【导语】DeepSeek-V3以2048张H800GPU的训练规模震撼智能算力市场，引发了对算力集群尺度规律的广泛讨论。尽管这一事件动摇了智算行业对规模部署的传统认知，但业界对尺度规律的认可度依然坚挺。与此同时，DeepSeek的发布极大地推动了推理算力市场的增长，多家国产算力芯片公司将业务重点转向推理领域。然而，未来的算力集群部署将以训练与推理为界，形成“双轨并行”的新格局：头部企业持续加码超大规模集群，追求训练性能突破；而各地方与中小企业则转向算法高效化与推理优化，以更低成本参与竞争。

算力集群Scaling Law（尺度规律）还奏效么？万卡级智算集群还是全球AI大模型竞争的“入场券”么？十万卡智算集群仍然是算力备战的目标么？

今年年初，DeepSeek-V3训练只使用了2048张H800GPU的消息传出，像一颗核弹，给长期信奉规模取胜的智能算力市场带来了不小的震憾。智算行业曾经坚信不移的Scaling Law——智算集群规模将沿着千卡、万卡、十万卡顺序部署的路线，也因此产生了动摇。但几个月过去，记者发现，DeepSeek的出现的确给算力芯片市场带来了不小的变化，但业界对尺度规律的认可度仍然坚挺。

推理算力市场迎猛增

毫无疑问，DeepSeek给推理芯片和推理算力市场注入了一针强心剂。

某业内人士表示，2024年，多地建设的智算中心普遍存在空置的现象。但在DeepSeek发布后，各地算力中心资源的利用率实现了大幅提升。

图片来源：2025 中国人工智能计算力发展评估报告

市场分析机构发布数据显示，中国人工智能服务器工作负载中，推理算力的占比将在未来几年大幅增长，预计到 2028 年中国推理算力的市场份额将从2024年的65%增长到73%。

浪潮高级副总裁刘军也表示 ：“在 DeepSeek 发(fā)布(bù)后(hòu)，推(tuī)理(lǐ)算(suàn)力的需求量正在迅速超过训练算力，市场结构发生了根本性变化。”

感受到市场需求的牵引，多家国产算力芯片公司今年将业务发展重点放在了推理领域。例如，今年2月，燧原宣布其庆阳智算中心部署的万卡集群为美图AI推理业务提供算力；今年3月，沐曦科技宣布联合清华大学KVCache.AI团队加速DeepSeek满血版单卡C500异构推理等。

但截至目前，推理市场实际上并不存在对“真万卡集群”的刚需。根据阿里研究院副院长安筱鹏的理解，只有一万张AI加速卡部署在同一个数据中心，并且能通过大规模资源调度技术，让万卡作为“一台”计算机，支持单一模型在一万张卡上同时进行训练，才能被认为是“真万卡集群”。但推理任务更多是分布式实现的，其算力规模需求远低于万卡。[XZ1]

规模定律仍在训练领域奏效

“大模型本地部署有望成为国产算力芯片的重要增长拉动力。” 联通元景大模型负责人在接受《中国电子报》记者采访时如是说。

DeepSeek之所以能撬动巨大的推理算力市场，本质上得益于其底层基础模型V3的高质量训练。而强大的算力，是支撑该模型乃至后续其他模型迭代的基础。

联通云相关负责人介绍，大模型参数规模从(cóng)千(qiān)亿级迈向万亿级，训练数据量也呈指数级增长。大规模训练集群能够通过并行计算和分布式处理，显著缩短训练周期，为模(mó)型(xíng)快(kuài)速(sù)迭(dié)代(dài)提(tí)供(gōng)基(jī)础设施支撑。但从当前的(de)情(qíng)况(kuàng)来(lái)看(kàn)，万(wàn)卡(kǎ)集群(qún)在(zài)训(xun)练(liàn)效(xiào)率(lǜ)上(shàng)已(yǐ)经(jīng)不(bù)足(zú)以(yǐ)支(zhī)持(chí)大(dà)模(mó)型(xíng)的(de)迭(dié)代(dài)速(sù)度(dù)。而(ér)十(shí)万(wàn)卡(kǎ)集群(qún)，能(néng)够(gòu)通(tōng)过(guò)更(gèng)高(gāo)并(bìng)行(xíng)度(dù)和(hé)分(fēn)布(bù)式(shì)优(yōu)化(huà)，在(zài)万(wàn)卡(kǎ)集群(qún)基(jī)础(chǔ)上(shàng)实(shí)现(xiàn)训(xun)练(liàn)效(xiào)率(lǜ)的(de)再(zài)度(dù)提(tí)升(shēng)。

但(dàn)建(jiàn)设(shè)大(dà)规(guī)模(mó)训(xun)练(liàn)集群(qún)，仍(réng)存(cún)在(zài)诸(zhū)多(duō)待(dài)解(jiě)的(de)技(jì)术(shù)问(wèn)题(tí)。多(duō)地(de)域部(bù)署(shǔ)、多(duō)芯(xīn)混(hùn)训(xun)、集群(qún)稳(wěn)定(dìng)性(xìng)都(dōu)给(gěi)集群(qún)建(jiàn)设(shè)带(dài)来(lái)了(le)挑(tiāo)战(zhàn)。集群(qún)稳(wěn)定(dìng)性(xìng)要(yào)求(qiú)高(gāo)，快(kuài)速(sù)容(róng)错(cuò)和(hé)恢(huī)复(fù)是(shì)关键；能(néng)耗(hào)与(yǔ)散(sàn)热(rè)、数(shù)据(jù)管(guǎn)理(lǐ)和(hé)运(yùn)维管理等问题同样重要——集群每日能耗甚至将高达300万千瓦时，与一个小型机械厂一年的用电量相当。

在中国联通相关业务人员看来，综合考虑企业需求、行业应用和区域分布，中国可能需要3—5个“真十万卡集群”，这些集群应具备高效能、低(dī)能(néng)耗(hào)、高(gāo)稳(wěn)定(dìng)性(xìng)的(de)特(tè)点(diǎn)，并(bìng)支(zhī)持(chí)多(duō)任(rèn)务(wu)并(bìng)发(fā)和(hé)动(dòng)态(tài)资(zī)源(yuán)调(diào)度(dù)，以(yǐ)最(zuì)大(dà)化(huà)算(suàn)力(lì)利(lì)用(yòng)率(lǜ)。

双(shuāng)重(zhòng)路线(xiàn)竞(jìng)争(zhēng)

可以预见，未来的算力集群部署，将以训练与推理为界，形成巨大分野，呈现出“双轨并行”新格局：

一方面，头部企业持续加码超大规模集群，集中力量实现训练性能突破。

调度方面，百度、腾讯等企业开发了面向超大集群的自动切分、任务容错系统；能源管理上，液冷、浸没式等新型冷却技术成为数据中心标配，PUE（能源利用效率）持续优化；多芯融合层面，一些平台已实现“国产+进口”GPU、NPU、ASIC的调度统一(yī)，个(gè)别(bié)厂(chǎng)商(shāng)甚(shén)至(zhì)宣(xuān)布(bù)支(zhī)持(chí)六(liù)芯(xīn)异构协同训练。

与此同时，“以训练反哺调度优化”成为技术演进的新方向。通过AI自身参与任务调度、负载均衡，集群可以实现自动化资源编排——这正是AI基础设施向“智能化操作系统”演进的表现。某种意义上，十万卡不再只是“计算力的集合”，而是“算力+AI控制力”的系统体。

“十万卡集群”的比拼，最终将落脚于如何将堆卡用好、用足、用出性价比。

另一方面，各地方、中小企业在智算赛道的着眼点将转向算法高效化与推理优化。越来越多企业开始选择用数百张卡构建私有化小型训练集群，结合开源模型做定制化微调。通过模型蒸馏、芯片定制和边缘算力部署，在特定场景下以更低成本参与竞争，推动AI技术下沉至垂直领域。