💡 一句话总结：9 月 30 日 DeepSeek 把自家训练用的核心组件——编译语言 TileLang 加五个计算/通信库——原样搬到了华为昇腾平台上开源，和英伟达版一一对应，官方称性能接近硬件理论上限。对中国 AI 算力生态来说，这是第一次有头部模型厂把「官方维护的组件级」软件栈供给给国产芯片。

导语：国产芯片缺的从来不是算力参数

在国产 AI 芯片上跑大模型是什么体验？问任何一个干过适配的工程师，大概率会收到一声叹息：芯片参数单看着都行，真跑起来，算子要自己写、通信库要自己凑、性能要自己调——硬件之上那一整层软件生态，才是最缺的东西。

CUDA 生态的护城河从来不是 CUDA 这门语言本身，而是十几年积累下来的算子库、通信库和工具链。9 月 30 日，DeepSeek 官宣了一个直指这层护城河的动作：把自家面向英伟达 GPU 开源过的整套基础设施组件，一一对应地搬到了华为昇腾平台上。

想看细节？

开源了什么：一套「一一对应」的家底

这次开源的清单，Slogan 是「与此前面向英伟达平台的开源组件一一对应」。具体六个组件，各管一段：

组件干什么用
TileLang（昇腾版）高级语言编译工具——写算子用的「高级语言」，昇腾版负责把代码编译到芯片指令
DeepGEMM通用矩阵运算加速——大模型计算里最吃量的那部分
DeepEP分布式通信库——大规模跨设备高速通信
TileKernels常规向量计算与访存算子——数据处理的基础件
FlashMLA稀疏注意力算子——提升长上下文处理效率
DeepSelect高效数据筛选

熟悉 DeepSeek 的朋友会发现，这份清单就是当年「DeepSeek 开源周」那套家底。区别在于：那次的目标平台是英伟达 GPU，这次是昇腾——不是演示性的「能跑」，而是整套生产级组件的平移。

TileLang：这次真正的支点

六个组件里，最值得单独讲的是 TileLang，因为它解决的是「生态能不能自己长大」的问题。

大模型算子开发长期有个两难：直接写底层指令（CUDA 或昇腾的 Ascend C），性能最好但又难又慢；用高级语言，写得快了性能又打折。TileLang 的定位是两头占：对下，昇腾版把 Ascend C 底层指令封装起来；对上，给开发者高级语言的编程体验。DeepSeek 的说法是：相对 CUDA，TileLang 编程更简单、能显著提高开发效率；相对其它同类高级语言，它的编程模型又能充分发挥芯片特性、摸到硬件性能上限。

最有分量的是这句官方表态：DeepSeek 训练中用到的每一个 TileLang 算子，在昇腾上都有对应的高性能实现。这不是「我们适配了几个示例算子」，而是「我们自己训练用的全套，都能在你这套硬件上跑出高性能」——这句话的含金量，比任何 benchmark 都高。

昇腾侧的配合也点得很明白：开放的 Ascend C API 支持对访存路径和计算流水线深度调优，PTO ISA 底层指令体系支撑了 TileLang 的编译对接——既照顾资深工程师手工调优的老路子，也接住高级语言的新范式。

「接近硬件理论上限」：这个口径怎么读

各媒体报道时都强调了这句：多项关键测试用例中，组件的计算与通信性能已接近硬件理论上限。快科技的标题更直接——「性能逼近硬件上限」。

量子位这篇报道有个特殊身份值得说明：文末标注「本文由华为提供」，属于利益相关方的联合创新通稿——但正因如此，它给出了别的转载稿没有的硬核数字：

  • 组网方案：华为向 DeepSeek 提供联合定义的昇腾超节点 SuperPoD Flex 与 UBL128 组网——128 卡 3.2 Tbps 单层交换 Scale-up 网络，可扩展到 256K 卡两层交换 Scale-out；
  • 通信实测：DeepEP 在 EP/CP/PP/FSDP 各模式下的互联带宽实测 Dispatch 375 GB/s、Combine 347 GB/s，接近硬件上限；
  • 推理吞吐：基于 UBL128 超节点，DeepSeek-V4.1-Flash 在 EP32 部署、128K 上下文的 offline 推理中，TPOT=5ms 时单卡输出 2469 tokens/s，TPOT=10ms 时 5102 tokens/s（注：不含 Serving 调度与框架负载均衡开销）。

这里要给读者一个澄清：这些都是华为/DeepSeek 官方口径，目前还没有第三方的大规模独立实测。「接近理论上限」在体系结构领域是个很强的表述，但它天然依赖测试用例的选取——官方精选的用例和你的真实负载之间，通常有距离。方向可信（官方组件 + 训练自用背书），幅度待验（等第三方实测），这是目前比较稳妥的读法。

背后的大棋：去 CUDA 化的一步实棋

把镜头拉远，这次开源的意味会更清楚。路透社的报道把它放进「中国 AI 算力去 CUDA 化」的框架里，并提到双方合作涉及基于 128 颗昇腾 950 芯片的超节点（此细节仅见转引，未核到 Reuters 原文与华为官方规格，uncertain）。

配套动作也值得注意：华为把这次联合创新的成果在 CANN 社区批量开源——从大规模训练、低延时推理部署、超长文本 KV cache 池化到 Agentic RL，十余份技术报告与实践文档同步放出（gitcode.com/cann 仓库可查）。时间线上还有个铺垫：2025 年 3 月，北京大学联合华为发布过 DeepSeek 的全栈开源推理方案——但那是「社区组件整合」层面的部署方案。这次不一样：官方维护的算子 + 编译工具链，组件级供给，层次更低、复用价值更高。对 vLLM-Ascend、cann-recipes-infer 这类社区适配项目来说，这是互补而非替代——它们解决「模型在昇腾上能跑」，DeepSeek 这批组件解决「核心算子跑得快且有人长期维护」。

DeepSeek 自己把话说得很克制：希望这次开源能「对更多 AI 芯片建立高可用软件生态起到示范作用」。注意主语——不只是昇腾。TileLang 这个跨芯片编译层一旦跑通，同一套组件复制到其它国产芯片的路径就摆在那了。这才是「一套组件、多芯片适配」想象空间的起点。

把话说明白

对不同的人，这事的意义不一样：在昇腾上部署 DeepSeek 系模型的工程师，这次拿到的是官方维护的完整软件栈，适配成本实打实往下走；国产芯片厂商，看到的是「组件平移」这条路的可行性样板；普通开发者，短期内感知不强，但「换芯片不改稿」的基础设施正在铺。

需要保留的观察项也明确：性能口径是官方自报、组件的长期维护与 CANN 版本跟进是历史同类项目的常见衰减点、海外开发者社区的反馈还没形成。代码已经开放，接下来几个 GitHub star 数和 issue 区的热度，会比任何新闻稿都诚实。

参考来源

# DeepSeek # 开源
Logo
鲲鹏昇腾开发者社区是面向全社会开放的“联接全球计算开发者，聚合华为+生态”的社区，内容涵盖鲲鹏、昇腾资源，帮助开发者快速获取所需的知识、经验、软件、工具、算力，支撑开发者易学、好用、成功，成为核心开发者。

鲲鹏昇腾开发者社区是面向全社会开放的“联接全球计算开发者，聚合华为+生态”的社区，内容涵盖鲲鹏、昇腾资源，帮助开发者快速获取所需的知识、经验、软件、工具、算力，支撑开发者易学、好用、成功，成为核心开发者。

更多推荐

cover

什么是国产操作系统？主流产品与它们的共同技术底座

avatar 鲲鹏昇腾开发者社区
cover

鲲鹏恒控_点表、变量与实时数据 —— 数据的底座

avatar 鲲鹏昇腾开发者社区

国产算力适配模型突破30万！范式信创模盒模型适配进入“流水线”时代

依托自研EngineX自动化适配引擎，信创模盒将模型适配从早期手工验证升级为自动化流水线，实现“引擎、模型即插即用”。平台已覆盖华为昇腾、寒武纪、海光、壁仞等十余款主流国产芯片，算子库覆盖率达95%以上。2026年9月30日，范式（6682.HK）宣布，旗下信创模盒社区认证适配模型总数正式突破30万，意味着超30万个AI模型可在国产算力平台稳定运行。作为“Token工厂”的关键一环，信创模盒正推动

avatar 鲲鹏昇腾开发者社区