塔斯娱乐资讯网

DeepSeek开源昇腾组件:国产AI芯片生态补上关键一环

9 月 30 日,DeepSeek 正式开源面向昇腾算力平台的基础设施组件,涵盖 TileLang 高级语言编译工具、高性能计算库与分布式通信库,与此前面向 GPU 平台开源的组件一一对应。
这是国产大模型团队与国产算力平台之间一次较为完整的软件层协同。此前业界讨论“国产算力能不能训大模型”,关注点大多落在芯片本身;这次的发布把焦点移到了软件栈上——算子库、通信库、编译工具,恰恰是决定一块芯片好不好用的关键。
开源了什么
按照公开信息,本次发布的组件包括 DeepGEMM、FlashMLA、TileKernel、DeepSelect 等高性能昇腾算子库,以及 DeepEP 分布式通信库。
昇腾提供了稳定、开放的 Ascend C API 接口,让开发者可以对访存路径和计算流水线做深度调优,完成高性能算子开发。同时依托 Ascend C 编程接口与 PTO ISA 底层指令体系,支持了 DeepSeek 的 TileLang 编程开源工作。这套组合兼顾两类开发者:既支持资深开发者精细化手工调优,也支持通过 TileLang 这类高级语言做编译对接。
训练与推理的组网能力


在硬件层面,华为向 DeepSeek 团队提供了联合定义的昇腾超节点 SuperPoD Flex 和 UBL128 组网方案,可实现 128 卡 3.2Tbps 单层交换的 Scale-up 网络,以及 256K 卡两层交换的 Scale-out 网络,面向超低时延推理和前沿基座模型的大规模训练需求。
基于全互联的 UBL128 超节点,昇腾提供了 ASC-COMM 高性能自定义通信编程库,支持通信算子与通算融合算子的高性能编程。DeepSeek 团队开发的高性能 DeepEP 通信库涵盖 EP、CP、PP、FSDP 等模式下的通信算子,为更大模型向更大集群扩展提供支持。公开的实测数据显示,互联带宽达到 Dispatch 375 GB/s、Combine 347 GB/s,接近硬件上限。


推理性能的数字
面向大规模推理场景,基于 EP32 部署策略,offline 推理模式下 DeepSeek-V4.1-Flash 不带框架的纯模型性能可以实现 TPOT=5ms 时每卡输出吞吐 2469 tokens/s;TPOT=10ms 时每卡输出吞吐 5102 tokens/s。
需要说明的是,这些基准数据均在 offline 推理模式下采集,不包含 Serving 调度和框架负载均衡的影响,上下文长度为 128K,DSpark 投机接受率为 0.85。衡量性能时,这类前提条件很重要,直接横向对比容易得出错误结论。
华为表示,已将此次联合创新的成果在 CANN 社区开源,内容包括大 EP 低延时推理部署、单卡与单机部署、大规模训练、超长文本 KVcache 池化以及 Agentic RL 等实践方案。


为什么这件事值得关注
过去一年,国产芯片在硬件规格上进步很快,但开发者真正的痛点往往在软件:算子不全、通信库不成熟、编译工具链割裂,导致模型迁移成本高、性能打折。
DeepSeek 这次把已经在 GPU 平台跑通的组件对应地开源到昇腾平台,等于给出一条“照着做就能跑起来”的参考路径。对于模型团队,迁移的确定性提高;对于算力平台,生态里的可用组件变多;对于整个行业,软硬件协同从口头表态变成了可以复现的工程实践。
当然,开源只是开始。组件是否长期维护、版本是否跟随模型迭代、社区能否形成正向反馈,才是决定这套生态能否真正立住的关键。9 月 30 日这批组件解决的是“有没有”,接下来要回答的是“好不好用、能不能长期用”。