但限制不了开源代码。
DeepSeek 的 CTO 梁文锋在内部曾说过一段话（经 DeepLearning.AI 引用）：「我们不是在做中国版的 CUDA。CUDA 的问题在于它让你只能在 NVIDIA 上跑。我们想解决的问题是：你的模型应该能在任何硬件上跑——这不是一个商业问题，这是一个技术信仰问题。」
写在最后
DeepSeek + Huawei 的开源工具链不是第一个、也不会是最后一个挑战 CUDA 垄断的尝试。但它的独特之处在于：它不是从外部攻进来的，而是从内部长出来的——它已经被世界顶级模型 V4 验证过，它的创造者有足够的工程底气说「我们不需要兼容」。
接下来真正值得关注的是：TileLang 能在多大程度上被中国 AI 生态以外的开发者采用。 ByteDance、阿里、腾讯的订单是一个信号，但中小型 AI 实验室、以及非中国的开发团队，才是决定「反 CUDA」运动能否全球蔓延的关键指标。
你可以限制一颗芯片的出口。但你限制不了一行能被任何人下载的代码。
在 AI 基础设施的博弈里，开源是最不讲政治的——也是最不讲情面的。
延伸阅读：《豪掷 $530 亿！阿里发布最强 AI 芯片 Zhenwu V900》 — 国产 AI 芯片的另一条战线