DeepSeek傳擬在內蒙古部署16萬顆華為晶片叢集，用於推論

據報導，DeepSeek正計畫在內蒙古的一座資料中心部署至少16萬顆華為AI處理器；若最終完成，這將可能成為目前已知規模最大的華為晶片叢集。根據 The Decoder 引述的報導，這套擬議系統將用於推論而非模型訓練，標誌著中國AI公司在Nvidia硬體受限情況下建置基礎設施的一項潛在重要轉變。

這項計畫的核心是華為下一代 Ascend-950DT 處理器。就所提供的證據而言，這並未被呈現為已完成的訂單、已投入運作的部署，或是來自 DeepSeek 或華為的公開確認公告。相反地，相關報導描述的是一項預定建置，而由於晶片生產限制與高頻寬記憶體短缺，其交付可能需要一年以上。

是大型推論系統，不是訓練用超級電腦

推論與訓練的區別是這則報導的核心。訓練需要在大量加速器之間持續處理，讓模型從資料中學習；推論則是生產階段，已訓練好的模型回應使用者請求、產生內容，或為應用程式執行任務。

據報，這座 DeepSeek 擬建叢集將聚焦於推論工作負載。The Decoder 引述 Bloomberg 的報導指出，DeepSeek 仍在使用 Nvidia 硬體處理較重的訓練工作負載。這表示該專案並不是立刻取代 DeepSeek 計算基礎設施的每一部分，而是要在模型訓練完成後，建立一個大型國內平台來提供模型服務。

即使如此，至少16萬顆處理器仍代表相當龐大的部署。如果能順利交付並有效連接，這套系統有望支援高流量的模型存取，並降低公司對進口加速器承擔生產服務的依賴。然而，實際成果不僅取決於處理器數量：網路互連、軟體相容性、供電、散熱、記憶體容量，以及叢集管理都會影響可用效能。

華為的供應限制是眼前的障礙

報導中的時程並不確定。The Decoder 表示，華為可能因生產限制與記憶體短缺而無法在一年以上的時間內交付全部數量。這項說法使得這則消息同時也是一則關於供應鏈能力的故事，而不只是 DeepSeek 採購計畫的故事。

AI加速器仰賴高頻寬記憶體，才能在處理器與其服務的工作負載之間快速傳輸資料。報導指出，中國的 CXMT 已開始生產少量 HBM3E，這是一種 AI 處理器使用的記憶體技術，但相較於已在量產 HBM4 的 Samsung、SK Hynix 與 Micron，仍落後數年。

這些比較說明了為何大型國產加速器專案難以迅速擴展。即使華為能設計並組裝處理器，要取得足夠的先進記憶體與封裝產能，仍可能決定一項16萬顆晶片的計畫究竟會成為可運作的叢集，還是較長期的目標。現有證據並未確認明確交付日期、最終系統配置，也未證明所提議的全部數量已透過合約確保。

證據證實了什麼——以及沒有證實什麼

所提供的三則報導在核心主張上是一致的：DeepSeek與一項規劃中的16萬顆華為部署有關，而目標地點是內蒙古。CNBC TV18 與 tech-ish.com 將這項計畫描述為在Nvidia產品於中國仍受限制之際，降低對Nvidia依賴的努力。The Decoder 則提供了更細節的說法，包括擬議晶片類型、僅用於推論的角色、供應瓶頸，以及訓練工作仍持續使用 Nvidia。

然而，這些證據屬於媒體報導，而非公開技術規格或公司公告。這裡提供的任何來源都無法確認華為已接受全部訂單、建設已完成，或叢集已進入測試階段。「這將是已知最大的華為晶片叢集」這一說法同樣只是報導中的比較，而非經獨立審核的產業排名。

這種區別對AI採購者與研究人員很重要。單看規劃中的處理器數量，無法得知吞吐量、每次請求成本、正常運作時間，或與 DeepSeek 所使用軟體堆疊的相容性。這些結果只能在系統交付並於生產條件下完成基準測試後才能評估。

為何這項專案對AI開發者與企業重要

對 DeepSeek 而言，將推論移到華為硬體上，可能讓其在中國對供應與部署能力擁有更高的控制權，也可能使服務成本與可用性不再那麼依賴 Nvidia 採購、出口管制或進口系統的取得。然而，這種規模的推論遷移可能需要軟體最佳化、模型轉換、排程調整，以及在華為硬體與軟體生態系中的大量測試。

對企業AI團隊來說，這個擬議叢集凸顯了一項更廣泛的採購教訓：加速器多元化不只是買另一顆晶片而已。團隊必須評估整個平台，包括編譯器支援、推論框架、記憶體頻寬、網路、可觀測性，以及替代硬體的可取得性。

這項專案也呈現了中國AI產業面臨的不同瓶頸。出口限制或許會推升對國產加速器的需求，但需求本身無法解決先進記憶體短缺或製造限制。華為能否大規模交付，以及 DeepSeek 能否在最終形成的叢集上達到具競爭力的推論效能，會比單純的新聞標題處理器數量更具指標性。

接下來要觀察什麼

最明確的後續信號將是 DeepSeek 或華為確認，該專案是具約束力的訂單，而不是內部規劃。關於建設進度、交付時程，以及實際安裝的 Ascend-950DT 晶片數量的報導，將能說明是否正在達到所宣稱的規模。

技術披露同樣重要。請留意與Nvidia系統相比的推論吞吐量、延遲、耗電與成本的獨立測量。關於軟體堆疊、模型支援、網路設計與記憶體配置的細節，將有助於判斷這個叢集是否能有效支援真實工作負載。

最後，CXMT 的 HBM3E 供應狀況與華為的產能將顯示，中國是否能把國內AI基礎設施擴展到單一部署之外。若供應仍然有限，DeepSeek 專案可能會成為長期產能規劃，而非短期替代Nvidia系統的方案。

Creati.ai 觀點

DeepSeek 傳出的計畫之所以重要，是因為它把對AI基礎設施的依賴分成兩個階段。中國或許可以在最吃重的訓練工作負載上繼續使用 Nvidia 系統，同時把大規模推論轉移到國產加速器上。這比在整個AI堆疊全面替換 Nvidia 的範圍更窄，但對於推論需求持續存在的面向消費者服務與企業部署而言，仍可能非常重要。

這則故事應以交付與運營結果來評估，而不是以提議的晶片數量來評估。在華為供應能力、DeepSeek 的部署，以及獨立效能數據變得更清楚之前，16萬顆處理器這個數字最好被視為一項重大的報導性野心——也是一場檢驗中國國產AI硬體生態系能否從戰略規劃擴展到可靠生產基礎設施的測試。