黄仁勋筑了二十年的CUDA高墙，被DeepSeek用“四个字”凿穿了
“一一对应。”国庆前夕，DeepSeek把面向华为昇腾芯片的全套底层工具链直接开源了，所有组件，与英伟达平台的开源组件一一对应。
 
什么意思？
 
以前你在英伟达显卡上跑的底层计算程序，现在昇腾上全都有了高性能的镜像版本，同一套代码，两边都能跑。
 
这招一出，国内大厂的反应比抢限量球鞋还快，路透社报道，字节跳动、腾讯、阿里在DeepSeek V4发布后迅速接触华为，大规模采购昇腾950芯片，阿里云百炼平台在V4发布当天就上线了服务，腾讯云也同步跟进。
 
CUDA到底是什么？
很多人以为CUDA是一个“编程语言”，这个理解窄了。
 
CUDA真正厉害的地方，是英伟达花了近二十年搭起来的一整套软件体系：底层的编译器、中间经过极致优化的计算库、上层无数开发者写好的代码和调试工具，企业一旦用上CUDA，数百万行代码、工程师熟悉的调试方法、跑了几年的工作流程，全绑在这上面了。
 
你想换芯片？可以，但你的代码得重写，你的团队得重新学，你的模型得重新调，换芯片的成本，从来不在芯片本身。
 
这就是英伟达真正的护城河，芯片参数可以追，制程可以迭代，但软件生态的迁移成本，是实打实的墙。
 
DeepSeek干了什么？
DeepSeek用的是TileLang——一套由北京大学计算机学院团队主导开发的高性能编程语言，它的核心逻辑很简单：让开发者用高级语言写代码，底层自动适配不同芯片，而且不牺牲性能。
 
这套路线先在英伟达平台跑通了，DeepSeek V4系列模型训练中大部分算子，都是用TileLang实现的。
 
然后，他们把昇腾版本也做了出来，训练中用到的每一个TileLang算子，昇腾上都有对应的高性能实现。
 
这意味着什么？开发者用同一套Python接口，程序自动选择跑在英伟达GPU还是华为NPU上。 换芯片，不用重写代码。
 
同步开源的还有五个核心组件：DeepGEMM加速矩阵运算，DeepEP负责跨设备通信，TileKernels处理向量计算，FlashMLA优化稀疏注意力，DeepSelect做数据筛选。多项测试中，这些组件的计算和通信性能已经接近硬件理论上限。
 
FlashMLA在昇腾950上的实测数据：预填充阶段稀疏注意力性能达到硬件理论峰值的95%，解码阶段达到83%。
 
2026年1月，美国商务部修改了半导体出口许可政策，允许英伟达H200等芯片以“逐案审查”方式出口中国。

听起来像放松了？看看条件：出口商必须证明不会减少美国客户可用的全球半导体产能，中国买家必须通过客户筛查，产品必须在美国完成独立第三方性能与安全测试。
 
说白了，卖给你的芯片，得先确保美国自己够用，还得让你接受“安全审查”。
 
与此同时，英伟达在华先进AI芯片市场份额已经从95%跌到几乎归零。
 
DeepSeek这次开源，时间点卡得很准。
 
真正的替代，不是把英伟达的芯片换成昇腾的芯片，真正的替代，是让开发者感觉不到自己换了芯片。
 
DeepSeek做的事情，是把“换芯片”这件事的技术门槛，降到了接近零，同一套代码，同一组API，开发者不需要关心底层跑的是谁的硬件。
 
这才是CUDA最害怕的东西，CUDA的锁死效应，建立在“迁移太麻烦”之上，如果迁移不麻烦了，锁就松了。
 
当然，我也不会说CUDA明天就崩，英伟达二十年的积累不是白给的，验证工具、调试生态、开发者社区的惯性，短期内没人能完全替代，而且华为昇腾950的产能受限于制造设备，短期内供不应求。
 
但方向已经变了。
 
黄仁勋真正该担心的，不是华为的芯片算力追上了多少，是DeepSeek让开发者意识到：原来换芯片，可以不用那么痛。