近日，由深圳河套学院、哈工大（深圳）、深圳市大数据研究院与华为相关团队组成，并协同深智城 AI 算力平台的联合攻关团队，宣布在国产 AI 算力平台上成功跑通 1.6 万亿参数大模型 DeepSeek-V4-Pro 的全参数后训练（Post-training）。 这是全球第三方机构首次在国产算力平台上完成 1.6 万亿参数规模模型的全参数后训练。 相较于从零开始的预训练（Pre-training），后训练阶段（主要包括监督微调 SFT 与强化学习 RL）侧重于通过高质量指令和人类偏好对齐，教导模型遵循指令并执行特定任务。然而，对于 1.6 万亿参数的 MoE 架构模型而言，全参数后训练依然对底层硬件的显存容量、多卡间通信带宽（如 MoE 路由所触发的全对全通信）以及大规模集群的稳定性有着非常苛刻的要求。 联合攻关团队依托超千张芯片规模的华为昇腾 910C 算力集群，通过优化分布式承载与负载均衡策略，成功克服了通信瓶颈。在长达 1500 多步的训练过程中，系统未出现一次中断，模型算力利用率（MFU）超过 30%，关键算子效率提升了 14%，各项指标均达到工业级运行标准。 此前大模型研发的核心预训练多依赖英伟达 GPU 集群，国产算力主要承担推理（Inference）或小参数微调任务。 华为昇腾 910C 集群在万亿级模型训练上的成功跑通，意味着国产算力已开始跨过万亿级大模型全参数训练的工程水准线。