DeepSeek 彻底和 NVIDIA 决裂了！

— 特色专栏 —

MySQL/PostgreSQL/MongoDB

ElasticSearch/Hadoop/Redis

Kubernetes/Docker/DevOps

Kafka/RabbitMQ/Zookeeper

监控平台/应用与服务/集群管理

Nginx/Git/Tools/OpenStack

大家好，我是民工哥！

专为下一代国产芯片设计！DeepSeek采用UE8M0 FP8标准：华为积极适配 彻底和NVIDIA决裂了

DeepSeek 彻底和 NVIDIA 决裂了！

近日，深度求索宣布正式发布DeepSeek-V3.1。其中一个重大的进步和惊喜，就是支持了UE8M0 FP8。

DeepSeek在其官宣发布DeepSeek-V3.1的文章中提到，UE8M0 FP8是针对即将发布的下一代国产芯片设计。

UE8M0 FP8采用“无符号指数（U8）+ 动态缩放（Scale）”策略，通过省略符号位和尾数位，将存储开销压缩至极低水平（仅8位），同时通过Scale因子动态调整数值范围，避免信息丢失。

这种设计使国产芯片（如昇腾、寒武纪）在推理阶段可减少50%-75%的显存占用，矩阵乘法速度较FP16提升2-3倍。

相比NVIDIA的FP8标准（E4M3/E5M2，含3-2位小数精度），UE8M0 FP8牺牲了部分通用性（如不支持负数直接表示），但换取了更低的功耗和更高的运算效率，对芯片制程工艺要求更低，更适合国产芯片当前的技术水平。

NVIDIA的FP8标准与其CUDA软件栈、Tensor Core硬件深度绑定，支持混合精度训练（如FP16/FP8/FP32动态切换），并覆盖从训练到推理的全流程。这种生态闭环使开发者难以轻易迁移至其他标准。

UE8M0 FP8为国产芯片提供了技术路径，使其在推理效率上接近NVIDIA同级产品（如H200）。

生态闭环仍面临巨大的挑战，国产AI生态需从芯片、框架、算力平台到应用层实现闭环适配。

目前，摩尔线程已推出支持原生FP8的GPU，芯原股份的NPU也兼容FP8技术，但软件栈（如编译器、驱动）的成熟度仍落后于NVIDIA，需长期投入。

DeepSeek通过UE8M0 FP8标准，DeepSeek将模型精度与国产芯片绑定，降低对海外GPU的依赖，为国产芯片提供应用场景和优化方向。

DeepSeek-V3.1的推理成本仅为闭源系统的1/60，推动AI应用渗透率从15%向50%跃升。这种成本优势可能吸引更多开发者转向国产生态。

在各项评测指标得分基本持平的情况下，R1-0528

NVIDIA 目前依旧是全球AI芯片主导者，占据数据中心 AI 加速芯片市场约90%份额，其GPU在训练效率、生态兼容性上具有不可替代性。

DeepSeek 此次的发布可以说是对国产AI体系自主化的一次重要推动，Deepseek这次适配国产芯片，是从“硬件替代”升级到“硬件+生态”一起抓，这才是关键中的关键。

但是，国产AI生态自主化闭环仍需长期建设。

👍 既然都看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～