從魔改PTX到使用 UE8M0 FP8 Scale 的參數精度，DeepSeek先榨取英偉達GPU算力，再適配國產芯片，可能會在軟硬件協同方面帶來新的突破，進一步提高訓練效率，最多可以減少 75% 的內存使用，從而在實際應用中減少對進口先進GPU芯片的依賴。

DeepSeek 正在與下一代國產GPU芯片廠商一起，走向算力自主又邁進一步。正是這樣一種令人激動的前景，激活了科技色彩愈發濃厚的中國資本市場。

V3.1，邁向Agent時代

DeepSeek 發佈了 V3.1，而不是廣受期待的V4或者R2，連R1也消失了。DeepSeek變成了一個混合推理架構，即一個模型同時支持思考模式和非思考模式。這是一個趨勢，在V3.1發佈一週之前，GPT-5發佈了，是一個”統一的系統”，包括一個對話模型，一個思考模型，和一個實時路由用來決定如何結合對話與思考。

這次升級提高了DeepSeek的思考效率，即答對同樣的問題，消耗更少的token，花費更短的時間。這既是經濟上的考慮，也產品和用戶體驗上的考慮，避免了過度思考，讓回答也更簡潔一些。

V3.1展示出更強的 Agent 能力，通過後訓練的優化，新模型在工具使用與智能體任務中的表現有較大提升。

V3.1的基礎模型在V3的基礎上重新做了外擴訓練，增加訓練了840B token。它的上下文長度，思考模式和非思考模式均達到了128k。性能提升，價格下降，再次秀出它所擅長的的性價比創新。

這次升級讓DeepSeek在最近中國AI企業的開源熱潮中奪回領先優勢，但不僅僅是想用來做科研和展示，而是要在企業服務能力上向國際前沿AI企業看齊。

DeepSeek的API Beta 接口支持了strict模式的Function Calling，以確保輸出的Function 滿足schema 定義。這其實是大模型API在工程化能力上的一個重要升級。OpenAI、Anthropic、Mistral 等都在逐步推出 strict function calling，向企業級生產環境對齊。Strict模式提升了V3.1的工程可靠性和企業易用性，更容易在企業服務中替代GPT/Claude。

同樣的思路，DeepSeek增加了對Anthropic API格式的支持，“讓大家可以輕鬆將 DeepSeek-V3.1 的能力接入 Claude Code 框架。”目的是爲了讓使用Claude Code的用戶，更容易切換到DeepSeek。這樣可以直接滲透Anthropic已經打開的企業市場。最近Anthropic的企業服務收入，已經超過了OpenAI。

這次升級，對於DeepSeek來說的里程碑意義，是邁向Agent時代的第一步。

對中國的AI芯片生態，也具有里程碑意義。

深度求索的深水炸彈

DeepSeek在中文官微刻意強調、而在其英文X賬號上沒有提及的是，V3.1使用了 UE8M0 FP8 Scale 的參數精度。它還在留言處置頂：

這年頭，越是低調話少讓人有點看不懂，信息量越大。

在Hugginface 的模型卡中，DeepSeek又放出了一點信息：DeepSeek-V3.1 使用 UE8M0 FP8 縮放數據格式進行訓練，以確保與微縮放數據格式兼容。

簡單解釋下，FP8=8-bit floating point（8位浮點數），是一種超低精度表示方式。可以顯著減少顯存/帶寬需求，大幅提升推理和訓練效率，但需要精心設計縮放（scaling）來避免數值不穩定。

UE8M0是FP8的一種數字表示格式。U表示沒有符號，E8表示8位指數，M0表示沒有尾數。相比之下，英偉達在 H100、Blackwell GPU 上提供硬件級 FP8 支持，主推E4M3/E5M2格式，也是大多數模型採取的英偉達官方FP8格式。

所謂“微縮放數據格式”（Microscaling data format)，即業界的Microscaling FP8 (MXFP8)標準。英偉達Blackwell GPU支持MXFP8。而V3.1訓練所用的數值體系與MXFP8兼容，模型在推理/部署時，可以直接在任何支持MXFP8 + UE8M0 的硬件（包括英偉達Blackwell、未來的國產GPU）上跑，不需要額外轉換，能降低內存流量、提升矩陣乘法吞吐。

對比一下E4M3/E5M2，UE8M0是一個變體，全指數，無尾數，能覆蓋極寬的動態範圍，是一種低算力環境下的工程優化。單就UE8M0而言，因爲沒有尾數，也沒有精度，只用來存scale。高精度在內部計算中使用，過程是這樣的：輸入FP8，存儲時用scale調整，計算時自動轉換FP16/BF16/FP32，做乘加運算，輸出時再量化回FP8存儲，保證了訓練、推理的穩定性。

V3.1在訓練中使用UE8M0 FP8，並且兼容MXFP8，通過軟件定義與更多芯片適配，能讓超低精度訓練/推理在在中國自研芯片上更容易實現。

目前和即將採用FP8精度的國產GPU芯片，有寒武紀、沐曦、燧原、升騰等，還有更多主動適配DeepSeek的芯片廠商。

英偉達的低精度之路

值得一提的是，英偉達多年來一直用低精度數字表示法提升推理和訓練效率。例如在所謂的“黃氏定律”中，過去十年GPU實現的千倍效能提升，新的數字格式起到了最重要的作用。

英偉達的首席科學家戴利（Bill Dally），曾經把數字表示概括爲GPU算力”黃氏定律“的精髓。

在P100之前，英偉達的GPU使用單精度浮點數表示這些權重。根據IEEE 754標準，這些數字長度爲32位，其中23是尾數位，8是指數位，還有一位是符號位。

但是，機器學習研究人員很快就發現，在許多計算中，其數字可以不必有那麼高的精度，而神經網絡仍然可以給出準確的答案。這樣做的明顯優勢在於，執行機器學習的關鍵計算（乘法和累加）的邏輯可以更快、更小、更高效地完成。如果需要，就處理更少的位數（如戴利所解釋的，乘法所需的能量與位數的平方成正比）。因此，使用FP16，英偉達將該數字減少了一半。Google甚至推出了自己的版本，稱爲Bfloat16。（兩者的區別在於分數位的相對數量，這影響精度；以及指數位的相對數量，這影響範圍。Bfloat16與FP32具有相同數量的範圍位，因此更容易在這兩種格式之間切換。）

到了H100這一代，可以使用8位數字執行大規模transformer神經網絡的某些部分，例如ChatGPT和其他大型語言模型。然而，英偉達發現這並不是一種大小適合所有情況的解決方案。例如，英偉達的Hopper GPU架構實際上使用兩種不同的FP8格式進行計算，一種具有更高的精度，另一種具有更大的範圍。英偉達的竅門，在於知道何時使用哪種格式。

英偉達對超低精度的一項研究

加州理工教授、英偉達前研究員Anima Anandkumar指出，V3.1在訓練中使用的UE8M0 FP8 scale數據格式，實際上是一種對數數值系統（LNS)，來自她當年參與的一個研究項目。

英偉達和加州理工的研究人員，在2021年時曾經發表過一篇論文《LNS-Madam：在對數數值系統中採用乘法式權重更新的低精度訓練》（LNS-Madam: Low-Precision Training in Logarithmic Number System using Multiplicative Weight Update），探討如何以低精度表示深度神經網絡（DNN），實現高效加速並減少內存佔用。

如果直接用低精度權重進行訓練，會因低精度數值系統與學習算法之間的複雜交互而導致精度下降。爲了解決這一問題，研究人員設計了對數數值系統（Logarithmic Number System, LNS）和乘法式權重更新算法（Madam）。他們證明了 LNS-Madam 在權重更新過程中能保持較低的量化誤差，即使在精度受限的情況下也能獲得穩定性能。他們還進一步提出了一種 LNS-Madam 的硬件設計，解決了實現高效 LNS 計算數據通路中的實際挑戰，有效降低了由 LNS-整數轉換和部分和累加（partial sum acculmlation) 帶來的能耗開銷。

實驗結果表明，在計算機視覺和自然語言等主流任務中，LNS-Madam 僅使用 8 位精度就能實現與全精度相當的準確率。與FP32和FP8相比，LNS-Madam能分別降低超過90% 和 55%的能耗。

DeepSeek的超低精度創新

UE8M0實際上等價於 LNS 的一個極簡實現，因此可以說UE8M0是LNS的一種特化（只保留log值的整數部分，沒有小數精度），所以Anandkumar教授纔會把UE8M0縮放數據格式稱作一種LNS。

如果說LNS-Madam 一種學術探索，是重新設計數學體系+算法，是硬件和算法一體化的設計思路，UE8M0+FP8是一種在現有浮點體系上結合縮放的工程技巧。二者低精度訓練的目標一致，但路線完全不同。

UE8M0並不是用來直接存權重，而是用來存縮放因子（scale factor），幫助其它 FP8（E4M3/E5M2）穩定表示數據，讓 FP8能夠覆蓋更廣的數據分佈，從而在硬件上更高效。

追求算力自由

回顧一下DeepSeek兩個階段的突破點。

首先是先榨乾現有硬件的潛力。DeepSeek V3直接修改英偉達GPU的虛擬機指令集架構 PTX，繞過英偉達編譯器的保守策略，手工調度寄存器、warp、訪存和Tensor Core指令。把GPU算力利用率提升到極限，降低硬件受限下的訓練/推理成本。在DeepSeek手中，A100/A800等英偉達 GPU上的現有算力都得到最大化利用。

第二階段降低算力的物理需求。DeepSeek V3.1引入UE8M0 FP8格式，讓中國國產 AI 芯片（帶寬/算力較弱）也能高效運行大模型。採用更緊湊的低精度浮點格式，大幅壓縮內存/帶寬佔用，減少計算負擔，可以期待下一代國產GPU芯片能進行前沿大模型訓練推理。

DeepSeek在工程實踐中走出了一條算力自主之路：先榨取英偉達，再適配國產芯片，最終走向算力自主。長期來看，DeepSeek將沿着軟硬件協同優化的路線，構建一個 “算力無關”的模型生態。

中國還需要H20/B30嗎

由於技術與安全等原因，已經傳出英偉達停止生產H20的消息。目前依然存在懸念的，是黃仁勳是否向中國提供B30。

回顧一下，英偉達定製H20 / B30給中國市場，因爲美國出口管制禁止向中國出售H100/H200/B100/B200等高端GPU。黃仁勳的策略，是推出縮水版芯片，爲中國定製了H20（基於 Hopper）和B30（基於 Blackwell），在算力、互聯、帶寬上降低配置，但仍保持 CUDA 生態兼容，以保住中國市場，避免中國廠商快速完全轉向國產芯片。同時遵守美國出口管制。

即使DeepSeek魔改PTX，一時造成了英偉達股價暴跌，也並沒有影響黃仁勳的策略，老黃反而一直想見梁文鋒。因爲它心裏明白，也公開表達過，以中國的人才，尤其是軟件人才，實現AI芯片與模型生態的自主閉環，只是時間問題。

沒想到的是UE8M0+ 超低精度的衝擊，以如此低調的方式釋放。它意味着中國廠商對於H20/B30的需求，正在發生微妙的變化。如果國產下一代GPU芯片近期推出，而且支持UE8M0+FP8 跑通大模型，英偉達的縮水卡在中國市場上的競爭力下降。一旦國產芯片生態完善，CUDA 生態的鎖定效應會逐漸削弱。

中國市場還需不需要B30？有一種業內觀點認爲，短期依然需要，因爲國產GPU產能、軟件生態還在追趕。大部分企業，尤其是互聯網大廠和科研機構等，仍依賴CUDA工具鏈和現成框架。H20/B30在推理與訓練上仍然比國產芯片更穩健。也許B30本身的相對先進性，即弱於最先進的GPU、但仍強於國產GPU，才能決定它能否得到中美兩國有關部門的接受。

隨着國產芯片+超低精度訓練將逐漸跑通並規模化部署，中長期來看對於B30們的需求會明顯下降。國產AI軟件棧（升騰CANN、寒武紀 Neuware、壁仞 BIRENSUPA）逐步成熟，逐漸減少對 CUDA 的依賴。成本敏感的中國企業會更傾向國產方案，同時避免美國找麻煩。

英偉達的優勢何在

UE8M0+FP8，好像是DeepSeek接過了英偉達近十年來的低精度數字表示技術的大旗，結合中國的實際進行工程創新，它將加快中國下一代芯片的推出，加快以國產芯片解決中國大規模訓練和推理的需求，從而形成中國AI芯片與模型的技術路線。

使用UE8M0 FP8 Scale的參數精度，適配國產下一代芯片，兼容MXFP8，並不意味着英偉達失去了優勢主導地位，因爲 G200 不只是 FP8，還帶來更大帶寬、更強互聯（NVLink 5）、更大顯存。軟件生態（CUDA、PyTorch 插件）也牢牢綁定 FP8，遷移到 UE8M0 需要額外工程適配。大部分國際大廠（OpenAI、Anthropic、Meta）還是會首選 G200 來追求極致性能。“黃氏定律”已經推進至FP4精度，英偉達還曾親自下場發佈了優化版的DeepSeek-R1-FP4，內存需求大幅降低，基準測試成績幾乎不變。

如果 UE8M0+FP8 在社區和國產硬件上普及，低成本訓練路徑會弱化英偉達的必選性。這對中國廠商尤其重要，即使沒有 G200，也能在國產 GPU 上穩定訓練大模型，形成去英偉達化的路線。