DeepSeek融资1055亿改用昇腾-知了AI

一觉醒来，DeepSeek把两件大事一起办了

11月4日到5日，DeepSeek连续放出两个重磅消息：第一，第二轮融资完成，规模1055亿元人民币（约158亿美元），腾讯和宁德时代领投，国有资本占比约27%；第二，根据The Information等多家媒体报道，DeepSeek计划在2027年用16万张华为昇腾950DT芯片对V5基座模型进行完整预训练。这两个消息放在一起看，含金量远超数字本身——它意味着中国头部大模型公司第一次认真准备把”预训练”这个算力消耗最大、对芯片要求最苛刻的环节，完整搬到国产芯片上。

这篇文章把融资细节、昇腾承担预训练的技术含义、对英伟达和国产芯片阵营的连锁影响拆开讲透，并给出一个判断：大模型行业的算力叙事，正在从”买多少卡”转向”用谁的卡”。

1055亿融资：钱不是重点，结构才是

先看数字。1055亿元人民币约合158亿美元，这个规模放在全球一级市场都是顶级水平——作为参照，Anthropic今年第三季度披露的营收约170亿美元，而DeepSeek一轮融资就接近这个量级。报道提到，这一轮融资的规模中途扩大了一倍，原因有二：英伟达芯片价格上涨推高了算力预算，以及投资人预防AI泡沫、提前锁定头部标的的意愿强烈。

但真正值得深挖的是出资结构的变化。

维度	第一轮融资	第二轮融资（本轮）
国资占比	约2%	约27%
领投方	未披露	腾讯、宁德时代
融资规模	约500亿量级（传闻）	1055亿元（约158亿美元）
估值	数百亿美元	约900亿美元
资金用途重心	算力租赁、团队扩张	自建算力底座、V5预训练

国资占比从2%跳到27%，这不是简单的钱多钱少问题，而是一个站位信号：国有资本愿意深度绑定DeepSeek，等于官方为”国产算力+国产模型”这条技术路线做了背书。结合16万张昇腾芯片的训练计划，你几乎可以拼出完整的图景——这轮融资里有相当一部分钱，最终会流向国产算力供应链。

腾讯和宁德时代的加入同样耐人寻味。腾讯是大模型公司里少有的”既做模型又投模型”的双重玩家，它领投DeepSeek，说明混元之外，腾讯选择在基础模型层做风险对冲；宁德时代则是制造业算力需求的典型代表——动力电池的研发仿真、缺陷检测都是算力大户，投资DeepSeek相当于提前锁定未来的行业模型合作权。

16万张昇腾芯片预训练V5：为什么这是一条分水岭

用国产芯片做推理，国内已经跑通很多次；但用国产芯片做大规模预训练，此前一直没有成功案例公开。原因在于预训练对芯片集群的要求比推理苛刻得多：单次训练动辄持续数周甚至数月，期间任何单点故障都会拖垮整次任务，对集群稳定性、通信带宽、算子库成熟度、容错调度的要求完全不在一个量级。

华为昇腾此前主要承担的是”服务”环节，也就是模型训练完成后上线对外提供推理。把预训练也搬上来，意味着昇腾的软件栈要经受住最严苛的实战检验。公开信息显示，DeepSeek计划使用的是昇腾950DT，这是华为面向大模型训练的新一代旗舰芯片，配合DeepSeek自研的MoE架构和训练框架，理论上可以跑通。

这里有三个技术判断值得展开。

第一，MoE架构天然对国产芯片更友好

DeepSeek的看家本领是混合专家架构：总参数量大、每个Token只激活一小部分参数。这种架构的通信模式和稠密模型不同，专家并行带来的跨卡通信量更集中，反而给软件栈优化留出了清晰抓手。文心5.5 Flash Base同样是MoE路线（2800亿总参数、每Token激活140亿），国内头部团队的架构选择已经高度趋同，这让国产芯片的适配成本显著下降。

第二，CUDA 13.5刚刚支持Vera Rubin，说明芯片代际竞争在加速

英伟达本周发布CUDA 13.5正式版，为Vera Rubin平台提供完整支持。每一代新平台发布，软件栈都要重新适配，这对追赶者其实是机会窗口——大家都站在新起点上，国产软件栈和英伟达的差距不会继续自然拉大。DeepSeek选择这个时间点官宣V5训练计划，时间卡得很精。

第三，16万张卡的真正考验是工程而不是单卡性能

业界普遍认为昇腾单卡算力与英伟达旗舰有差距，但预训练是集群工程：十万卡级别的集群里，故障率、网络拓扑、checkpoint恢复速度决定实际有效算力。DeepSeek团队在V3时代就用过自研文件系统和双机房容灾训练方案，工程能力是国内公认最强的。如果任何一家中国公司能跑通十万卡国产芯片预训练，大概率就是它。

对英伟达意味着什么：护城河依旧，但堤坝有了第一道口子

不需要过度渲染”英伟达失势”。全球范围内，CUDA生态、NVLink互联、高速网络的组合优势依然巨大，OpenAI、Anthropic、谷歌都在英伟达平台或自研TPU上加速投入。但在中国的特殊语境下，这件事的含义不同：

影响对象	短期影响	中长期影响
英伟达中国业务	特供芯片订单仍在，但预期转弱	头部客户自建国产算力底座，特供芯片市场收缩
华为昇腾	获得第一个十万卡级预训练标杆案例	软件栈经实战打磨，生态进入正循环
其他国产芯片厂商	寒武纪、摩尔线程等获得订单外溢	行业形成”英伟达+昇腾+多元国产”分层格局
国内模型公司	算力成本结构重估，融资叙事升级	算力自主成为标配能力，没有国产算力预案的团队融资变难

我个人的看法是：这件事的象征意义大于2027年当期的实际算力意义。16万张950DT到底能折算成多少等效训练算力、实际利用率有多高，要等V5真正训完才能评估。但”标杆一旦立起来，后续就是复制问题”——工程问题可复制，心理预期一旦扭转就回不去了。

900亿美元估值：商业模式撑得住吗

估值约900亿美元，对应的是一家至今没有公开商业化收入明细的公司。支撑这个估值的逻辑有三层：

第一层是技术资产。DeepSeek-V3、R1系列在全球开源生态的下载量和使用量都是中国模型之最，其架构创新被Meta、英伟达官方仓库广泛参考。这种”被同行抄作业”的地位本身就是稀缺资产。

第二层是成本优势。DeepSeek的训练成本控制能力业内领先，同样的效果预算更少，同样的预算效果更强。在推理价格战打成一锅粥的市场里，成本曲线最平的公司笑到最后。

第三层是资本背后的战略绑定。国资占比27%意味着在数据、场景、合规上的隐性支持；腾讯意味着生态流量；宁德时代意味着垂直行业。这三样东西都不写进估值模型，但都值钱。

风险同样要讲清楚：昇腾预训练计划若延期或效果不及预期，估值叙事会受冲击；开源策略带来的直接收入有限，商业化闭环仍未验证；海外出口管制环境下，即使全栈国产化，先进制程产能供给也受上游制约。

对普通开发者和企业用户的实际影响

宏观叙事之外，说点接地气的。

API价格还会降。DeepSeek的推理定价一直是国内价格锚点，融到1055亿后，短期内没有涨价动机，反而有动力继续压价抢生态。对做应用的公司，这是直接的红利。

开源模型更新会加速。V5的预训练投入如此之大，按DeepSeek的惯例，基础模型会开源，衍生微调生态会有新一轮爆发。做私有化部署的团队可以把V5列入2027年的选型清单。

选型策略可以更放心。过去担心DeepSeek”单一团队风险”，现在国资深度入场加上腾讯宁德背书，团队存续风险大幅下降，可以更大胆地把生产系统压在上面。

事件时间线：36小时里的信息拼图

把这条新闻的发酵过程按时间捋一遍，你会发现信息释放的节奏很有讲究。

时间	事件	信息来源
11月4日	The Information率先披露第二轮融资细节：1055亿元，腾讯、宁德时代领投，国资占比约27%	The Information
11月4日晚	融资规模”中途扩大一倍”的内幕细节流出：英伟达涨价+防泡沫双重动因	多家媒体交叉报道
11月5日	DeepSeek计划2027年用16万张昇腾950DT预训练V5的消息被广泛转引	行业媒体引述
11月5日起	国产算力板块联动，华为昇腾产业链关注度飙升	市场反应

注意一个细节：融资消息和训练计划不是同一时间官宣的，而是间隔一天先后放出。这种”两段式”释放通常有两种解释：一是训练计划本属于内部技术路线图，被媒体挖出后顺势确认；二是有意为之——先讲钱，再讲用途，让”1055亿流向哪里”的问题自动获得答案。无论哪种，传播效果都拉满了。

还有一点需要澄清：截至本文发稿，DeepSeek官方没有发布正式通稿，所有核心数字都来自媒体报道的多信源交叉。1055亿、27%、16万张这三个数字在多家独立信源中相互印证，可信度较高，但最终条款仍以官方披露为准。这是阅读一手财经新闻的基本功——分清”已证实”和”被报道”，尤其是涉及国有资本的交易，官宣前的口径都可能调整。

算力成本账：16万张卡意味着多少钱

16万张昇腾950DT是个什么量级的概念？我们做个粗略的量纲估算，帮助读者建立直觉。

按国内公开的大规模算力集群采购价推断，单张训练卡含整机柜、网络、配套 infra 的综合成本通常在芯片标价的2-3倍。即使按相对保守的单卡综合成本估算，16万卡集群的一次性投入也是千亿人民币量级——也就是说，这轮融资的规模和这个集群的体量是匹配的。这从侧面印证了一个推断：DeepSeek这轮融资本身就是按”自建V5训练底座”的项目制来设计金额的。

再看训练本身的开销。参照V3时代的公开数据，DeepSeek用2000余张卡级别的集群加精细工程完成了671亿参数模型的训练，成本控制能力业内领先。而V5如果要上一个数量级的参数规模，16万卡连续训练数月，仅电费和运维就是天文数字。这也解释了为什么融资中途扩大了一倍——英伟达芯片涨价只是表象，本质是V5的技术目标升级后，算力预算必须重估。

这个量级的投入还带来一个常被忽略的衍生问题：利用率。十万卡级集群的年度有效利用率如果能做到60%以上就已经非常优秀，剩余算力的调度和对外服务能力，会反过来影响DeepSeek未来的商业模式——自建集群的公司最终都会走向”训练之余卖算力”，Meta、微软都是这么走过来的。DeepSeek未来的API定价底气，也部分来自这笔固定资产的摊销逻辑。

三个容易被误读的点

热点消息传播过程中，已经出现了几类典型的误读，值得逐一澄清。

误读一：”DeepSeek全面弃用英伟达”。目前披露的信息只说明V5预训练计划使用昇腾，不代表已有业务全面切换。模型公司的算力组合通常是”多条腿走路”——已有模型的微调、推理、实验都在多种芯片上并行。放弃英伟达既不现实也无必要，准确的说法是”新增的旗舰预训练预算投向国产方案”。

误读二：”昇腾950DT性能已追平英伟达旗舰”。没有任何公开证据支持这个说法。16万张的数字本身就暗示了单卡能力的相对差距——用更多卡来堆出等效总算力，是集群工程对单卡性能的补偿。承认差距不丢人，能跑通才是关键。

误读三：”国资占比27%意味着DeepSeek被国有化”。股权结构与经营控制权是两回事。DeepSeek的治理结构、团队独立性和研究自由度没有被这轮报道提及任何变化。更准确的解读是：国有资本以财务投资人身份进入，换取的是国家算力战略与头部模型公司的利益绑定，这是”支持”而非”控制”。

大模型算力自给的行业拼图：谁在走这条路

DeepSeek不是唯一在算力自主上布局的玩家，把整个行业的选择放在一起看，趋势才能确认。

OpenAI的路线是”绑定盟友+自研芯片双轨”：与Oracle扩大算力合作、发布基础设施政策蓝图，同时长期研发自研加速芯片；谷歌走全自研路线，TPU家族迭代多年，Gemini系列全部跑在自家芯片上，最新的卫星TPU实验（Project Suncatcher）甚至把推理搬到了太空；xAI靠马斯克体系的垂直整合，自建超算中心；Meta则走”采购+自研”混合路线，收购多家小型AI公司补技术栈。

国内阵营的路径选择更多元：阿里既有自研芯片布局又深度使用英伟达生态；百度在WAIC上开源旗舰模型的同时持续投入昆仑芯片；字节、腾讯以租赁为主、自建为辅。DeepSeek的”16万张昇腾”路线是其中最激进的一档——它不是混合过渡，而是把最难的预训练环节整体押注单一国产平台。激进的原因不难猜：团队规模有限，没有精力维护多平台训练栈，选定一个平台吃透，反而是工程效率最优解。

这种分化的结局可以预判：未来两年内，全球大模型行业会形成”英伟达开放生态+各家自研平台”的双层结构，就像云计算时代的x86与自研芯片并存。对国产芯片行业来说，DeepSeek这个标杆客户的意义在于把”能不能”的问题变成”好不好”的问题——前者是生存问题，后者是商业问题，而商业问题总有办法解决。