近日，深圳河套學院AI訓練平臺項目團隊聯合哈爾濱工業大學（深圳）、深圳市大數據研究院及華為相關團隊，在國產AI芯片領域取得重大突破。依托昇騰910C國產AI算力集群，該團隊成功完成1.6萬億參數大模型DeepSeek-V4-Pro的全參數后訓練，標志著中國在高端AI算力應用領域邁出關鍵一步。

全參數后訓練是AI大模型開發的核心環節，要求在訓練過程中同步更新全部參數。對于DeepSeek-V4-Pro而言，這意味著需同時調整1.6萬億個參數，其計算復雜度遠超常規訓練。項目團隊采用混合專家（MoE）架構，該架構雖能提升模型效率，但訓練時需確保所有"專家"模塊同步學習，數據交換量是普通模型的數十倍，對算力集群的通信能力提出極高要求。

此次突破得益于三大工程技術創新：一是分布式顯存管理方案，通過精密算法將模型拆解為數萬個小模塊，精準分配至每張計算卡；二是動態負載均衡技術，針對MoE架構特性優化任務調度，使算力利用率提升至30%以上；三是全鏈路容錯系統，通過1500余步連續訓練無中斷的實踐，驗證了國產集群的穩定性。官方數據顯示，關鍵訓練算子效率較此前提升14%，達到國際先進水平。

海外科技媒體對此高度關注，《南華早報》評論稱，在美國持續加碼半導體出口管制的背景下，中國團隊通過系統級創新突破算力瓶頸，展現出自主可控技術路徑的可行性。深圳發布官方通報強調，此次實踐為全球第三方機構在國產平臺上開展超大規模模型訓練積累了寶貴經驗，證明國產AI芯片已具備支撐世界級模型開發的能力。

值得關注的是，該項目將技術攻關與人才培養深度融合。深圳河套學院構建了"青年教師-博士生-工程團隊"三級培養體系，42名參與學生從環境搭建到全流程訓練均深度參與，形成了完整的實戰人才梯隊。業內專家指出，高端算力平臺的建設不僅解決了"卡脖子"問題，更為中國AI產業培育了具備系統級優化能力的核心人才。

據項目組透露，后續將圍繞長文本處理、AI智能體等方向持續優化算力集群性能，并探索國產芯片在多模態大模型中的應用潛力。此次突破已引發產業界廣泛關注，多家科研機構表示將啟動基于國產算力的模型訓練計劃，推動形成自主技術生態。