DeepSeek 这次开源昇腾基础组件，到底图什么？

想象这样一个场景：你向一个 AI 助手抛出一个问题，它在一两秒内给出答案。这个看似平常的过程背后，其实是一场精密的"接力赛"——数据要在计算单元、内存、多张芯片之间飞速穿梭，每一棒都不能掉链子。

而这场接力赛的"跑道"，过去几乎只有英伟达一家能铺。直到 2026 年 9 月 30 日，DeepSeek 把一套面向华为昇腾芯片的"跑道"给开源了。

这篇文章，我们就用"接力赛"这个比喻，把这六个组件是怎么配合的、为什么重要，一次讲清楚。

一、先聊聊"算力"这件被忽略的小事

很多人以为，大模型厉害是因为"模型大"。这话只对了一半。真正的门槛，往往藏在更底层——你用什么芯片、用什么软件栈，去驱动这些庞大的计算。

打个比方：模型像一辆性能强悍的跑车，但跑车要跑起来，得靠一条好路（芯片），还得有一套熟练的驾驶系统（软件栈）。英伟达之所以能称霸 AI 江湖，靠的正是"路"和"驾驶系统"都做得极好——尤其是它的 CUDA 软件生态，几十年积累，成了所有 AI 开发者默认的"驾驶习惯"。

DeepSeek 的算力布局，其实一直是"双路并行"：训练主力用英伟达的卡，推理部分则早早用上了华为昇腾。也就是说，昇腾并不是"新面孔"，而是一直在后台默默干活的老伙计。

转折出现在 2025 年。路透社在当年 1 月报道，DeepSeek 的 R1 模型发布后，有关部门鼓励它采用华为昇腾处理器。随着海外高端芯片出口持续收紧，越来越多的企业把算力供给转向国产。到了 2025 年 9 月，伴随 DeepSeek-V3.2-Exp 发布，昇腾完成了关键算子的适配——这算是这次大开源前的一次"热身"。

真正的重头戏在 2026 年 4 月 24 日：DeepSeek-V4 选择在昇腾平台首发，底层代码从 CUDA 体系整体迁移到华为自研的 CANN 框架，据说涉及 200 多个算子的重写。到 2026 年 9 月 30 日，DeepSeek 干脆把这套"昇腾版"的底层组件全部开源。

一句话概括：这不是一次普通的开源，而是把"国产芯片的软件生态"从零开始搭起来，并且公开给所有人。

二、六个组件，就是一场接力赛的六个赛段

要理解这六个组件，最好的方式不是背功能列表，而是想象一次推理请求在芯片里"跑"的过程。我们把这场接力赛拆成几个赛段，每个赛段对应一个组件。

第一棒：TileLang —— 写"接力指令"的语言

接力赛要跑，首先得有人写比赛规则、发号施令。在芯片世界里，这个"发号施令"的角色，就是编程语言。

TileLang 是 DeepSeek 自研的高级编程语言，它在国产芯片上的角色，就相当于英伟达生态里的 CUDA。它的本事在于：把底层那些晦涩的硬件指令，包装成人类更容易读懂的代码，让开发者不用死磕硬件细节，也能写出高性能的算子。

在昇腾上，它封装的是华为的 Ascend C 指令，还专门针对芯片里的两类计算单元——矩阵计算单元和向量计算单元——做了优化。

对我们这些写代码的人来说，最直观的感受是：写算子的门槛降低了，代码更好读了。 这就像是把一份复杂的比赛规则，翻译成了普通人也能看懂的说明书。

第二棒：DeepGEMM-Ascend —— 负责"重体力活"的矩阵运算

接力赛里最累的赛段，往往是矩阵运算——大模型里绝大多数计算量都集中在矩阵乘法上。

DeepGEMM 就是专门干这个的加速库。昇腾版和它的英伟达版完全兼容，支持 BF16、FP8、FP4 等多种精度，还能处理大模型特有的 MoE 计算。它最贴心的地方是：把昇腾芯片底层的矩阵排布、对齐、地址计算这些繁琐细节，统统封装了起来。

你不需要懂芯片底层的"排兵布阵"，也能把矩阵运算跑得快。 这就像接力赛里，你不用亲自研究怎么摆接力棒，只管全力冲刺就行。

第三棒：DeepEP-Ascend —— 负责"接力棒交接"的通信

接力赛最容易出问题的环节，是交接棒。大模型训练和推理也一样——数据要在多张芯片之间来回传递，一旦通信慢，再快的计算也白搭。

DeepEP 就是解决"交接棒"问题的分布式通信库。它负责在多张芯片之间高速传输数据，覆盖了专家并行、上下文并行、流水线并行等主流的并行模式。

实测数据很能说明问题：它的传输速度已经接近硬件的物理上限。这意味着通信不再是拖后腿的环节，算力能被真正榨干。

第四棒：TileKernels —— 基础动作的"常规赛段"

除了重体力的矩阵运算，模型里还有大量常规的向量计算和内存读写。这些动作单独看不大，但数量极多，是这场接力赛里最频繁的"常规赛段"。TileKernels 就是负责这些基础动作的组件。

第五棒：FlashMLA —— 长文本场景的"特殊赛段"

当你的问题很长（比如要读完一整篇文章），模型需要处理的注意力计算会爆炸式增长，这是长文本推理最大的瓶颈之一。

FlashMLA 就是专门啃这块硬骨头的稀疏注意力算子。它优化了长上下文下的注意力计算，让模型在处理超长文本时，不至于被计算量拖垮。

第六棒：DeepSelect —— 精准"挑选"的筛选赛段

最后这一棒，是负责"挑选"的。大模型里经常需要从一堆候选里，挑出最关键的几个——比如从几百个专家里选出最相关的，或者从海量信息里筛出最重要的。

DeepSelect 就是干这个的，它负责从候选数据里选出得分最高的 K 项，专门服务稀疏注意力和采样器这类场景。

三、和英伟达那边，其实是一一对应的

看到这里，你可能发现了：这六个组件，怎么越看越像英伟达生态里那些熟悉的名字？

没错。DeepSeek 官方也反复强调"一一对应"。我们用一张表把这种对应关系理清楚：

这张表最有意思的地方，不在于"抄了谁"，而在于它把英伟达生态的每一层，都在国产芯片上补了一个对应的开源实现。 英伟达有的语言、矩阵库、通信库、注意力算子，DeepSeek 都在昇腾上放了一份。

四、跑得快不快？数据说话

说一千道一万，最后还是得看跑得怎么样。这次公开的数据，确实拿得出手：

• 传输速度：跨卡通信实测接近硬件上限，速度非常可观。
• 推理速度：整体吞吐达到了数千 tokens/s 的量级。
• 超节点算力：华为昇腾 950 超节点，4096 卡规模，FP8 算力达到 8 EFLOPS，计划 2026 年 Q4 批量上市，还能扩展到 8192 卡组网。
• 响应时延：在 8K 输入场景下，跑 V4-Pro 单 token 解码时延约 20 毫秒，V4-Flash 约 10 毫秒。
• 吞吐表现：在特定超节点上部署 V3/R1，50 毫秒时延约束下，单卡解码吞吐突破 1920 tokens/s。

DeepSeek 官方更是放话：“训练中用到的每一个算子，在昇腾上都有对应的高性能实现。”

这句话的分量在于——它证明国产芯片不只是"能跑"，而是"能跑得快"。这对很多被算力卡脖子的团队来说，是实打实的希望。

五、这场开源背后，到底图什么？

技术开源只是表面，真正值得琢磨的，是背后的算盘。

1. 想打破"只有英伟达能跑"的魔咒

英伟达最大的护城河，从来不是芯片本身，而是它的软件生态——几百万开发者、几十年积累、无数库和工具。这套生态一旦形成，别人想换赛道，成本高得吓人。

DeepSeek 这次开源，等于在向行业喊话：不必再被这一家绑死，你可以用我的这套工具写一次代码，跑在别的芯片上。 这是对"开发者习惯"的直接争夺。

2. 给国产芯片"搭桥"

对华为来说，这简直是"天上掉馅饼"。有网友调侃："有人帮他们搭基础环境，这还愁卡卖啊？“话糙理不糙——DeepSeek 相当于免费帮国产芯片补齐了最缺的"软件栈"这一环，让芯片从"能卖"变成"好卖、好用”。华为也在同一天开源了双方联合创新的成果，覆盖模型部署、大规模训练等场景。

3. 商业上的"组合拳"

• 融资与估值：DeepSeek 据称以超 200 亿美元估值完成首轮外部融资，腾讯、阿里参与其中。
• 算力采购：据称采购了 16 万颗华为昇腾芯片。
• 定价策略：其模型 API 定价大幅下调，意在建立行业定价标准。

4. 生态号召力

这套工具正在成为国产芯片上"事实上的标准"。当越来越多的开发者开始用它写算子，英伟达的垄断地位就会一点点松动。这就像一场接力赛，刚开始只有一支队伍在跑，但赛道一旦铺好，就会有更多人加入。

六、也得泼点冷水

当然，任何值得高兴的事，都要留一分清醒。

有分析一针见血地指出：“99.8% 是真的，部分算子仍只支持 CUDA 也是真的。”

这句话的意思是：DeepSeek 的适配确实做得很扎实，绝大多数算子都实现了高性能移植；但并不是 100% 覆盖，仍有一部分算子只在英伟达那边能用。这是"基本可用"到"完全可用"之间的真实差距。

另外，DeepSeek 的算力布局仍是双路线并行——训练主力在英伟达，推理在昇腾。昇腾版组件更多是支撑推理侧，要完全替代英伟达生态，还有很长的路要走。

七、写在最后

这场开源的意义，不在于"又开源了一个项目"，而在于它给国产 AI 芯片生态，铺下了一条真正能跑起来的赛道：

• 第一次有头部模型厂商，系统性开源面向国产芯片的整套软件栈；
• 第一次让"摆脱英伟达绑定"这件事，从口号变成了可运行的代码；
• 第一次用实测数据证明，国产芯片不仅能跑大模型，还能跑得快。

对开发者来说，这是一份礼物——你不再被单一生态绑架，可以选择国产芯片，而且有一套成熟、高性能、开箱即用的工具链。

对行业来说，这是一次宣言——AI 算力的未来，不该只属于一家公司。

一场接力赛，刚刚鸣枪。