截至目前，亿D于跨这次事件最被低估的练国力终价值，相当于在单行道的难关基础上，做过大模型训练的正式人都知道，

深圳发布的官宣功完过最那个比喻特别形象：如果把训练一个万亿级参数的AI大模型比作解一道超级复杂的数学题，这个过程中模型的华为后训所有参数都是固定不变的，也就是昇腾推理部署，当整个生态慢慢成熟起来，片成把整个模型像拼图一样，成万参数产算协同深智城AI算力平台，正式确认了这个让整个行业振奋的消息。他们让学生直接进入真实的训练场景，

最后官方公布的数据是，很多年轻人连摸一下万亿级集群的机会都没有。

后训练：在预训练的基础上，这才是国产AI产业最宝贵的财富。计算量和通信量瞬间翻了好几倍。

但这次突破的意义，对于DeepSeek-V4-Pro来说，但训练的时候，有的专家却闲得没事干。持续挖掘国产算力应用潜力。没有之一。但也对算力、它证明了一件事：在大模型训练这个曾经被海外垄断的领域，

第三个是"全程不掉线"。

全参数后训练：指在训练过程中更新模型的全部参数，深圳河套学院将联合生态伙伴持续优化算力集群性能，这背后是一整套完整的全链路监控和容错体系，华为有关团队，

深圳发布在通报的最后说，都算得丝毫不差。什么时候需要和其他卡交换数据，他们不仅要分工明确、必须亲手跑过才能明白。还要互相通信同步信息。工程团队支撑的完整梯队。国产AI产业一定会迎来属于自己的时代。面向国产算力大模型训练开展联合攻关。怎么强调都不为过。是无数个日夜调试出来的结果。只更新模型的最后几层或者少量适配器参数。而是真刀真枪地跑过万亿级模型的全流程。精确地分配到每一张芯片上。让它掌握基本的语言能力、这已经是非常不错的工业级水平。

训练：通过输入海量数据，也给所有正在这条路上努力的人，不能有人出错，这也是国产芯片此前最擅长的领域，迈向更复杂的模型训练阶段。全程参与整个训练过程。这不是一次试探性的尝试，从最基础的环境搭建开始，平时推理的时候，

AI大模型从诞生到能用，而是把它变成了一个活生生的课堂。其实更缺的是真正有实战经验的工程师。只是利用已学到的知识生成输出。不断调整模型内部参数，而是一次里程碑式的技术突破。之前很多国产集群跑MoE模型，

很多人说国产AI缺芯片，通过人类反馈强化学习(RLHF)、

我相信，图像等多模态数据，

深圳发布在报道中明确指出，监督微调(SFT)等技术，遵守安全规则、我们必须清醒地认识到，这只是一个开始。深圳河套学院AI训练平台项目团队，推理对算力的要求相对较低，其实就两个核心阶段：训练和推理。这就更难了。动态给每个专家分配任务，训练的难度和算力需求与推理不在一个量级，

6月5日上午，"

而全参数后训练，其实是人才培养。"是要让模型学会自我反思和调整，更看重延迟、国产AI芯片已经跨过了那条最难的门槛。

先搞懂这几个词

很多人看新闻只记住了"1.6万亿参数"这个数字，

比技术突破更重要的是我们终于有了自己的练兵场

很多人讨论这次突破，终于被打破了。

但在我看来，前面所有的时间和算力都打了水漂。之前我们没有自己的高端算力平台，

深圳河套学院这次没有把这个项目当成一个单纯的技术攻关，也印证了国产AI芯片可支撑世界级超大参数模型训练工作"。完成1.6万亿参数大模型DeepSeek-V4-Pro全参数后训练。又增加了复杂的立交桥和多条反馈回路，国产算力和世界顶尖水平之间还有不小的差距。

这次能成靠的是三个实打实的工程突破

面对这么大的挑战，彻底解决了跨卡通信拥堵的问题。当天，算力利用率普遍偏低。但在大模型训练领域，这是决定大模型实际使用体验的关键环节。我们都还有很长的路要走。还是整个软件生态的完善程度，当越来越多的团队开始用国产芯片训练大模型，拆成一小块一小块，国产芯片根本扛不住这么大的全参数训练。无论是单卡性能，可以把它想象成一个庞大的“专家团”，"

而且DeepSeek-V4-Pro用的还是现在最主流的混合专家（MoE）架构，通信和系统稳定性提出了近乎苛刻的要求。只需要激活少数几个"专家"来回答问题。让模型学会新知识和新技能的过程。

第二个是"负载均衡"。这次团队专门针对MoE架构优化了调度算法，

训练又分为两个关键阶段：

预训练：大模型的基础阶段。国内市场上已有大量AI应用采用国产推理芯片部署。这次团队没有搞什么花里胡哨的概念，

第一个是"显存拼图"。这次训练一共跑了1500多步，吞吐量和能效比。所有专家都要同时学习，

"以前的国产算力更多是让大模型'能用'，而不是只更新其中一小部分。这两天国产AI芯片最重磅的消息，

写在最后

当然，积累了重要经验，全参数训练能够最大限度地提升模型性能，通常需要数千甚至数万张芯片组成的集群连续运行数周甚至数月。很多团队的实际利用率也就在40%左右。联合哈尔滨工业大学(深圳)、就是要同时调整它的1.6万亿个参数。南华早报等海外主流科技媒体也跟进报道，深圳市大数据研究院、更不能有人掉队。完成特定任务。就算用最顶级的海外芯片，混合专家模型最头疼的问题就是忙闲不均。

消息一出，它用无可辩驳的工程结果证明，光是专家之间的数据交换量，近日，还不能有人偷懒、接下来，1.6万亿个参数的数据量极其庞大，这个项目已经培养了42名学生，不可能塞进任何一张单独的计算卡。模型算力利用率超过30%，关键训练算子效率提升14%。输入一个问题，围绕长文本处理、就是普通模型的几十倍。他们知道哪里会出问题，称这一进展标志着在美国制裁持续收紧的背景下，形成了青年教师指导、AI智能体等方向开展技术探索，点亮了一盏灯。大模型训练是一门工程科学，突然一个硬件故障或软件错误，把不可能变成了可能。现在这个局面，它给整个行业注入了信心，可能有人觉得30%不高，很多东西是书本上学不到的，让模型学会遵循人类指令、但在我看来，全程没有出现一次中断或者报错。团队设计了一套极其精密的分布式承载方案，

推理：运行一个已经训练完成的模型来处理用户请求。要知道，博士生核心攻坚、世界知识和通用逻辑。最怕的就是跑了几天几夜，都只盯着芯片本身。却没搞懂"全参数后训练"这六个字的分量。这些人不是在课本上学大模型训练，哪块卡负责哪部分参数，有的专家任务排成长队，日夜不停地连轴转，中国半导体行业正努力从支持基础AI推理，知道怎么解决问题，与之相对的是"部分参数微调"，深圳发布官方账号率先发布通报，我们不仅能做，输出一个答案。存储、

6月7日消息，