国产 GPU 也能跑万亿大模型：海光 DCU 适配 Kimi K3，896 专家并行不卡顿

事件核心：发生了什么

海光信息已完成DCU平台对Kimi K3的全栈适配与性能验证。Kimi K3基于MoE架构，内置896个专家模块并采用KDA注意力机制。海光从底层算子到推理引擎进行了定制优化，确保模型代码无需修改即可直接运行。在超过百万token的上下文场景中，896个专家并行推理仍能保持高效稳定。此前，月之暗面已与海光信息、中国科学院深圳先进院、南方科技大学合作，在DCU硬件栈上完成了Kimi MoE架构的分布式训练和多卡并行推理链优化，并基于8000集群实现了稳定长文本推理。官方测试数据显示，国产DCU相比海外旗舰芯片的性能损失控制在12%以内。

为什么重要

万亿参数大模型的训练与推理长期依赖英伟达等海外高端芯片，国产GPU因算力、生态或兼容性不足而难以规模化部署。海光DCU此次适配Kimi K3，证明了国产算力在核心性能损耗可控前提下，已具备支撑前沿大模型工业级部署的能力。MoE架构中专家并发是推理瓶颈，海光能在896专家规模下保持不卡顿，说明其异构计算与算子级优化取得了实质性突破。这对AI算力自主可控具有标志意义——当海外供应链不确定时，国内企业和研究机构有了可替代的国产硬件方案。

对用户/开发者/创作者的影响

对开发者而言，Kimi K3模型代码在DCU上无修改即可运行，迁移成本极低；获得国产算力资源的团队可直接部署万亿参数模型，用于开发长程智能体项目、视觉闭环创作等高级应用。对创作者来说，基于开源大模型的自研工具（如芯片设计辅助）有了可信任的国产算力底座。企业采购时，DCU的性能与成本验证为国产GPU作为替代选项提供了商业可行性依据。普通用户短期内感知较弱，但底层算力扩容有望降低模型服务成本。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

值得关注的后续

1）Kimi K3开源模型是否正式发布并提供DCU一键部署方案；2）其他国产GPU厂商（如华为昇腾、寒武纪）是否会快速跟进类似规模级大模型的适配；3）海光DCU在更大规模