DeepSeek 计划从零训练 V5：算力落在华为 Ascend 950DT 超节点集群

11月3日，Wccftech 报道称，DeepSeek 计划让其下一代模型 V5 从零开始训练，而承载这次训练的算力来自华为基于 Ascend 950DT 的 Atlas SuperPoD 超节点集群。报道把这件事放进了“中国追求国产全栈 AI 主导权”的框架里，关键词不是某一次常规的模型更新，而是预训练这一环节第一次被明确指向国产芯片。

这条消息的分量集中在“从零训练”四个字上。把一个已经训练完成的模型搬到国产硬件上跑推理，和在一个国产集群上完成一次完整预训练，是完全不同量级的工程：前者只是把成型的东西搬过去运行，后者要求分布式训练、并行切分、通信调度、故障恢复全链路同时立得住。

Ascend 950DT 属于华为 Ascend 950 系列的 AI 加速卡，Atlas SuperPoD 则是华为的超节点架构，用系统级互联把大量加速卡连成一个逻辑上更大的计算单元。这套设计的用意，是用规模和互联去弥补单卡性能与生态上的差距——当单颗芯片难以正面对标最先进的通用 GPU 时，把集群做大、把互联做紧，是更现实的路径。

到目前为止，公开信息只给出了路线选择，没有给出可核验的细节：集群规模多大、训练何时启动、V5 的能力定位是什么，报道都没有交代，DeepSeek 与华为也没有同步放出配套说明。因此这条新闻更准确的读法是“一个明确的技术路线信号”，而不是“一次已经完成的训练”。

它值得关注，是因为过去两年中国大模型厂商的算力故事大多集中在推理侧——把已发布的模型搬到国产卡上提供服务，成本可控、风险可控，也容易出成绩。现在把预训练放到国产集群上，等于把最难验证的一环交给了一个还在成熟中的软硬件栈。

如果 V5 真的完成从零训练，它提供的将不只是一个模型，而是一份可被复用的工程样本：什么样的并行策略在 Ascend 上可行，超节点互联在长周期训练里是否稳定，国产软件栈能不能接住主流训练框架的算子需求。这些答案对整个国内产业链的价值，可能超过 V5 本身的榜单成绩。

反过来，风险同样清晰。超大规模预训练对集群稳定性极其敏感，一次通信瓶颈或硬件故障就可能拉长周期、推高成本，而软件生态的成熟度无法靠单个项目补齐。这条路线能不能走通，取决于训练过程中的沉默成本，而不是发布会上的参数。

接下来值得等的信号有三个：DeepSeek 是否在 V5 发布时披露训练所用的硬件与集群规模；华为是否把这次工作当作 Atlas SuperPoD 的公开标杆案例；以及其他国产模型团队会不会跟进，把预训练整体迁移到国产算力上。若三者陆续出现，这条报道才算真正落地。