華為有晶片和原生軟件堆疊，但要證明平台夠唔夠力，仍需要高要求的 AI 工作負載和工程調校；DeepSeek 有模型和工程能力，則需要更多運算資源，以及可為模型優化的平台。SemiAnalysis 的核心觀點是，兩間公司各有所需，合作或有助縮窄 Nvidia 的生態優勢；但目前資料未能證明華為已消除效能差距。12

兩邊互補，單靠一方都唔夠

SemiAnalysis 形容，這種合作是互相補位。華為有自己的盤古模型，但報告指它缺少一家具前沿研發能力的 AI 實驗室，去驗證自家晶片能否訓練和推理模型。DeepSeek 有模型和工程專長，卻需要運算資源。簡單講，華為提供硬件和原生軟件，DeepSeek 則帶來工作負載和工程經驗，令平台更貼近實際使用需要。1

這點重要之處在於，晶片規格本身不足以構成有競爭力的 AI 平台。軟件支援，以及能否順利執行真實工作負載，同樣是關鍵。SemiAnalysis 的論點是，DeepSeek 可協助華為改善生態系統；華為則可為 DeepSeek 提供另一個運算平台。12

昇騰軟件支援逐步擴大

一份整理 SemiAnalysis 報告的摘要指出，DeepSeek 已為六個項目加入昇騰支援，包括 TileLang、DeepGEMM、DeepEP、TileKernels、FlashMLA 和 DeepSelect。不過，摘要亦提到，當時只有 TileLang 可以使用，因為 CANN 9.2.0 尚未推出。7 因此，這些軟件工作顯示支援仍在推進，未代表所有組件已準備好廣泛使用。

現有來源亦不足以證實這六個項目原本全部以 Nvidia 為目標平台。較穩妥的說法是，DeepSeek 正把昇騰支援擴展至一系列 AI 軟件工具。7

99.7% 的測試數字代表甚麼？

一份轉述該報告的摘要稱，華為昇騰 950PR 在 BF16 矩陣運算測試中，核心程式的表現達到理論上限的 99.7%；摘要亦將晶片的整體效能放在 Nvidia A100 與 AMD MI300X 之間。6

兩種比較講的是不同事情。接近理論上限，代表某個程式在指定運算中有效利用了該晶片；但這不表示晶片的絕對效能追上更快的競爭對手，也不代表它在各種工作負載下都有同樣表現。因此，99.7% 是值得留意的數字，但不能當成已追平 Nvidia 的證據。6

現有來源未能核實昇騰 950PR 在受記憶體頻寬限制的測試中，與 H100 的效率比較；亦未能證實某些優化在 x86 伺服器上的實際限制。這些細節不宜當作已確立的結論。

由預測走向轉用，仍有一段路

《南華早報》引述 SemiAnalysis 預測，DeepSeek 到 2027 或 2028 年可能主要依賴華為的技術堆疊。這是對未來方向的預測，不代表 DeepSeek 已經轉移主要工作負載，亦不代表轉用必定會發生。2

整體而言，這是一場生態系統的競逐：華為有硬件和原生軟件，DeepSeek 則可用模型、工作負載和工程能力測試、改進這個平台。測試摘要顯示，華為在部分矩陣運算中能有效運用硬件；軟件支援則反映相容工作的範圍正在擴大。但兩者都不足以證明華為在整體效能或生態成熟度上已追平 Nvidia。1267

華為有晶片和原生軟件堆疊，但要證明平台夠唔夠力，仍需要高要求的 AI 工作負載和工程調校；DeepSeek 有模型和工程能力，則需要更多運算資源，以及可為模型優化的平台。SemiAnalysis 的核心觀點是，兩間公司各有所需，合作或有助縮窄 Nvidia 的生態優勢；但目前資料未能證明華為已消除效能差距。12

兩邊互補，單靠一方都唔夠

SemiAnalysis 形容，這種合作是互相補位。華為有自己的盤古模型，但報告指它缺少一家具前沿研發能力的 AI 實驗室，去驗證自家晶片能否訓練和推理模型。DeepSeek 有模型和工程專長，卻需要運算資源。簡單講，華為提供硬件和原生軟件，DeepSeek 則帶來工作負載和工程經驗，令平台更貼近實際使用需要。1

這點重要之處在於，晶片規格本身不足以構成有競爭力的 AI 平台。軟件支援，以及能否順利執行真實工作負載，同樣是關鍵。SemiAnalysis 的論點是，DeepSeek 可協助華為改善生態系統；華為則可為 DeepSeek 提供另一個運算平台。12

昇騰軟件支援逐步擴大

一份整理 SemiAnalysis 報告的摘要指出，DeepSeek 已為六個項目加入昇騰支援，包括 TileLang、DeepGEMM、DeepEP、TileKernels、FlashMLA 和 DeepSelect。不過，摘要亦提到，當時只有 TileLang 可以使用，因為 CANN 9.2.0 尚未推出。7 因此，這些軟件工作顯示支援仍在推進，未代表所有組件已準備好廣泛使用。

現有來源亦不足以證實這六個項目原本全部以 Nvidia 為目標平台。較穩妥的說法是，DeepSeek 正把昇騰支援擴展至一系列 AI 軟件工具。7

99.7% 的測試數字代表甚麼？

一份轉述該報告的摘要稱，華為昇騰 950PR 在 BF16 矩陣運算測試中，核心程式的表現達到理論上限的 99.7%；摘要亦將晶片的整體效能放在 Nvidia A100 與 AMD MI300X 之間。6

兩種比較講的是不同事情。接近理論上限，代表某個程式在指定運算中有效利用了該晶片；但這不表示晶片的絕對效能追上更快的競爭對手，也不代表它在各種工作負載下都有同樣表現。因此，99.7% 是值得留意的數字，但不能當成已追平 Nvidia 的證據。6

現有來源未能核實昇騰 950PR 在受記憶體頻寬限制的測試中，與 H100 的效率比較；亦未能證實某些優化在 x86 伺服器上的實際限制。這些細節不宜當作已確立的結論。

由預測走向轉用，仍有一段路

《南華早報》引述 SemiAnalysis 預測，DeepSeek 到 2027 或 2028 年可能主要依賴華為的技術堆疊。這是對未來方向的預測，不代表 DeepSeek 已經轉移主要工作負載，亦不代表轉用必定會發生。2

整體而言，這是一場生態系統的競逐：華為有硬件和原生軟件，DeepSeek 則可用模型、工作負載和工程能力測試、改進這個平台。測試摘要顯示，華為在部分矩陣運算中能有效運用硬件；軟件支援則反映相容工作的範圍正在擴大。但兩者都不足以證明華為在整體效能或生態成熟度上已追平 Nvidia。1267