近日，深圳河套学院联合哈工大（深圳）、深圳市大数据研究院及华为等团队，依托昇腾910C国产AI算力集群，成功完成1.6万亿参数大模型DeepSeek-V4-Pro的全参数后训练。
在美方制裁下，中国半导体正从基础的AI推理，正式迈向更复杂的模型训练阶段。正如官方通报所言，这印证了国产AI芯片足以支撑世界级超大参数模型的训练。这不是试探，而是实打实的里程碑——国产算力，终于跨过了那条最难的技术门槛。
为什么“全参数后训练”含金量这么高？
很多人只看到了“1.6万亿参数”，却没懂“全参数后训练”这六个字有多难。
AI大模型的核心分为推理和训练。推理是模型已经学好了，按部就班回答问题，这是国产芯片之前擅长的“单行道”；而训练则是让模型从零开始学，不仅需要海量算力，还要不断自我反思调整，相当于在单行道上建起复杂的“立交桥”。
训练又分预训练（打基础）和后训练（学规矩、学技能）。全参数后训练，意味着要同时调整1.6万亿个参数，而不是小打小闹的局部微调。更棘手的是，DeepSeek-V4-Pro采用了混合专家（MoE）架构——推理时只需唤醒少数专家，训练时却要所有专家同时学习、海量通信，数据交换量是普通模型的几十倍。
此前业内普遍认为，国产芯片根本扛不住这种级别的全参数训练。
三大硬核工程突破，把不可能变成可能
面对天堑，联合攻关团队靠的是三个扎扎实实的工程突破：
“显存拼图”：1.6万亿参数无法塞进任何单张卡。团队设计了极其精密的分布式承载方案，将模型像拼图一样拆分到每张芯片，数据交换时机分毫不差。
“负载均衡”：MoE架构最怕“忙闲不均”。团队针对性优化调度算法，动态分配任务，彻底解决了跨卡通信拥堵，大幅提升了算力利用率。
“全程不掉线”：大模型训练最怕中途崩溃，功亏一篑。此次训练跑了1500多步，全程零中断、零报错，背后是无数次调试打磨出的全链路监控与容错体系。
最终，模型算力利用率突破30%，关键训练算子效率提升14%。在万亿级训练领域，30%的利用率已是相当优秀的工业级水准（即便用顶配海外芯片，很多团队也仅在40%左右）。
比芯片突破更珍贵的，是实战人才
比技术突破更被低估的价值，是人才的孵化。
深圳河套学院将这次攻坚变成了真刀真枪的实兵演练场，让学生从环境搭建开始全程参与万亿级模型训练。目前已有42名学生参与，形成了“青年教师指导-博士生攻坚-工程团队支撑”的完整梯队。
大模型训练是一门工程科学，书本上学不到真经。之前没有高端算力平台，年轻人连摸一摸万亿集群的机会都没有。现在，这批知道哪里会出问题、知道怎么解决问题的实战工程师，才是国产AI产业最宝贵的财富。
写在最后
我们清醒地知道，国产算力在单卡性能和软件生态上，与世界顶尖水平仍有差距。但这次突破证明了：在海外垄断的大模型训练领域，我们不仅能做，而且能做好。
这不仅仅是一次技术的突围，更是一针强心剂。随着深圳河套学院等机构持续在长文本、AI智能体方向挖掘国产算力潜力，当越来越多的团队用国产芯片跑通大模型，属于国产AI的时代，才刚刚拉开序幕。
