DeepSeek暫停新一輪融資。Hacker News泄露的PDF實錄暴露了訓練基礎設施的關鍵斷層：單集群千卡級FP8混合精度長序列訓練吞吐，僅為美國頭部廠商的58%；vLLM調度器在128K上下文下GPU顯存碎片率高達37%；NVLink跨節點帶寬利用率僅58%，而NVIDIA DGX Cloud實測值為91%。

算力差距不是“缺卡”，是調度棧失效

PDF第17頁實測數據：DeepSeek-V3在8×H20集群上微調13B模型時，梯度同步延遲達217ms（A100-80G集群為63ms）。問題根源在于國產RDMA驅動未適配vLLM的P2P內存預注冊機制。開發者被迫將batch_size降至1/4，微調周期拉長2.8倍。這不是卡不夠，而是CUDA Graph捕獲失敗、NCCL 2.18+自定義AllReduce插件缺失導致的底層編譯鏈斷裂。

FP4量化支持滯后，直接抬高Agent推理成本

龍蝦生態實測（m.lvxe.net.cn/bench/agent-deepseek）顯示：同一Manus Agent工作流，在Qwen2-7B-FP4（H100）上端到端延遲為312ms；DeepSeek-R1-FP4在昇騰910B2上觸發3次CPU fallback，延遲升至890ms。根本原因在于華為CANN 7.0尚未開放FP4張量核心指令集映射接口，vLLM無法生成合法kernel。本地部署10并發Agent服務，需額外增加4臺昇騰服務器，OPEX翻倍。

長序列訓練吞吐斷層，暴露編譯器級缺陷

PDF附錄B的Trace分析指出：DeepSeek訓練1M tokens長文本時，H20集群有效FLOPs利用率僅31%（DGX H100為68%）。瓶頸不在顯存帶寬，而在Triton kernel未能融合FlashAttention-3與Ring-AllReduce——國產驅動未暴露__syncthreads_warp()級同步原語，attention計算后必須插入全核屏障。這對OpenClaw生態中依賴128K+上下文的法律/醫療Agent構成硬約束：當前需拆分chunk+重排序，準確率下降4.2%（ACL 2024復現數據）。

?? Binance · OKX · Gate.io · HTX · Bitget

開發者正在用腳投票：微調流程被迫重構

GitHub上deepseek-trainer項目近30天PR中，62%新增了fallback to CPU offload for grad norm邏輯；HuggingFace社區Top 10微調腳本已全部加入--disable-flash-attn開關。更嚴峻的是：LangChain + vLLM部署模板中，max_model_len默認值從131072下調至32768——不是模型能力退化，而是國產集群在>64K序列下出現不可恢復的CUDA OOM錯誤（見m.lvxe.net.cn/logs/h20-oom-202405）。

短期壓力倒逼國產算力棧加速迭代

CUDA兼容層CANN 7.2已內測支持Triton自定義op注冊；華為聯合沐曦發布的MXN-2000芯片明確標注“FP4 Tensor Core with vLLM-native dispatch”。對開發者而言，當前唯一確定性路徑是：所有微調任務啟用雙開關

--use-flash-attn-2 --enable-kv-cache-dtype-fp8

并在Dockerfile中強制指定

ENV TORCH_CUDA_ARCH_LIST="8.0"

當H20集群跑通DeepSeek-R1的LoRA微調全流程（m.lvxe.net.cn/repo/deepseek-h20-lora），追趕就已開始。