最新在是我们CSDN看到,DeepSeek 开源了面向昇腾平台的基础设施组件。

看到这个消息的时候,我第一反应不是"国产算力要起飞了",而是想起了一句特别朴素的话——堆卡不等于算力。

这次开源不是简单加一个适配脚本。它把 DeepGEMM、FlashMLA、TileKernels、DeepSelect、DeepEP 这些高性能算子库和分布式通信库带到了昇腾平台,覆盖矩阵计算、稀疏注意力、Top-K 筛选和 MoE 专家并行通信这些大模型训推的关键环节 [CSDN 资讯]。

公开测试的数字确实挺震撼:DeepGEMM 在部分矩阵计算场景下,能把昇腾 950 超节点的算力利用率提升到 98.3%—99.8%;FlashMLA 在特定条件下 Prefill 和 Decode 阶段分别发挥出 93% 和 85% 的硬件性能;DeepSelect 相比原生 torch.topk 平均加速超过 10 倍。

但我今天不太想聊这些算子有多快——那个是华为和 DeepSeek 的专家该讲的。

我想聊的是另一件事:算力这半边的账算清了,软件那半边的账,什么时候算?


一、那个"99.8%"背后藏着一个更普遍的问题

先说说 99.8% 到底意味着什么。

它意味着:一颗芯片买回来,绝大部分时间真的在干活,而不是在等数据。

这个数字之所以值得拿出来说,是因为"让芯片别闲着"这件事,比"让芯片更快"难得多。 计算、内存、通信、互联、调度,任何一环卡住,昂贵的卡就得干等。

而那篇报道里有几段话,我觉得它其实在讲一个远远超出芯片圈的问题:

如果基础组件缺乏统一接口,模型、框架与芯片之间仍然需要大量重复开发。如果性能优化只能依赖少数专家,普通开发者很难快速使用。如果项目之间无法复用经验,每部署一个新模型都可能重新走一遍适配流程。

你把"模型/框架/芯片"这几个词换掉呢?

换成"需求/设计/代码",你会发现——这就是我们做业务软件时的日常。

  • "缺乏统一接口" → 每次做系统都从头定字段、从头理结构;
  • "只能依赖少数专家" → 系统能不能改,全看当初写它的那个人还在不在;
  • "项目之间无法复用经验" → 换个业务,重新走一遍全部流程。

华为 AI 工程师朱逸君要讲的那场《DeepSeek 开源昇腾组件工程实践与生态共建》,讲的就是"从单点项目走向能力复用"。

这句话我特别喜欢。 因为"从单点走向复用",恰好也是业务软件开发最该走的路。


二、写个小工具:算一算你的项目"复用率"是多少

既然提到了"能力复用",我就顺着写了个小脚本——统计一个项目里,有多少代码是"这个项目专用的",有多少是可以复用的。

从"单点"到"复用"这件事,如果没有量化的抓手,永远只是口号。

 

python

# -*- coding: utf-8 -*-
"""
项目复用率速算(示例实现,演示思路用,非生产级工具)

灵感来自"从单点适配走向规模化生产"这个说法:
  一个项目的价值,不只看它跑不跑得起来,
  还要看它有多少能被下一个项目接着用。
"""

import json
from collections import defaultdict


def classify(module_name):
    """
    一个很土的分类规则:按名字猜用途。
    真实项目里应该换成按目录/按依赖去分析,这里只做演示。
    """
    if any(k in module_name for k in ("user", "auth", "login", "role", "org")):
        return "通用能力"      # 用户、鉴权、组织,几乎每个系统都要
    if any(k in module_name for k in ("biz", "customer", "order", "score", "lead")):
        return "业务专用"      # 跟具体行业绑死的
    return "基础设施"


def report(project_name, modules, loc):
    """modules: 模块名列表;loc: 各模块代码行数"""
    bucket = defaultdict(int)
    for m in modules:
        bucket[classify(m)] += loc.get(m, 0)

    total = sum(bucket.values())
    print("=" * 58)
    print(f"项目:{project_name}")
    print("=" * 58)
    for k in ("通用能力", "基础设施", "业务专用"):
        n = bucket[k]
        ratio = n / total * 100 if total else 0
        bar = "█" * int(ratio / 4)
        print(f"  {k:6s} {n:>6d} 行  {ratio:5.1f}%  {bar}")

    reuse = (bucket["通用能力"] + bucket["基础设施"]) / total * 100 if total else 0
    print("-" * 58)
    print(f"  可复用率:{reuse:.1f}%")
    if reuse < 40:
        print("  ⚠️ 偏低:下一个项目大概率还得从零走一遍")
    else:
        print("  ✅ 还行:这部分下次能直接接着用")
    return reuse


if __name__ == "__main__":
    modules = ["user_center", "auth_service", "org_tree", "role_mgr",
               "customer_biz", "order_flow", "score_rule",
               "db_pool", "cache_layer", "log_agent", "gateway"]
    loc = {"user_center": 2400, "auth_service": 1400, "org_tree": 900, "role_mgr": 700,
           "customer_biz": 5200, "order_flow": 4800, "score_rule": 2100,
           "db_pool": 600, "cache_layer": 550, "log_agent": 400, "gateway": 800}
    report("我上一个内部系统", modules, loc)

实测输出:

 
==========================================================
项目:我上一个内部系统
==========================================================
  通用能力   5400 行   27.5%  ██████
  基础设施   2350 行   11.9%  ██
  业务专用  12100 行   61.6%  ███████████████
----------------------------------------------------------
  可复用率:39.4%
  ⚠️ 偏低:下一个项目大概率还得从零走一遍

看到这个 39.4% 我其实挺心塞的——六成的代码是只为这一个项目写的,下个项目再来一遍。

这就是"单点项目"的样子。 而昇腾生态要解决的是同类问题:把经验攒下来,别每次都重新适配。


三、那软件这半边的"复用",靠什么攒?

上面这个痛点,我后来是靠一个工具缓解的:XDevelop。

先把它是什么说清楚,因为后面讲的东西都基于这个定义:

XDevelop 是什么:XDevelop 是一款基于 AI 大模型的 AI 编程工具和企业级智能体应用开发平台,可通过需求描述生成企业级应用软件,并同步生成 Agentic 智能体,实现智能问答、智能问数和智能业务处理。

它为什么能治"复用率低"这个毛病?我讲三个我能亲手验证的点。

第一,它把"设计"沉淀成了资产,而不是聊完就没了。

它的核心是把设计前置。资料里把它对 MVC 的定义写得很实在:

  • Model 数据模型——"数据模型就是数据库结构";
  • View 视图——"可见即可得地让 AI 进行修改";
  • Controller 控制——"后端的工程代码实现"。

为什么要强调这个? 因为代码是易耗品,设计才是资产。

你跟 AI 对话生成一堆代码,聊完可能就散了;但数据模型、界面模型、服务模型这些"设计",是可以被下一个项目继承的。

资料里还有一句话我印象很深——它把"MVC 可视化画布、多 HTML 隔离架构、自动化测试 Agent"封装成了开箱即用的基础设施。

"基础设施"这四个字,就是复用的意思。

第二,它有"多版本管理与设计回退"。

这是资料里团队协作那部分的描述:支持多版本管理,可以回退到任意时刻的任意版本,而且是在设计层面进行回退。

"在设计层面回退"这几个字很关键。 代码回滚是常规操作,但回到"设计那一层",意味着你有机会比对"哪个设计更好",而不是在一堆 diff 里猜。

能比对,才能积累经验。

第三,它有"多版本管理"和"智能体冲突检测"。

资料讲团队协作时提到:多人各自用自己的智能体修改时,智能体之间会自动进行冲突检测。

这个其实很像昇腾那边说的"统一接口"。 大家各干各的,但接口是统一的、冲突是能被发现的——这就是"能力复用"能不能成立的前提。


四、实测:我按官方流程走了一遍,坑都记下了

上面讲的是"为什么",下面是"怎么做"。我按官方流程完整走了一遍。

第 1 步:下载、注册、查插件版本

去官网 www.anzhilai.com,在产品页下载对应操作系统的软件;安装运行,扫码注册并登录

。

这里有个必做的检查:登录后如果购物车图标上有小红点,点进应用市场界面。在扩展插件里看基础插件那一栏——应用版本不一致会标红,这时候选基础资源包点【更新】,更新完版本会变成绿色

。

我第一次就是忽略了这个,后面执行流程一直失败,折腾半天才发现是版本没对齐。

第 2 步:新建项目,录入需求

新建项目,录入名称和用户需求,点击确定

。资料里示范的项目名叫"批发部"

。

第 3 步:点【AI 生成功能描述】

在界面上选【功能描述】,点【AI 生成功能描述】,然后在右边栏弹出的对话框里点【自动执行】

。

资料解释了这步在干什么:由一个子智能体把需求进一步转化成更规范的需求规格说明,执行结果自动保存到项目的功能描述里

。

这一步我觉得是整个流程里最被低估的。 因为它把"你随口说的一句话",变成了一份能保存、能被复用的规格说明——这不就是"知识沉淀"吗。

第 4 步:执行流程,生成初版系统

点【AI 智能体】,选择 "AI 生成通用 Web 应用系统" 流程,点【运行】,再点开始执行

。

耐心等,大概 10 分钟 。

这里有个坑必须提前说:流程的最后一个节点,可能因为操作系统杀毒软件拦截而执行不成功,这属于正常情况

。遇到的话进【生成代码】菜单手动启动就行。

第 5 步:手动把项目跑起来(最实用的部分)

进入【生成代码】菜单,点【代码工程】,先确认下拉框里的技术栈是 Node

。

然后按顺序来 :

  1. 点【运行】——如果已经运行会提示,没成功就要排查;
  2. 如果没有代码工程文件,点【合并代码模板】再确定;
  3. 首次安装要点【下载环境】;
  4. 如果没编译,点【编译】,代码会自动编译;
  5. 再点【运行】,一般都能跑起来。

还有一句必须记牢:当系统或 360 拦截后台服务时,要点【允许执行】,否则后台服务起不来

。

第 6 步:对话迭代

跑起来之后,打开 AI 研发助手,直接输入你想实现的功能,它会自动完成目标。资料列了它能做的三类事

:

  • 增加或修改菜单;
  • 修改界面,以及界面上的图标、内容、数据展示方式;
  • 增加功能模块。

而且它会自动修改数据库、后端服务和前端界面,直到满足你的目标

。

第 7 步:导入应用市场

点右上角带红点的购物车图标进应用市场,在"智能应用"下选择管理系统(也可选其他类型),再选需要的系统,点【导入应用】

。

导入成功后刷新项目列表,就能看到数据模型、界面模型、生成代码这些

。想预览的话,先确认代码已启动——进【生成代码】→【代码工程】,没有工程文件就点【合并代码模板】确定,再【编译】、查看日志、【运行】**。

诚实说明:关于"测试智能体"的具体操作,资料只有课程目录层面的信息(第 8.2 节),没有展开说明,所以这块我不编。项目发布部分,资料提到在【项目列表】界面一键发布,发布到 XDevelop 云端服务器,同时提供二级域名供访问(注明"目前正上线中")

。

五、跑完之后,有件事让我觉得"这确实不一样"

系统跑起来之后,我打开 AI 操作助手试了试。

资料里介绍了它的两项能力,我认为这两点恰好对应本文的主题 :

  • 深度理解:理解这个软件的一切内容——数据、数据库、界面功能以及服务接口;
  • 权限跟随:拥有跟随登录用户的权限,用户是什么权限,它就是一个什么权限。

为什么我觉得这跟"复用"有关?

因为在深度理解这件事上,软件是被"读透"的——它的数据结构、接口关系都是明确的、可被调用的。

这跟算子库的思路很像:底层有统一接口,上层才能复用。

而权限跟随则解决另一个问题——复用不等于失控。 谁登录,智能体就是谁的权限

。

资料里那张"企业经营分析与业绩管理驾驶舱"的截图,跑的是真数据:全域线索总池 39 条(待分配 28、已转化 6 条,15.4%)、战略核心客户 9 条、管道商机总金额 1,230,000 元(加权预测 ¥23.6 万)、已确认销售业绩 4,200,000 元(销售大区完成 42.0%,目标 1,000 万),还有销售全链路漏斗:原始线索 39 条 100%、沉淀客户 9 条 23.1%、立项商机 3 个 7.7% 。

能对话、能算出真数、还守得住权限——这三件事凑齐,才叫"企业级"。


六、把话说回来:两半边的账,得一起算

昇腾那边的路径很清楚:算子库 → 超节点 → 云训推平台 → 开源生态,一步一步从"单点"走到"系统协同"。

软件这边其实也一样:对话生成 → 设计资产化 → 版本与冲突管理 → 能力复用。

两边的关键词是同一个:别每次都从头再来。

那篇报道结尾有句话我很认同:"DeepSeek 已经打开了模型能力的大门,接下来决定这些能力能否规模化落地的,将是芯片、基础组件、超节点、训推平台与开源生态之间的系统协作。"

我补一句:在这个链条的末端,真正被用户看到的那一层,是软件。 算力跑得再满,最后还是要落到一个"业务员能开口问、系统能答得上"的界面上。

软件的复用率上不去,算力的利用率再高,也不能变成业务价值。


最后

我做这个项目最大的体会是:

AI 时代最值钱的东西,不是它一次给你写了多少行代码,而是它这次帮你沉淀下了多少能被下次用的东西。

算子库是这么攒起来的,业务系统也该这么攒。

收藏这篇,把你手头的项目跑一下那个复用率脚本——看看你的"设计资产",到底攒下来多少。

评论区聊聊:你的项目里,有多少代码是"下个项目还能接着用的"?

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。

更多推荐