DeepSeek V4首发适配背后：昇腾为什么坚持不做CUDA兼容层？

AI行业的节奏正在变得越来越快。 从去年的大模型，到今年Agent的集中爆发，技术热点在持续切换。但在表层变化之下，有一个趋势几乎没有发生改变：模型规模与使用强度的提升，正在持续推高对算力的需求。 当模型规模、调用频率与应用复杂度同时增长，单纯依赖算力堆叠已经难以为继。 在这种局面下，开发者天然希望找到一套已经经过验证、能覆盖全链路的成熟体系。这正是CUDA生态在过去十几年建立起来的护城河：它不仅提供了算力，更定义了从编程到部署的一整套标准。 也正是在这样的背景下，一个更现实的问题开始浮出水面： 当CUDA生态已经形成稳定闭环，后来者的路径到底是什么？是尽可能兼容，以降低迁移成本；还是从底层出发，建立一套不依附既有体系的新结构？ 华为张良给出了他的答案，他在分享会上反复强调： 如果底层结构不改变，上层生态就很难真正建立。 这意味着，当前这场竞争，已经不只是算力性能的比较，而是一次围绕“体系”的重构。 为什么“继续优化”已经不够了？ 在AI基础设施发展的早期阶段，“能不能跑起来”曾经是最核心的判断标准。 但随着大模型进入工程化与规模化阶段，这一标准迅速变得不再充分。系统的瓶颈，开始从“单点能力不足”，转向“整体链路是否匹配真实负载”。 张良在回顾昇腾早期发展时，并没有回避这一点。他提到，“2018年CANN刚发布时，我们知道CANN和硬件都是不完美的”。 那一阶段属于典型的“可运行但未成熟”状态，行业的关注点更多集中在框架对比、性能指标等表层问题，而真正决定长期能力的底层结构，并没有被充分展开。 面对大模型时代的新负载——长序列带来的访存压力、低精度训练成为主流，以及MoE等复杂模型架构的涌现，昇腾急需解决编程模型不够灵活、访存粒度无法适配、低精度支持缺失等问题。 这