DeepSeek开源昇腾全栈，对标英伟达CUDA

9月30日，DeepSeek宣布正式开源面向华为昇腾算力平台的一整套基础设施组件，包括TileLang高级语言编译工具、计算库和分布式通信库。引人注意的是，这套组件与其此前为英伟达平台开源的组件一一对应——换句话说，DeepSeek把自己在英伟达生态里练出来的工具链，整体搬到了国产算力平台上。

这套工具的核心是TileLang。它是一个高级编程语言与编译器：开发者不需要直接写底层指令，只要描述计算该如何组织，编译器负责把代码翻译成能在硬件上高效运行的实现。相比英伟达的CUDA，DeepSeek称TileLang编程更简单、代码逻辑更清晰；相比其他同类高级语言，它的编程模型又能把芯片特性用足，达到硬件性能上限。昇腾版TileLang的做法是对昇腾Ascend C底层指令做封装，提供高级语言的写法，同时不损失性能。

配套开源的是五组计算与通信组件，分别对应模型运行中的关键环节：DeepGEMM负责加速通用矩阵运算，DeepEP负责大规模跨设备高速通信，TileKernels提供常规向量计算与访存算子，FlashMLA提供稀疏注意力算子以提升长上下文处理效率，DeepSelect实现高效数据筛选。DeepSeek表示，在多项关键测试用例中，这些组件的计算与通信性能已接近硬件上限——不过这些均为公司自述数据，尚无第三方独立测评公布。

更值得留意的是这次开源的跨度：DeepSeek说，自己训练中用到的每一个TileLang算子，在昇腾上都已经有对应的高性能实现。此前TileLang路线已在英伟达平台得到验证，承载了DeepSeek V4系列模型训练中大部分算子的实现。这意味着昇腾侧的适配不是「能跑推理」的演示阶段，而是直接覆盖了模型开发与训练环节——这是国产AI芯片生态里长期最薄弱的一块。

华为在这一过程中角色吃重。DeepSeek透露，研发期间华为团队「给予了毫无保留的大力支持」，双方共同推进基于昇腾950的128卡超节点方案，并对计算与通信做了深度优化。华为则把双方围绕昇腾950及超节点开展的联合创新成果在CANN社区开源，覆盖模型部署、大规模训练、超长文本KV Cache池化与Agentic RL等实践，并披露了DeepSeek-V4.1-Flash的部分离线推理性能数据。

为什么这件事分量重？CUDA的护城河从来不只是芯片性能，而是十多年积累的软件生态：换平台意味着几个月的重写、调试和性能回补。DeepSeek与华为要削掉的正是这道迁移成本。据此前披露的信息，昇腾910C的推理性能约为英伟达H100的六成，而DeepSeek的PyTorch库已能把CUDA代码转换为华为的CUNN；再叠加这次开源的高层语言与算子库，迁移的门槛被实打实压低了一层。

当然，工具好不好用最终要看 adoption。开源只是第一步，能有多少第三方开发者真的把代码搬过来，才是这套软件栈成立与否的答案。目前相关项目已在GitHub上线，包括TileLang（tile-ai/tilelang）、DeepGEMM-Ascend、DeepEP-Ascend、TileKernels、FlashMLA与DeepSelect。

综合编译自 DeepSeek 官方公告、GitHub 开源仓库及 Bloomberg 报道