DeepSeek 重金採購 16 萬顆華為晶片，內蒙古建大規模 AI 叢集

DeepSeek 準備大規模採購 16 萬顆華為 AI 晶片，用於在內蒙古建置的新資料中心叢集。以這個數量級而言，這將是國產加速器在大規模訓練場景中最具指標性的部署案例之一。

16 萬顆的規模具有實質意義。前沿模型的訓練需要在數週內集中調度數萬顆加速器同時運作，而叢集的規模直接決定了可訓練的模型參數上限與迭代速度。達到這個量級，意味著該叢集在理論上具備訓練前沿等級模型的硬體條件。

選擇國產晶片的背景相當明確。高階加速器的出口管制持續收緊，讓中國業者取得國際主流產品的難度大幅提高；在這種條件下，轉向本土供應鏈從選項變成必要。而經過數年的迭代，國產加速器在單卡算力上的差距已較先前收斂，雖仍有落差但已進入可用範圍。

真正的挑戰往往不在單卡效能，而在叢集規模的擴展效率。大規模訓練需要數萬顆晶片之間高速互連並保持同步，網路頻寬、通訊拓撲與軟體堆疊的成熟度，決定了實際可用算力與理論算力之間的落差。在這方面，國際主流平台累積了多年的最佳化經驗，而後進者需要時間補足。

內蒙古的選址則指向能源考量。這類大型叢集的用電需求極為龐大，而該地區在電力供給與土地成本上具備優勢，加上氣候條件有利於降低冷卻能耗。資料中心選址往往由電力而非網路決定，這在全球都是相同的邏輯。

後續觀察重點在於叢集實際運作後的訓練效率數據。採購數量是投入，真正的指標是能否以此訓練出具競爭力的模型，以及每單位算力的實際產出。這將是評估國產加速器生態成熟度最直接的證據。