计算机行业深度报告：国产化训练从 0 到 1 里程碑，战略意义大于性能意义

摘要： 本报告聚焦于国产大模型训练侧对国产算力适配的里程碑突破，以 DeepSeek V4 为核心案例，深度分析其在脱离英伟达 CUDA 生态及 FP8 绑定方面的技术路径及其对国产算力产业链的战略意义。

行业主线：

1. 国产化训练实现从 0 到 1 突破：DeepSeek V4 首次由华为昇腾芯片参与训练，验证了国产算力支撑顶级通用大模型全链路训练的可行性，标志着国产算力应用从推理侧向训练侧的实质性跨越。
2. 底层技术去绑定：通过引入 MXFP4 量化感知训练、TileLang 领域专用语言以及 MegaMoE2 融合内核，系统性降低了对 NVIDIA 硬件和软件生态的依赖，降低了国产芯片的迁移成本。

关键变化与分歧：

1. 战略意义高于性能表现：尽管在多模态等领域与国际顶尖模型仍有差距，但实现了算力生态的自主可控，解决了 AI 产业发展的底线安全问题。
2. 超长上下文效率飞跃：首创 CSA+HCA 混合注意力架构，将百万 token 上下文的推理计算量和显存占用大幅降低，解决了长程 Agent 任务的算力瓶颈。

受益方向与风险：

1. 受益方向：国产 AI 芯片与算力基础设施核心厂商、CPU 产业链核心配套标的以及算力硬件上游核心供应链。
2. 核心风险：大模型迭代节奏及国产算力软硬件生态适配进度不及预期，行业竞争加剧以及政策监管趋严。