從V3到V3.1，DeepSeek正在探索出一條“算力自由”之路。

從魔改PTX到使用 UE8M0 FP8 Scale 的參數(shù)精度，DeepSeek先榨取英偉達(dá)GPU算力，再適配國產(chǎn)芯片，可能會在軟硬件協(xié)同方面帶來新的突破，進(jìn)一步提高訓(xùn)練效率，最多可以減少 75% 的內(nèi)存使用，從而在實(shí)際應(yīng)用中減少對進(jìn)口先進(jìn)GPU芯片的依賴。

DeepSeek 正在與下一代國產(chǎn)GPU芯片廠商一起，走向算力自主又邁進(jìn)一步。正是這樣一種令人激動的前景，激活了科技色彩愈發(fā)濃厚的中國資本市場。

V3.1，邁向Agent時(shí)代

DeepSeek 發(fā)布了 V3.1，而不是廣受期待的V4或者R2，連R1也消失了。DeepSeek變成了一個(gè)混合推理架構(gòu)，即一個(gè)模型同時(shí)支持思考模式和非思考模式。這是一個(gè)趨勢，在V3.1發(fā)布一周之前，GPT-5發(fā)布了，是一個(gè)”統(tǒng)一的系統(tǒng)”，包括一個(gè)對話模型，一個(gè)思考模型，和一個(gè)實(shí)時(shí)路由用來決定如何結(jié)合對話與思考。

這次升級提高了DeepSeek的思考效率，即答對同樣的問題，消耗更少的token，花費(fèi)更短的時(shí)間。這既是經(jīng)濟(jì)上的考慮，也產(chǎn)品和用戶體驗(yàn)上的考慮，避免了過度思考，讓回答也更簡潔一些。

V3.1展示出更強(qiáng)的 Agent 能力，通過后訓(xùn)練的優(yōu)化，新模型在工具使用與智能體任務(wù)中的表現(xiàn)有較大提升。

V3.1的基礎(chǔ)模型在V3的基礎(chǔ)上重新做了外擴(kuò)訓(xùn)練，增加訓(xùn)練了840B token。它的上下文長度，思考模式和非思考模式均達(dá)到了128k。性能提升，價(jià)格下降，再次秀出它所擅長的的性價(jià)比創(chuàng)新。

這次升級讓DeepSeek在最近中國AI企業(yè)的開源熱潮中奪回領(lǐng)先優(yōu)勢，但不僅僅是想用來做科研和展示，而是要在企業(yè)服務(wù)能力上向國際前沿AI企業(yè)看齊。

DeepSeek的API Beta 接口支持了strict模式的Function Calling，以確保輸出的Function 滿足schema 定義。這其實(shí)是大模型API在工程化能力上的一個(gè)重要升級。OpenAI、Anthropic、Mistral 等都在逐步推出 strict function calling，向企業(yè)級生產(chǎn)環(huán)境對齊。Strict模式提升了V3.1的工程可靠性和企業(yè)易用性，更容易在企業(yè)服務(wù)中替代GPT/Claude。

同樣的思路，DeepSeek增加了對Anthropic API格式的支持，“讓大家可以輕松將 DeepSeek-V3.1 的能力接入 Claude Code 框架?！蹦康氖菫榱俗屖褂肅laude Code的用戶，更容易切換到DeepSeek。這樣可以直接滲透Anthropic已經(jīng)打開的企業(yè)市場。最近Anthropic的企業(yè)服務(wù)收入，已經(jīng)超過了OpenAI。

這次升級，對于DeepSeek來說的里程碑意義，是邁向Agent時(shí)代的第一步。

對中國的AI芯片生態(tài)，也具有里程碑意義。

深度求索的深水炸彈

DeepSeek在中文官微刻意強(qiáng)調(diào)、而在其英文X賬號上沒有提及的是，V3.1使用了 UE8M0 FP8 Scale 的參數(shù)精度。它還在留言處置頂：

這年頭，越是低調(diào)話少讓人有點(diǎn)看不懂，信息量越大。

在Hugginface 的模型卡中，DeepSeek又放出了一點(diǎn)信息：DeepSeek-V3.1 使用 UE8M0 FP8 縮放數(shù)據(jù)格式進(jìn)行訓(xùn)練，以確保與微縮放數(shù)據(jù)格式兼容。

簡單解釋下，F(xiàn)P8=8-bit floating point（8位浮點(diǎn)數(shù)），是一種超低精度表示方式?？梢燥@著減少顯存/帶寬需求，大幅提升推理和訓(xùn)練效率，但需要精心設(shè)計(jì)縮放（scaling）來避免數(shù)值不穩(wěn)定。

UE8M0是FP8的一種數(shù)字表示格式。U表示沒有符號，E8表示8位指數(shù)，M0表示沒有尾數(shù)。相比之下，英偉達(dá)在 H100、Blackwell GPU 上提供硬件級 FP8 支持，主推E4M3/E5M2格式，也是大多數(shù)模型采取的英偉達(dá)官方FP8格式。

所謂“微縮放數(shù)據(jù)格式”（Microscaling data format)，即業(yè)界的Microscaling FP8 (MXFP8)標(biāo)準(zhǔn)。英偉達(dá)Blackwell GPU支持MXFP8。而V3.1訓(xùn)練所用的數(shù)值體系與MXFP8兼容，模型在推理/部署時(shí)，可以直接在任何支持MXFP8 + UE8M0 的硬件（包括英偉達(dá)Blackwell、未來的國產(chǎn)GPU）上跑，不需要額外轉(zhuǎn)換，能降低內(nèi)存流量、提升矩陣乘法吞吐。

對比一下E4M3/E5M2，UE8M0是一個(gè)變體，全指數(shù)，無尾數(shù)，能覆蓋極寬的動態(tài)范圍，是一種低算力環(huán)境下的工程優(yōu)化。單就UE8M0而言，因?yàn)闆]有尾數(shù)，也沒有精度，只用來存scale。高精度在內(nèi)部計(jì)算中使用，過程是這樣的：輸入FP8，存儲時(shí)用scale調(diào)整，計(jì)算時(shí)自動轉(zhuǎn)換FP16/BF16/FP32，做乘加運(yùn)算，輸出時(shí)再量化回FP8存儲，保證了訓(xùn)練、推理的穩(wěn)定性。

V3.1在訓(xùn)練中使用UE8M0 FP8，并且兼容MXFP8，通過軟件定義與更多芯片適配，能讓超低精度訓(xùn)練/推理在在中國自研芯片上更容易實(shí)現(xiàn)。

目前和即將采用FP8精度的國產(chǎn)GPU芯片，有寒武紀(jì)、沐曦、燧原、昇騰等，還有更多主動適配DeepSeek的芯片廠商。

英偉達(dá)的低精度之路

值得一提的是，英偉達(dá)多年來一直用低精度數(shù)字表示法提升推理和訓(xùn)練效率。例如在所謂的“”中，過去十年GPU實(shí)現(xiàn)的千倍效能提升，新的數(shù)字格式起到了最重要的作用。

英偉達(dá)的首席科學(xué)家戴利（Bill Dally），曾經(jīng)把數(shù)字表示概括為GPU算力”黃氏定律“的精髓。

在P100之前，英偉達(dá)的GPU使用單精度浮點(diǎn)數(shù)表示這些權(quán)重。根據(jù)IEEE 754標(biāo)準(zhǔn)，這些數(shù)字長度為32位，其中23是尾數(shù)位，8是指數(shù)位，還有一位是符號位。

但是，機(jī)器學(xué)習(xí)研究人員很快就發(fā)現(xiàn)，在許多計(jì)算中，其數(shù)字可以不必有那么高的精度，而神經(jīng)網(wǎng)絡(luò)仍然可以給出準(zhǔn)確的答案。這樣做的明顯優(yōu)勢在于，執(zhí)行機(jī)器學(xué)習(xí)的關(guān)鍵計(jì)算（乘法和累加）的邏輯可以更快、更小、更高效地完成。如果需要，就處理更少的位數(shù)（如戴利所解釋的，乘法所需的能量與位數(shù)的平方成正比）。因此，使用FP16，英偉達(dá)將該數(shù)字減少了一半。Google甚至推出了自己的版本，稱為Bfloat16。（兩者的區(qū)別在于分?jǐn)?shù)位的相對數(shù)量，這影響精度；以及指數(shù)位的相對數(shù)量，這影響范圍。Bfloat16與FP32具有相同數(shù)量的范圍位，因此更容易在這兩種格式之間切換。）

到了H100這一代，可以使用8位數(shù)字執(zhí)行大規(guī)模transformer神經(jīng)網(wǎng)絡(luò)的某些部分，例如ChatGPT和其他大型語言模型。然而，英偉達(dá)發(fā)現(xiàn)這并不是一種大小適合所有情況的解決方案。例如，英偉達(dá)的Hopper GPU架構(gòu)實(shí)際上使用兩種不同的FP8格式進(jìn)行計(jì)算，一種具有更高的精度，另一種具有更大的范圍。英偉達(dá)的竅門，在于知道何時(shí)使用哪種格式。

英偉達(dá)對超低精度的一項(xiàng)研究

加州理工教授、英偉達(dá)前研究員Anima Anandkumar指出，V3.1在訓(xùn)練中使用的UE8M0 FP8 scale數(shù)據(jù)格式，實(shí)際上是一種對數(shù)數(shù)值系統(tǒng)（LNS)，來自她當(dāng)年參與的一個(gè)研究項(xiàng)目。

英偉達(dá)和加州理工的研究人員，在2021年時(shí)曾經(jīng)發(fā)表過一篇論文《LNS-Madam：在對數(shù)數(shù)值系統(tǒng)中采用乘法式權(quán)重更新的低精度訓(xùn)練》（LNS-Madam: Low-Precision Training in Logarithmic Number System using Multiplicative Weight Update），探討如何以低精度表示深度神經(jīng)網(wǎng)絡(luò)（DNN），實(shí)現(xiàn)高效加速并減少內(nèi)存占用。

如果直接用低精度權(quán)重進(jìn)行訓(xùn)練，會因低精度數(shù)值系統(tǒng)與學(xué)習(xí)算法之間的復(fù)雜交互而導(dǎo)致精度下降。為了解決這一問題，研究人員設(shè)計(jì)了對數(shù)數(shù)值系統(tǒng)（Logarithmic Number System, LNS）和乘法式權(quán)重更新算法（Madam）。他們證明了 LNS-Madam 在權(quán)重更新過程中能保持較低的量化誤差，即使在精度受限的情況下也能獲得穩(wěn)定性能。他們還進(jìn)一步提出了一種 LNS-Madam 的硬件設(shè)計(jì)，解決了實(shí)現(xiàn)高效 LNS 計(jì)算數(shù)據(jù)通路中的實(shí)際挑戰(zhàn)，有效降低了由 LNS-整數(shù)轉(zhuǎn)換和部分和累加（partial sum acculmlation) 帶來的能耗開銷。

實(shí)驗(yàn)結(jié)果表明，在計(jì)算機(jī)視覺和自然語言等主流任務(wù)中，LNS-Madam 僅使用 8 位精度就能實(shí)現(xiàn)與全精度相當(dāng)?shù)臏?zhǔn)確率。與FP32和FP8相比，LNS-Madam能分別降低超過90% 和 55%的能耗。

DeepSeek的超低精度創(chuàng)新

UE8M0實(shí)際上等價(jià)于 LNS 的一個(gè)極簡實(shí)現(xiàn)，因此可以說UE8M0是LNS的一種特化（只保留log值的整數(shù)部分，沒有小數(shù)精度），所以Anandkumar教授才會把UE8M0縮放數(shù)據(jù)格式稱作一種LNS。

如果說LNS-Madam 一種學(xué)術(shù)探索，是重新設(shè)計(jì)數(shù)學(xué)體系+算法，是硬件和算法一體化的設(shè)計(jì)思路，UE8M0+FP8是一種在現(xiàn)有浮點(diǎn)體系上結(jié)合縮放的工程技巧。二者低精度訓(xùn)練的目標(biāo)一致，但路線完全不同。

UE8M0并不是用來直接存權(quán)重，而是用來存縮放因子（scale factor），幫助其它 FP8（E4M3/E5M2）穩(wěn)定表示數(shù)據(jù)，讓 FP8能夠覆蓋更廣的數(shù)據(jù)分布，從而在硬件上更高效。

追求算力自由

回顧一下DeepSeek兩個(gè)階段的突破點(diǎn)。

首先是先榨干現(xiàn)有硬件的潛力。DeepSeek V3直接修改英偉達(dá)GPU的虛擬機(jī)指令集架構(gòu) PTX，繞過英偉達(dá)編譯器的保守策略，手工調(diào)度寄存器、warp、訪存和Tensor Core指令。把GPU算力利用率提升到極限，降低硬件受限下的訓(xùn)練/推理成本。在DeepSeek手中，A100/A800等英偉達(dá) GPU上的現(xiàn)有算力都得到最大化利用。

第二階段降低算力的物理需求。DeepSeek V3.1引入U(xiǎn)E8M0 FP8格式，讓中國國產(chǎn) AI 芯片（帶寬/算力較弱）也能高效運(yùn)行大模型。采用更緊湊的低精度浮點(diǎn)格式，大幅壓縮內(nèi)存/帶寬占用，減少計(jì)算負(fù)擔(dān)，可以期待下一代國產(chǎn)GPU芯片能進(jìn)行前沿大模型訓(xùn)練推理。

DeepSeek在工程實(shí)踐中走出了一條算力自主之路：先榨取英偉達(dá)，再適配國產(chǎn)芯片，最終走向算力自主。長期來看，DeepSeek將沿著軟硬件協(xié)同優(yōu)化的路線，構(gòu)建一個(gè) “算力無關(guān)”的模型生態(tài)。

中國還需要H20/B30嗎

由于技術(shù)與安全等原因，已經(jīng)傳出英偉達(dá)停止生產(chǎn)H20的消息。目前依然存在懸念的，是黃仁勛是否向中國提供B30。

回顧一下，英偉達(dá)定制H20 / B30給中國市場，因?yàn)槊绹隹诠苤平瓜蛑袊鍪跦100/H200/B100/B200等高端GPU。黃仁勛的策略，是推出縮水版芯片，為中國定制了H20（基于 Hopper）和B30（基于 Blackwell），在算力、互聯(lián)、帶寬上降低配置，但仍保持 CUDA 生態(tài)兼容，以保住中國市場，避免中國廠商快速完全轉(zhuǎn)向國產(chǎn)芯片。同時(shí)遵守美國出口管制。

即使DeepSeek魔改PTX，一時(shí)造成了英偉達(dá)股價(jià)暴跌，也并沒有影響黃仁勛的策略，老黃反而一直想見梁文鋒。因?yàn)樗睦锩靼?，也公開表達(dá)過，以中國的人才，尤其是軟件人才，實(shí)現(xiàn)AI芯片與模型生態(tài)的自主閉環(huán)，只是時(shí)間問題。

沒想到的是UE8M0+ 超低精度的沖擊，以如此低調(diào)的方式釋放。它意味著中國廠商對于H20/B30的需求，正在發(fā)生微妙的變化。如果國產(chǎn)下一代GPU芯片近期推出，而且支持UE8M0+FP8 跑通大模型，英偉達(dá)的縮水卡在中國市場上的競爭力下降。一旦國產(chǎn)芯片生態(tài)完善，CUDA 生態(tài)的鎖定效應(yīng)會逐漸削弱。

中國市場還需不需要B30？有一種業(yè)內(nèi)觀點(diǎn)認(rèn)為，短期依然需要，因?yàn)閲a(chǎn)GPU產(chǎn)能、軟件生態(tài)還在追趕。大部分企業(yè)，尤其是互聯(lián)網(wǎng)大廠和科研機(jī)構(gòu)等，仍依賴CUDA工具鏈和現(xiàn)成框架。H20/B30在推理與訓(xùn)練上仍然比國產(chǎn)芯片更穩(wěn)健。也許B30本身的相對先進(jìn)性，即弱于最先進(jìn)的GPU、但仍強(qiáng)于國產(chǎn)GPU，才能決定它能否得到中美兩國有關(guān)部門的接受。

隨著國產(chǎn)芯片+超低精度訓(xùn)練將逐漸跑通并規(guī)?；渴穑虚L期來看對于B30們的需求會明顯下降。國產(chǎn)AI軟件棧（昇騰CANN、寒武紀(jì) Neuware、壁仞 BIRENSUPA）逐步成熟，逐漸減少對 CUDA 的依賴。成本敏感的中國企業(yè)會更傾向國產(chǎn)方案，同時(shí)避免美國找麻煩。

英偉達(dá)的優(yōu)勢何在

UE8M0+FP8，好像是DeepSeek接過了英偉達(dá)近十年來的低精度數(shù)字表示技術(shù)的大旗，結(jié)合中國的實(shí)際進(jìn)行工程創(chuàng)新，它將加快中國下一代芯片的推出，加快以國產(chǎn)芯片解決中國大規(guī)模訓(xùn)練和推理的需求，從而形成中國AI芯片與模型的技術(shù)路線。

使用UE8M0 FP8 Scale的參數(shù)精度，適配國產(chǎn)下一代芯片，兼容MXFP8，并不意味著英偉達(dá)失去了優(yōu)勢主導(dǎo)地位，因?yàn)?G200 不只是 FP8，還帶來更大帶寬、更強(qiáng)互聯(lián)（NVLink 5）、更大顯存。軟件生態(tài)（CUDA、PyTorch 插件）也牢牢綁定 FP8，遷移到 UE8M0 需要額外工程適配。大部分國際大廠（OpenAI、Anthropic、Meta）還是會首選 G200 來追求極致性能?！包S氏定律”已經(jīng)推進(jìn)至FP4精度，英偉達(dá)還曾親自下場發(fā)布了優(yōu)化版的DeepSeek-R1-FP4，內(nèi)存需求大幅降低，基準(zhǔn)測試成績幾乎不變。

如果 UE8M0+FP8 在社區(qū)和國產(chǎn)硬件上普及，低成本訓(xùn)練路徑會弱化英偉達(dá)的必選性。這對中國廠商尤其重要，即使沒有 G200，也能在國產(chǎn) GPU 上穩(wěn)定訓(xùn)練大模型，形成去英偉達(dá)化的路線。