华为 CANN 社区的一份技术文档，最近被人翻了出来：《基于昇腾 950 超节点的万亿 MoE 模型预训练系统参考实践》。
文档里有一句话，把整个国产算力圈都点着了——基于 PyTorch 原生训练框架和昇腾 950 超节点，结合 DeepSeek-V4-Flash 的训练验证，CANN 分析了550B、1.6T两个尺寸的模型切分策略，并且进一步披露了向10T（10 万亿）规模外推时的部署权衡。
10 万亿参数。目前公开的国产模型里，最大的 DeepSeek-V4-Pro 是1.6 万亿。这一跳，是6.25 倍。
但先把最要紧的一句话说在前面：这是一份"外推"研究，不是谁做出了 10 万亿的模型。整个文档里，没有一个字说"我们训练了 10T"，说的只是"如果规模推到 10T，工程上要怎么权衡"。这两件事的距离，比数字看起来远得多。
那这份文档真正的看点是什么？是它摊开了一件更少见的事——模型还没到，跑道先铺好。这件事，在半导体行业里其实屈指可数。
液冷机柜里的超节点：上千颗 NPU 被编成一台机器

这句话值得多停一秒。在一个习惯了"先有需求、再建产能"的行业里，反向操作从来不是常态。而这一次，是先建了。
一、把数字先摆平：10T 是什么量级先把坐标定住。截至现在，全球公开可查的参数规模是这样的：
已发布的国产模型里，DeepSeek-V4-Pro 是1.6 万亿总参数（激活 49B）；月之暗面的 Kimi K3 是2.78 万亿，是当前全球最大的开源权重模型；阿里的 Qwen 3.8 是2.4 万亿。国外的，xAI 的 Grok 4.6 约1.5 万亿，已经发布；马斯克宣布正在训练的 Grok 4.8，口径是2.5 万亿。
而这些全部加起来，也没有 10 万亿。
真正在 10 万亿这个水位上的，公开信息里只有一家：字节跳动。据《金融时报》2026 年 8 月 7 日的报道，三位知情人士称，字节正在预训练一个最多10 万亿参数的模型。按这个口径，它会是3 倍于Kimi K3 的规模，也会让字节进入一个此前没有任何中国公司待过的水位。
请注意这里的用词——"据报道"、"知情人士"。字节官方从未确认这个数字。行业里更主流的判断是：把它当成一个方向性的信号，而不是一条已落地的事实。
再往上一层看，10 万亿这个数字在 MoE（混合专家）架构里，还有个容易被误读的地方。MoE 的玩法是：模型里装很多个"专家"子网络，每次计算只激活其中一小部分。所以"总参数"和"每次计算要动用多少参数"是两回事。以 DeepSeek-V4-Pro 为例，总参数 1.6 万亿，但每个 token 只激活 49B，大约3%。
按这个比例粗算，10 万亿总参数的模型，实际激活可能也就是3000 亿到 5000 亿的量级。它不是"10 万亿算力在跑"，而是"10 万亿的容量摆在那，每次只搬一小块出来用"。
结论就一句：10T 不等于算力翻 6 倍，它翻的是存储、内存带宽和系统复杂度。
这也是为什么，参数规模这件事，越往后越不能只看那一个数字。同样是"10 万亿"，激活比例定在 3% 还是 8%，对应的机器完全是两个量级。所以真正该盯的，不是总参数，而是激活参数和总参数之间的那个比例——它才是决定这台机器要多大、要多少电的那个数。
二、那"铺路"铺的到底是什么既然模型还没到，这份文档在忙什么？
它写的是"部署权衡"。翻成大白话就是：如果规模真推到 10T，哪些地方会先撑不住，得提前怎么接。
第一个撑不住的是显存。模型规模翻几倍，参数、梯度、优化器状态、激活值这四份东西都得跟着涨。CANN 的方案里，专门针对这四项做了内存优化。
第二个是并行策略。文档里设计了 FSDP（完全分片数据并行）、EP（专家并行）、CP（上下文并行）几套策略，在超节点内部和节点之间分别部署。这里的关键不在"用了哪些名词"，而在"什么规模配什么切法"——550B 怎么切、1.6T 怎么切、推到 10T 又该怎么切，是不同的题。
说得再直白一点：模型规模每上一个台阶，参数在芯片之间的"摆放方式"就要重新设计一遍。摆得好，通信量小、利用率高；摆得差，芯片越多越堵。这套东西没有通用的最优解，只能一档一档试出来。
第三个是通信。这是超大规模训练里最要命的一环。上千颗芯片一起干活，每算一步都要互通参数和梯度，通信一旦跟不上，芯片越多反而越慢。
打个比方：一万个人一起抬一件货，如果每次挪一步都要互相确认一遍位置，那大部分时间都花在喊话上，而不是在走路。超节点要解决的，就是让这句"喊话"尽量不用喊——256TB 全局内存统一编址、3 微秒跨柜时延，本质上都是在给这句喊话省时间。
第四个是稳定性。几千张卡连续跑几个月，中间挂一张，整轮训练就可能白跑。文档专门写了"高可用训练"。
把这些串起来看就清楚了：这份文档不讲"我们能训多大的模型"，它讲的是"如果模型真长到那么大，底座会不会先散架"。这是工程问题，不是模型问题。
三、为什么是昇腾 950：跑道是用什么材料铺的要理解这条跑道铺得多实在，得看昇腾 950 超节点本身。
在 2026 年世界人工智能大会上，华为公开展示了这台机器。它的核心是把上千颗 NPU 组成一个逻辑上统一的算力单元：标准配置16 台计算柜加4 台互联柜，最高可容纳1024 颗昇腾 950DT NPU，并协同部署256 颗鲲鹏 950 CPU。
单卡这一层，950DT 集成 HiZQ 2.0 HBM 高带宽内存，单卡144GBHBM 容量、4TB/s内存带宽，支持 FP16、BF16、FP8、MXFP4 多种精度。
整机这一层，峰值算力达到1 EFLOPS（FP8 精度）和2 EFLOPS（FP4 精度）。互联方面用的是自研灵衢 2.0 全光互联，集群总互联带宽1.72PB/s，跨柜往返时延低至3 微秒，支持256TB全局内存统一编址。
最后这一条最值得琢磨：256TB 全局内存统一编址。它的意思是，上千颗 NPU 可以直接共享同一片内存空间。过去那种"模型参数在服务器之间来回搬运"的通信开销，在架构上被绕开了。
散热用的是全覆盖液冷，单计算柜最大供电能力100kW；可靠性上做了2+2光路冗余，灵衢链路具备毫秒级闪断自恢复能力。
这套东西的定位很清楚：专为万亿参数级模型的训练和高并发推理设计。它不是给 1.6T 准备的，是给 1.6T 之后准备的。
四、这条跑道不是为 PPT 铺的：软件栈已经对上了硬件之外，还有一条更实在的线：软件栈。
9 月 30 日，DeepSeek 开源了面向昇腾的一整套基础组件，涵盖编程语言 TileLang、计算库和分布式通信库。这套东西和它此前面向英伟达平台开源的那套，是一一对应的。
更关键的一句是：DeepSeek 训练中用到的每一个 TileLang 算子，在昇腾上都有对应的高性能实现。
这句话的分量在于"每一个"。软件迁移最大的坑从来不是"能不能跑"，而是"跑起来慢多少"。如果算子在两套平台上都有高性能实现，那迁移的代价就从"重写"降到了"换路径"。
硬件侧还有一组数字。华为联合定义了 UBL128 组网方案：128 卡、单层交换网络、单卡3.2Tbps。而 DeepSeek 自研的通信库 DeepEP，实测 Dispatch 带宽达到375GB/s，接近硬件上限。这些成果已经同步在 CANN 社区开源。
把这条线串起来：硬件有 1024 卡的统一平面，软件有 CANN 全栈，语言有 TileLang 对应实现，通信库有 DeepEP 实测到上限，训练验证有 V4-Flash 跑过——"国模 + 国芯"这套组合，是从语言层一路对到通信层的。这不是提前布局，是提前铺跑道，而且铺的是一整条。
十万亿参数的重量，最终压在显存、通信和电力这三条线上

市面上的"国产替代"叙事，常见的是"参数上追平了"。但真正难的地方从来不在参数，而在整套工具链能不能接上。一家公司换掉芯片供应商，最怕的不是跑不动，是原来调好的东西全部要重调一遍。而当编程语言、计算库、通信库这些最底层的东西都有了对应实现，迁移的成本才真正降下来。
所以这份文档的价值，其实不完全在"10T"那个数字上。它同时在说另一件事：这条链的接缝，正在一段段地被焊上。
五、这里要泼一盆冷水：外推不等于实测前面讲的都是"铺路铺得多扎实"，但有三件事必须说清楚，否则这份文档容易被读歪。
第一，外推研究不等于 10T 实测。文档原话是"向 10T 规模外推时的部署权衡"。"外推"在工程语境里，是根据已知规模的规律去推未知规模的边界——它是纸面上的推演和权衡，不是跑完一轮 10T 训练后拿出的实测数据。这两者的差别，相当于"我算了一下这栋楼能盖 100 层"和"我盖完了一栋 100 层的楼"。
第二，"DeepSeek 要做 10 万亿"是外界的推断，不是官方宣布。依据是同一份 CANN 文档，以及 DeepSeek 与华为在软硬件上的深度协同。但 DeepSeek 自己没有发布过任何 10T 的模型计划。把"技术文档里讨论了 10T"直接读成"DeepSeek 要发 10T 模型"，中间差了很大一步。
第三，华为也没有发布 10 万亿模型的计划。它发布的是超节点，是算力底座。"为 10T 铺路"这个说法，准确的含义是：底座的承载能力到了 10T 这个水位，而不是华为要去做这个模型。
把这三条摆在一起，这份文档的性质就清楚了：它是一次面向未来的工程预备，不是一次已完成的冲刺。
六、这笔账该怎么读：底座先跑，模型后到那问题来了——模型都没影，为什么先把跑道铺好？
因为在这条链上，算力底座的交付周期，本来就比模型长得多。
一个模型的训练周期，是几个月量级；而一套超节点，从设计、流片、组网到量产交付，是以年计的。如果等模型决定要做了才开始准备底座，时间上根本来不及——昇腾 950 超节点的商品上市时间，计划在 2026 年第四季度。
所以正确的读法是工序问题，不是宣传问题：先把可能用到的承载能力建好，等模型真到了 10T 那一天，不至于卡在"没有机器能装得下"。
这个逻辑反过来也能解释前面那三条冷水为什么重要。底座可以适度超前——多铺的路以后能用上；但模型不能随便喊数字——喊了就得真跑出来。两者的容错空间不一样，所以节奏也不一样。
回到开头那个问题：第一个 10 万亿参数的国产模型会是谁？
公开信息里，唯一被点到名字的是字节。但连那个数字，都还是"据报道"。真正的答案可能不是"哪家公司"，而是——当它出现的时候，能接住它的机器，已经先在机房里等着了。
这才是这份技术文档最该被读到的地方。它说的不是"我们要做多大的模型"，而是"我们先把能装得下大模型的房子盖好了"。
（说明：文中参数规模、算力与互联规格，来自华为 CANN 社区公开技术文档《基于昇腾 950 超节点的万亿 MoE 模型预训练系统参考实践》、昇腾 950 超节点公开资料及 DeepSeek 开源组件公告；字节跳动 10 万亿参数为《金融时报》报道口径、官方未确认；文中"外推"指技术文档中的规模推演，不代表已完成 10T 模型实测；DeepSeek、华为均未发布 10T 模型计划；文中不涉及任何投资建议。）
关注【留点自由】，一个科技领域的深度观察者。别人看热闹，我们看门道。芯片、算力、AI、机器人，每天一条，把产业账算给你听。
#华为 #昇腾 #国产大模型 #DeepSeek #AI算力 #上头条 聊热点
讨论区：补一个正文没展开的账——这份 CANN 文档里其实还藏着一个更有意思的信号。它验证 550B 和 1.6T 用的，是 DeepSeek-V4-Flash；而"外推"到 10T 的部分，是推演、不是实测。也就是说，从 1.6T 到 10T 这 6 倍多的跨度里，公开能查到的工程验证，只走了前面一小段。剩下的路，是靠并行策略、通信库、显存优化这些"预备动作"在往前顶。你觉得这条路上，最后会先卡在显存、通信，还是训练稳定性？评论区聊聊。觉得这账算得清楚，点个赞再走。