一组与英伟达平台一一对应的开源包
9 月 30 日，DeepSeek 宣布正式开源面向华为昇腾算力平台的基础设施组件，覆盖编程工具、计算库与分布式通信库三类。官方强调了一个关键细节：所有组件与此前面向英伟达平台的开源组件一一对应——同一个团队、同一套接口习惯，开发者可以在两种硬件之间沿用相似的调用方式。
具体清单包括：TileLang 高级语言编译工具、加速矩阵运算的 DeepGEMM、负责大规模跨设备通信的 DeepEP、提供向量计算与访存算子的 TileKernels、稀疏注意力算子 FlashMLA，以及做高效数据筛选的 DeepSelect。多项关键测试中，这批组件的计算与通信性能已接近硬件理论上限（官方口径）。
TileLang：这套开源包的核心
TileLang 是整个发布的重心。按官方介绍，相比用 CUDA 编程，TileLang 能简化代码、提升开发效率，同时保留针对芯片特性做优化的能力。这条路线此前已在英伟达平台验证：DeepSeek V4 系列模型训练中的大部分算子都基于 TileLang 实现。
此番开源的昇腾版本对底层 Ascend C 指令做了封装，让开发者用高级语言写程序而不损耗硬件性能；DeepSeek 训练中用到的每一个 TileLang 算子，在昇腾上都有了对应的高性能实现。公司还给出了一个更大的定位：希望昇腾版能成为其他 AI 芯片搭建软件生态的参考范例——这句话的潜台词是，TileLang 想做的是超越单一硬件体系的通用算子语言。
通信与注意力的具体成绩
几个关键数字值得单列。DeepEP 昇腾版负责混合专家模型的分发与汇合，项目文档口径显示，在昇腾 950DT 上 EP8 配置下 FP8 dispatch 带宽 373 至 375 GB/s、combine 带宽 345 至 347 GB/s，接近硬件极限；该数据基于概念验证固件包，DeepSeek 提示用户转向华为计划于 10 月 15 日前后推出的商用版本。
FlashMLA 的项目文档给出了另一组结果：昇腾 950 上，预填充阶段稀疏注意力算子最高达到硬件理论峰值的 95%，解码阶段最高 83%。DeepGEMM 昇腾版则与原版 API 兼容，支持 BF16、FP8 与 FP4 精度。以上均为项目方公布的测试成绩，独立复现数据尚未出现。
与华为共同定义的 128 卡超节点
软件组件之外，双方还在硬件协同上给出了方案：基于昇腾 950 共同推进 128 卡 SuperPod Flex 超节点，配 UBL128 组网——单层扩展网络 3.2 Tbps，两层扩展可到 25.6 万卡规模，另附 ASC-COMM 通信库支持自定义通信算子。华为已把联合工作沉淀为 CANN 社区里的多类方案，覆盖大规模专家并行低延迟推理、单卡单机部署、大规模训练、长上下文 KV 缓存池化与智能体强化学习等场景。
离线测试层面，华为口径显示：EP32 配置、12.8 万词元上下文下，DeepSeek-V4.1-Flash 单卡输出速度在每词元 5 毫秒档达到 2469 词元/秒，10 毫秒档达到 5102 词元/秒（未计入调度与框架负载均衡开销）。需要留意的是，本次公告并未说明 V4 系列已在昇腾上完成全量训练，这句话的分寸感本身就说明了现状。
这步棋的行业含义
把视角放大：模型厂商公开自家训练推理赖以运转的底层实现，在行业内并不多见。DeepSeek 把这套东西放出来，受益方是所有想用好国产算力的团队——矩阵运算、数据读写、多卡通信这些环节的适配成本，是模型换芯最痛的部分，如今有了可复用的参照系。
对国产芯片生态而言，这补的是「软件生态」这块最短的板：硬件参数追赶可以靠工艺与堆叠，但没有高效的算子语言与通信库，硬件性能就落不了地。头部模型实验室下场共建，比单靠芯片厂商自研生态内循环，路径要短得多。冷静的一面也存在：一一对应不等于体验对齐，稳定性、工具链成熟度与社区响应速度仍需时间检验，性能数字与真实训练负载之间也总有一段距离。目前官方暂未披露后续组件的迭代节奏，后续将持续跟进迭代动态。