本文来自微信公众号： 阑夕 ，作者：阑夕，头图来自：AI生成
随着DeepSeek-V4的发布，我问了一下闭源大模型的“御三家”如何看待这个竞争对手，它们各自的表态很有意思：
GPT-5.5比较“傲娇”，强调不是一次“终结比赛”的事件，但要“盯紧”这个对手，承认便宜的百万级上下文，会对整个行业都造成压力。
Gemini 3.1则是个“实诚人”，定性DeepSeek-V4属于“掀桌子”级别的危险竞品，当开源模型在自己的舒适区展现出巨大统治力时，“压迫感是极其真实的”。
Claude Opus 4.7显得最“从容”，表态“高兴对于不安”，甚至直言如果DeepSeek-V4在某些任务场景更好用那就切过去，自己“不需要在每件事上都是最优解”。
三个模型之间的细微差别，其实也和各家公司的风格高度相关，OpenAI的狂躁色彩，Google的家大业大，Anthropic的学究气质，完全吻合有没有？
除了DeepSeek V4，同一天，美团也开放测试了新的万亿级参数大模型LongCat-2.0-Preview，在继续向“御三家”追问时，话题开始拐向对于国产算力集群的惊讶，这就更有看点了。
简单来说，从今年开始，中国第一梯队的大模型，已经无碍的放在了数以万计的国产芯片上去做训练，不再是有限尺寸的小打小闹，也没有避重就轻的“只谈推理、不接训练”了。
这在过去被普遍认为是不可能实现的全链路替代，只能说一座冰山的水下体积，要数十倍于能够看到的大小。
行到水穷处，坐看云起时，看岁月之峥嵘啊。
一
前段时间，黄仁勋做客一档播客的对话切片火了。
因为从画面来看，老黄肉眼可见的急了，在关于英伟达迫切想把芯片卖给中国是不是在“资敌”这个话题上，两人竟然聊出了火药味。
黄仁勋连续用了“Childish”（幼稚）这个词来打断主持人的预设立场，并抛出了后来被各家媒体写进标题的那段话：
“如果DeepSeek的新模型首先在华为的芯片上发布，对于美国来说是一个相当糟糕的结果。”
考虑到播客录制的时间，黄仁勋言辞里的“如果”是多余的，因为这在行业里早就是一个公开的秘密了，实际上DeepSeek-V4发布的多次跳票，就是因为要花更多的时间适配国产芯片集群。
所以并没有什么“黄仁勋担心的事情终于成了事实”，他很清楚，自己是在“基于既定事实而去借题发挥”。
所以在上头时，黄仁勋几乎是在以一种斥责的口吻，批评主持人的禁运论及其支持者，认为这是一种失败主义的表现，美国根本不相信自己能够赢得竞争，所以要用拆台的手段，去遏制中国。
有人用视频模型整活，演绎了当时的“真实”气氛，你们可以感受一下：
无论如何，黄仁勋的即兴演出，可能会注定载入AI发展的史册，尤其是对于那些奋力越过山丘的国行模型厂商而言，自己说自己做对了，还不是那么有说服力，来自对手的肯定，才是货真价实的认证。
就，有一种脚下有路、心里有底的滋味。
二
算上DeepSeek-V4和美团LongCat-2.0-Preview，在全球范围内的万亿级参数模型数量上，中国也是第一次超过了美国，站在了“多数派”的一边。
在前些年的最高点，新加坡消费了英伟达近三成的GPU出口，这显然不是新加坡人突然有了拿芯片泡酒喝的兴致，如果不是特别无知的话，就得承认“转口贸易”其实占了很大比重。
训练领先的模型，尤其是大规模参数的模型，离不开英伟达的卡，这在行业里曾是雷打不动的常识。
但在今年这个晚春，那些曾经坚固的铁律，一条接着一条开始松动。
DeepSeek-V4和国产芯片进行了前所未有的深度适配，是大家都已经知道的了，相比它做这件事情的“政治正确”或是“历史使命”，美团的“主动为之”也很值得注意。
美团启动测试的LongCat-2.0-Preview，只看训练规模的话，可能创下了国产算力的新纪录。
据我所知，美团对国产算力的重视，已经持续许久了。通过几年前开始陆续投资半导体领域的那十多家公司，就能看出来——从新材料到圆晶制造，从芯片设计到TPU，不是明星级的头部企业，就是产业内的隐形冠军。
除了为自身的AI战略铺路，也客观上为国产算力贡献了充足的弹药。
现在的情况是，英伟达高端GPU在中国的名义市占率始终是零，却有两个国产的万亿级大模型同一天发布了。
万亿参数，不再是海外大厂的特权了。
三
去年的这个时候，Anthropic一直在抨击大厂囤积算力是“不负责任”的行为，虽然现在已经在被疯狂打脸了——Codex三天两头重置额度，从Claude Code这里骑脸抢人——但在当初的说法里，有一个理由其实是站得住的：
“你把未来一两年的芯片全买光，小公司根本拿不到卡，AI变成少数巨头的游戏，这是反竞争、反创新。”
之所以“天下苦英伟达久矣”，并非大家对这家公司天然抱有憎恶，而是在奇货可居的供需关系里，英伟达把铲子卖出了比金子更高的价格，这一定不合理。
甲骨文的老板埃里森曾说他和马斯克一起去约黄仁勋吃漂亮饭，全程两人几乎就只是在翻来覆去的说一句话：
“求你了，把钱收下。”
事实证明，有竞争是好事，自从Google的TPU被证明可堪大任以来，市场对于英伟达的垄断预期就有了挥之不去的疑虑，加上中国自主芯片集群成功托了新一代大模型，变数就更大了。
要知道，美团的主营业务战火正酣，AI又是个需要持续砸钱的业务，却依然能够掏出LongCat-2.0-Preview这种水平的模型，足以说明国产算力的经济性和第二选择有价值。
在技术社区Linux DO上，已经有开发者对LongCat-2.0-Preview表达了惊喜，“起码美团还在真做事情。”
很多新的地图，都是从一条不起眼的小路画起的。。
四
脱离英伟达苦心经营的生态，不是没有代价的，而DeepSeek-V4和LongCat-2.0-Preview要克服难以想象的困难：
之所以一直强调万亿级参数，是因为参数越大，对显存容量和带宽的要求更高，需要重构整个软硬件的协同工程；
更不用说CUDA的泛用性，模型团队需要针对国产芯片特性重写和优化核心算子，甚至自研全确定性的算子，以确保训练全程的精确可复现；
承认短期差距并不丢人，在万卡集群上长期训练，硬件故障是必然而非意外的，所以需要同步构建完整的容错、检测与恢复体系；
如果效率上不去，成本就是笑谈，要跑通全链路，就必须针对国产环境的特点，对训练框架和模型结构实现亲和设计，确保性能可以满足需求。
路虽远，行则将至。
公允的讲，自从DeepSeek-V3震惊世界以来又过去了一年多的时间，大家希望看到的开源模型赶超闭源模型的画面依然没有出现，Anthropic的年化收入屡创新高也在说明“一分钱一分货”的基本规律。
国产模型的任重道远和弯道超车，恐怕还是要结合中国产业结构的优势进行，我们的无人机、无人车、机器人乃至工业规模，都在真实生产层面拥有全球独一档的稀缺数据。
这些连接万物的场景，可以为芯片厂商提供长期连续、真实负载的场景，来验证芯片的稳定性和可靠性。
上半场拼算力资源，下半场比物理底座，时间还很长，长到足以产生任何结果的可能性。