8月21日，深度求索正式发布新一代大模型DeepSeekV3.1，通过架构优化与国产芯片适配，推动AI推理效率提升与算力生态自主化。此次升级不仅强化了模型性能，还引入面向下一代国产芯片的UE8M0FP8参数精度标准，标志着国产AI技术从软件创新迈向软硬协同的新阶段。

架构升级推动推理效率提升

DeepSeekV3.1采用混合推理架构，将模型划分为“思考模式”（deepseek-reasoner）与“非思考模式”（deepseek-chat），并支持128K长上下文处理。测试数据显示，该模型在编程、多任务理解等场景中表现突出：Aider编程基准测试得分71.6%，超越ClaudeOpus4；SVGBench成绩仅次于GPT-4.1-mini；MMLU多任务语言理解得分达88.5%，与GPT-5持平。

思维链（CoT）机制的压缩技术进一步降低推理成本。经过训练优化后，V3.1在输出token减少20%-50%的情况下，仍能保持与上一代R1-0528相当的性能。此外，非思考模式的输出长度得到有效控制，相同性能下资源消耗显著减少。API定价延续低价策略，输入价格低至0.5元/百万tokens（缓存命中），输出价格为12元/百万tokens，单次编程任务成本仅为1.01美元，为同类闭源系统的1/60。

国产芯片生态加速适配新精度

DeepSeek提出的UE8M0FP8参数精度标准，成为国产芯片适配的关键。该标准采用无符号、8位指数设计，在相同硬件下显存需求降低75%，量化误差减少，同时提升数据中心能效。目前，寒武纪MLU370-S4、思元590/690系列，以及海光、沐曦、摩尔线程等厂商的芯片已支持FP8计算；华为昇腾计划在2025年第四季度实现原生FP8支持。

UE8M0FP8的推广有望推动国产芯片生态标准化。当前，国内厂商正通过统一精度格式提升算力利用率，减少对英伟达、AMD等国外硬件的依赖。例如，寒武纪等企业已基于该标准优化芯片架构，结合大模型训练需求提升并行计算效率。这一协同创新模式，为国产AI算力在复杂任务处理、高并发场景中实现竞争力突破奠定基础。

随着国产芯片与AI模型的深度适配，国内算力生态正从“单点突破”转向“全局优化”，为AI应用在医疗、教育、工业等领域的规模化落地提供更高效的底层支撑。

本文源自金融界