专题演讲嘉宾：陈庆澍

2025 年初，DeepSeek 模型效果跻身全球 AI 第一梯队，且以超低推理成本引发行业震动。面对国内大规模部署需求，如何在国产芯片上实现性能与成本的双重突破成为关键。本次演讲我将深度揭秘昆仑芯团队在 DeepSeek 推理优化中的创新实践：通过软硬结合，实现推理性能数倍提升，TCO 相比 GPU 持平甚至更低，为国产 AI 生态落地提供硬核支撑，助力 DeepSeek 在千行百业规模化应用！

演讲提纲

1. DeepSeek 背景介绍

• DeepSeek 模型对算力 & 互联需求

2. ​GPU 技术方案解析

• PD 分离架构
• Prefill 性能上限
• Decode 性能上限

3. ​昆仑芯关键优化点

• 昆仑芯 DeepSeek 推理整体架构设计
• DeepEP 性能优化
• 通算融合方案
• 性能对比

4. ​总结与展望

• 下一代芯片设计

您认为，这样的技术在实践过程中有哪些痛点？

• 主流模型都是基于英伟达 GPU 设计, 有利于发挥英伟达 GPU 性能，国产 AI 芯片适配&端到端精度对齐需要更多的工程投入

演讲亮点

• 深度解析 DeepSeek 对硬件算力与互联的底层需求，提供芯片选型“避坑指南”
• 昆仑芯上软硬结合极致优化方案

听众收益

• 掌握芯片选型的核心逻辑，避免“盲目追新”
• 获得可落地的国产 AI 芯片优化方案，缩短部署周期