2026年6月5日，深圳发布的一则通报让行业振奋：深圳河套学院AI训练平台项目团队联合哈工大（深圳）、深圳市大数据研究院、华为以及深智城AI算力平台，依托1000颗昇腾910C组成的国产算力集群，完成了1.6万亿参数大模型DeepSeek-V4-Pro的全参数后训练。
什么是全参数后训练？它不是微调，不是只动一小部分参数，而是同时调整1.6万亿个参数。这对集群的通信、显存和算力调度提出了极其苛刻的要求。这次联合攻关给出的数据相当硬核：全程1500余步训练，没有出现一次中断或报错，故障率仅为0.3‰。模型算力利用率（MFU）稳定超过30%，关键训练算子效率提升了14%。各项指标均达到了工业级运行标准。这不是实验室里跑个Demo交差，而是真刀真枪的工程结果。
把这些成绩放回硬件参数的语境里看，分量会更重。
根据公开参数对比，昇腾910C的单卡FP16算力为800 TFLOPS，这个数字只有英伟达H100（1979 TFLOPS）的40%。在显存配置上，910C的96GB HBM容量比H100的80GB略有优势，但1.8 TB/s的显存带宽依然落后于H100的3.35 TB/s。此外，910C的HCCS互联带宽为400 GB/s，单卡推理速度可达6688 tok/s/NPU。
绝对指标存在差距，千卡集群却能跑出工业级训练效果，靠的是软件栈与工程协同的极致压榨。
这种压榨不是一日之功。今年春节期间，DeepSeek横空出世，全国大模型训练者开启了不知多少个不眠之夜，调整训练方式，复现DeepSeek结果。华为云为了接住DeepSeek快速增长的流量，AI研发团队从春节开始一直奋战到4月30日，经过多团队协同，才让Ascend 910B/910C的推理能力达成客户的基本需求。
从年初的推理兜底，到如今支撑1.6万亿参数的全参数训练，910C集群的实战给出了一个明确的答案。
国产AI芯片已经跨过了“能不能跑”的实验室阶段。当千卡集群能在1500余步中保持零中断，故障率压到0.3‰，MFU稳定超30%，它就不再只是备选项，而是真正能扛起大模型训练任务的算力底座。这场硬仗用无可辩驳的工程结果证明，国产算力已经具备了工业级大模型训练能力。