DeepSeek作为人工智能领域顶尖模型开发者，除了需要具备强大的人力资源，还要有强大的GPU芯片进行算力支撑。

前期在deepseek到底是拥有1万枚还是5万枚芯片时,引起了业界的广泛讨论。

最终deepseek使用多少芯片并不重要，肯定是比美国相关的AI研发机构的数量要少，成本要低，因为deepseek使用了更加先进的算法。

但英伟达的高性能GPU，当前对deepseek的模型训练必不可少。也是影响deepseek全面国产化的卡脖子因素之一。

Deepseek在一开始时，就没有将自己绑定在英伟达的GPU上。

使用英伟达的GPU芯片需要使用一定的高级语言与硬件进行对话。

英伟达开发的cuda语言，就是专门为他的GPU用户开发的一款计算机编程语言。让用户可以非常友好方便地调用GPU芯片硬件。

万物是有利有弊。

如果你用惯了cuda语言，你就不知道调用GPU硬件的底层逻辑是什么？

学计算机的人应该知汇编语言是最难的，但也是计算机的硬件最听得懂的语言。

为了方便编程，后来流行高级语言，与我们日常交流语言 , 语法更接近，向傻瓜型发展，从而就绕开了枯燥的汇编语言。但汇编语言仍然是控制硬件的最直接最有效的方式。

打个比方，就相当于翻译的功能。

我们遇到一个外国人，如果要和他对话，通常会请个英语翻译，因为英语在国际交流中使用比较普遍，我们可以把它理解为高级语言。

如果没有英语，双方交流之间就存在障碍或者理解错误。

但有一天，我发现原来对方是华人，懂得中文，这是他的母语。这个时候我们可以直接绕开英文，直接使用中文交流，这就是汇编语言。我们可以直接更加高效的对话，清晰地理解对方的意图，效率更高，成本更低。

Deepseek在使用英伟达GPU的时候，并没有使用它的高级语言Cuda，而是汇编式 PTX 编程，ptx编程也可以在其他的GPU上进行直接使用，硬件适配的范围会更广泛。

这样一来，除了英伟达GPU，包括中国以及其他国家只要是性能优越的GPU，deepseek都可以实现衔接与管理。

所以说，deepsee从开始就志存高远，放眼世界，他的研发思路就是开放式的，开源的，而并非单一的，线型的，闭塞的，已为全面国产化做好了准备。