DeepSeek 的執行長認為，華為只落後 $NVDA 約 2 年

梁文峰表示，華為的 Atlas 950 SuperPoD 可以幾乎以相同的工作負載運行 NVIDIA 的 GB200 和 GB300 系統，且延遲相當
不過，底層的效率落差仍然巨大：
要取代一台 NVIDIA GB300，需要四顆華為 Ascend 950 加速器。
梁估計 NVIDIA 的加速器在經濟上大約仍能維持可用性約五年，而華為的晶片可能較接近三年，因其較弱的能效會使其吸引力降低
華為的策略是透過大規模的系統層級規模，來彌補單顆加速器較弱的效能
預期 Atlas 950 SuperPoD 將透過全光互連，連接最多 8,192 顆 Ascend 950DT 晶片，並規劃於 2026 年第四季（Q4 2026）提供
這就是為什麼梁認為，即使華為的系統成本高出 50%、100%，甚至 200%，差異也可能不那麼重要
對中國的 AI 實驗室而言，可用性比價格更重要
⸻
梁表示，對 NVIDIA 硬體的限制正迫使中國公司去融資、研發並採用一個替代生態系統；若沒有這些限制，該生態系統本可能難以獲得動能
當 NVIDIA GPU 可用時，中國公司自然會優先選擇它們。當它們不可用時，這些同樣的公司就被迫去最佳化華為硬體、重寫軟體，並解決那些阻礙國內加速器的生態系統問題
DeepSeek 表示其在 NVIDIA 硬體上訓練了 V3，但透過使用 TileLang（一種更高層級的程式設計框架）來降低對 CUDA 的依賴
梁相信，AI 生成的程式碼與更高層級的編譯器工具，將使跨不同加速器移植工作負載變得越來越容易