从推理到训练：跨越更大的技术门槛

DeepSeek此前已主要基于英伟达GPU开展大语言模型（LLM）的研发与部署。在AI算力链条中，推理（inference）对芯片性能和软件生态的要求相对较低，而训练（training）则需要更高的算力密度、更稳定的集群互联以及成熟的软件栈支持。

华为近年来持续投入自研AI芯片，力图在中国国内构建不依赖英伟达的算力体系。DeepSeek若能将华为芯片引入训练环节，将被视为中国国产AI算力生态的重要进展，也意味着华为芯片在性能与软件兼容性上需经受更严格的考验。

地缘背景下的算力自主化尝试

在美国持续收紧对华高端AI芯片出口管制的背景下，中国企业寻求英伟达替代方案的压力与动力同步上升。DeepSeek此前以较低的算力成本训练出性能可观的模型而受到关注，其技术路线本身就强调算法效率对算力的补偿。

此次将华为芯片纳入考量，被外界解读为这种“算力自主化”思路的延续。不过，训练任务对芯片集群规模、互联带宽和软件生态的依赖程度远高于推理，华为方案能否支撑大规模训练，目前尚无确凿结论。

前景与不确定性并存

从推理扩展到训练，是国产AI芯片替代路径中公认难度最大的一步。DeepSeek与华为的合作若取得实质进展，可能改变中国AI行业的算力格局；但若训练效果或效率不及预期，双方也可能仅停留在部分推理场景的替代层面。截至发稿，具体部署规模和训练成果均未得到官方确认。

综合来看，DeepSeek尝试借助华为AI芯片减少对英伟达依赖并挑战训练环节的说法，与已知信息基本相符，Verdict: 基本属实。