9月30日，DeepSeek 在官方渠道宣布，正式开源面向华为昇腾算力平台的全套基础设施组件，包括 TileLang 高级语言编译工具、高性能计算库、分布式通信库。据多家媒体报道，这批组件与 DeepSeek 此前面向英伟达平台开源的那一套"一一对应"。

这事听起来很底层，离日常写业务代码很远。但它其实回答了一个问题：国产 AI 芯片想跑大模型，软件栈这一环到底补齐了没有。

这次发布的到底是什么

具体来看，随 TileLang 一同开源的还有五个组件：

• DeepGEMM：矩阵运算，主要影响计算单元的利用率
• • DeepEP：跨设备通信，负责多卡、超节点之间的数据搬运
• • TileKernels：常规向量计算与访存算子
• • FlashMLA：稀疏注意力算子，针对长上下文场景
• • DeepSelect：数据筛选
    用 DeepSeek 的说法，这些组件覆盖了模型运行中的关键环节——矩阵运算、通信、访存、注意力、筛选。据其披露，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。

TileLang 的技术本质：把"写算子"这件事降门槛

要理解这次发布的分量，得先知道算子是什么。大模型跑起来，底层是一堆矩阵乘、注意力这类计算。为了让芯片跑满，工程师得写"算子"（kernel）——直接用 CUDA 或芯片底层指令，精细控制显存、分块、并行。写起来难，调起来更难。

CUDA 的问题是：闭源、全栈、和英伟达硬件深度绑定，生态深但迁移成本极高。你想换一块芯片，整套底层逻辑几乎要推倒重来。

TileLang 走的是另一条路：开源的、聚焦算子开发的、跨硬件的编程语言。它的设计里，把"为哪款芯片生成指令"和"怎么编译运行"这两件事解耦，所以同一套代码理论上能适配不同芯片后端。

据 DeepSeek 介绍，相较于昇腾原生的 Ascend C 底层语言，TileLang 昇腾版大幅简化了编程模型，同时保持硬件性能。团队还表示，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。

关键的一句是：这套路线先在英伟达平台上验证过，目前承载了 DeepSeek V4 系列模型训练里大部分算子的实现。也就是说，它不是纸上方案，是在自家训练里跑出来的。

和之前比，变了什么、没变什么

变了的是：以前"用国产芯片训大模型"，难点不只在芯片本身，还在软件生态——工具链、算子库、通信库都得重造。现在至少有一条通道，可以让原本为英伟达写的东西，以较低成本迁移到昇腾上。据媒体报道，双方还共同推进了基于昇腾 950 的 128 卡超节点方案，并对计算与通信做了深度优化。

没变的是：这不等于英伟达的护城河一夜消失。CUDA 十几年积累，生态、文档、社区、调试工具都不是短期能追平的。而且据相关报道，华为芯片本身还面临先进内存等元器件短缺带来的供货瓶颈，短期替代并不现实。

对普通开发者意味着什么

如果你是写业务代码的，这件事的直接感受可能为零。但往下看两层，能看到几个实际影响：

1. 岗位机会：懂算子、懂性能优化、能在昇腾和 CUDA 之间迁移的人，会变得更稀缺。这是典型的"底层功力"岗位。
2. 2. 成本传导：国产算力生态越成熟，推理和训练成本越有可能下降。云厂商和自建推理的团队，对"换不换芯片"会开始有真实选项。
3. 3. 学习路径：类 CUDA 的高级算子语言值得关注。据相关报道，TileLang 这类工具的目标是"写得更简单、性能不打折"，如果能兑现，学习曲线会比直接啃 Ascend C 平缓。

坑在哪

• 生态早期，文档和社区答案少，踩坑基本靠自己。
• • 别把"开源"等同于"开箱即用"。跨芯片跑起来，性能调优仍然要花功夫。
• • 商用落地前，先确认芯片供货和云上实例的可得性，别把架构设计押在一个拿不到货的方案上。

结尾

从大模型竞争的角度看，算力的竞争正在从"谁的芯片强"往"谁的软件栈能用、好用"延伸。软件定义算力这句话，以前更像口号，现在有了具体的组件清单。

你觉得国产算力生态的卡点是在芯片，还是在软件？评论区聊聊。