半导体行业 AI 进化论：DeepSeek V4.1 Flash 优化对算力芯片的影响分析

本报告探讨了 DeepSeek V4.1 Flash 模型通过架构和推理系统优化对硬件潜能的释放作用。该模型通过 CED 架构（将 Transformer 拆分为 Encoder 与 Decoder）、CSA2 层分工复用、FP4 Main KV 及 Single-Pass mHC 等技术，大幅降低了长上下文推理中的计算、存储和访存成本，使 Global KV Cache 和 Persistent KV Cache 分别压缩约 75% 和 87.5%，打破了模型规模与硬件需求的线性膨胀关系。这一逻辑推演表明，原本需在 NVIDIA Blackwell 系列承载的 10T 模型有望在 Hopper 系列系统完成部署，且 2026-2027 年主流性能的国产算力芯片（如昇腾 960 系列）将有望支持国产模型向 10T-20T 参数量平台扩张，印证了国产算力需求的逻辑闭环。报告看好国产算力芯片及产业链成长，建议关注壁仞科技等标的。