计算架构，行业AI竞争的下一个分水岭

当DeepSeek被广泛部署，AI竞争焦点已从“有没有AI”转向“AI用得好不好”

当前，相比能否用上DeepSeek，能否用得好DeepSeek成为企业更关心的话题。

通过大幅降低大模型部署成本，DeepSeek催生了千行万业AI应用的爆发。根据国家数据局透露的数据，2024年初中国日均Token消耗量为1千亿，今年3月中国日均Token消耗量已经达到10万亿级，1年时间增长了100倍。

当越来越多企业把DeepSeek等深度推理模型部署到生产环境，算法层面的差距迅速收窄，各行业AI竞争焦点从“有没有AI”转向“AI用得好不好”。2025年，模型优化技术已经从模型层面算法优化，下探到底层硬件资源的极致利用。一场关乎底层软硬件协同效能的深水区竞赛悄然启幕。

在AI基础设施中，连接底层硬件和上层AI框架的计算架构，成为下一阶段AI落地的关键。深度开放的昇腾计算架构CANN，正成为撬动产业AI高效落地的新支点。

01 趋势之变：AI竞争已下沉至“系统效能”深水区

DeepSeek模型领先的背后，是一系列模型结构优化技术，包括MoE、动态稀疏计算、自适应参数优化、多头潜在注意力机制（MLA）、无辅助损失的负载均衡技术、多词元预测训练方法等。正是这些技术创新打破了AI训练烧钱的魔咒，以GPT-4 百分之一的成本实现相近性能，同时进一步降低了AI应用门槛。

所有接入DeepSeek的企业都可以直接承接这些最先进的模型结构优化技术，获得同样的加持。但是，想要让这些技术的价值发挥到最大，更进一步提升推理效率，就必须依赖底层资源的系统性优化。这就不得不提到计算产业的护城河——计算架构。

如果把AI技术栈比作一块多层蛋糕，自下而上分别是：XPU硬件层——驱动层——计算架构层——AI框架层——AI模型层——AI应用层。计算架构起到承上启下的关键作用。向下，兼容GPU、NPU、XPU等异构处理器；向上，对接主流AI框架，计算架构是发挥底层硬件计算效率、使能前沿开发的关键平台。

底层的计算架构与上层的AI应用之间看似遥远，其实计算架构是下一节点千行万业比拼AI应用效率的关键。计算架构就像建筑地基，只有地基挖的够深，才能支撑起更高更稳的摩天大楼。

在全球计算产业，有实力做计算架构、并逐步发展出生态的企业屈指可数。计算架构往往涵盖编程语言、算子库、编译器等核心组件，以及围绕这些组件的大量底层优化技术，每一项都需要巨量的研发投入才能持续保持技术领先性。

在全球AI版图中，昇腾早已成为不可忽视的AI创新力量。昇腾异构计算架构CANN（Compute Architecture for Neural Networks）就是昇腾AI的核心软件平台。