DeepSeek 开源昇腾训练基建：TileLang 对标 CUDA，128 卡超节点在路上（2026年10月）

DeepSeek AI对话免费 Hugging Face AI开发免费 OpenRouter AI开发免费 GPTZero AI检测免费

9月30日，DeepSeek 宣布开源面向华为昇腾平台的基础设施组件，覆盖算子编程语言 TileLang 及其编译支持、计算库和分布式通信库，并强调「所有组件与此前面向英伟达平台的开源组件一一对应」。这意味着支撑 DeepSeek V4 系列模型训练的核心工具链，如今在国产芯片上有了完整的对应版本，华为团队参与了这批组件的研发支持。

到底开源了哪些组件？

这次开放的是模型训练「跑起来」的三个关键环节：

• TileLang：算子编程语言，昇腾版封装了底层 Ascend C 指令，开发者用更高级的语言写程序，不必直接碰芯片指令；
• 计算库：DeepGEMM 加速矩阵运算，TileKernels 覆盖向量计算与访存，FlashMLA 负责稀疏注意力以提升长上下文效率，DeepSelect 用于高效筛选数据；
• DeepEP（昇腾版）：分布式通信库，负责混合专家模型（MoE）里数据在不同专家网络之间的分发与汇合。

复用性是这次开源的亮点：TileKernels 支持同一套 Python 接口在英伟达 GPU 与华为 NPU 上运行，底层实现按硬件自动选择；DeepEP 的公开接口与英伟达版本对齐，开发者沿用已有调用方式即可切换。

FlashMLA 在昇腾 950 上跑到多快？

按项目文档公布的成绩：在昇腾 950 上，处理输入上下文的预填充阶段，稀疏注意力算子最高达到硬件理论峰值的 95%；逐步生成内容的解码阶段，最高达到 83%。数据声明：这两项均为项目方公布的测试结果，暂无独立第三方复核，实际收益请以自测为准。DeepSeek 同时强调，这种简化「不会损失硬件性能」——目前其训练中用到的每一个 TileLang 算子，都已有对应的昇腾高性能实现。

128 卡超节点和 16 万颗芯片意味着什么？

官方披露，DeepSeek 与华为正在共同推进基于昇腾 950 的 128 卡超节点方案，对计算和通信进行深度优化。另据 aibriefing 报道，DeepSeek 计划在内蒙古部署超过 16 万颗华为加速器。若如期落地，这将是全球最大规模的「去英伟达」训练集群之一——大模型训练从「单卡性能竞赛」进入「集群工程竞赛」，通信库和超节点设计的重要性不亚于芯片本身。

TileLang 能替代 CUDA 吗？

现在下结论为时过早，但路线已经清晰。TileLang 的定位是「比 CUDA 简化代码、提高开发效率，同时保留针对芯片特性优化的能力」，这条路线先在英伟达平台验证，如今已承载 V4 系列训练中的大部分算子。需要冷静看待的是：接口能复用不等于性能天然对齐，迁移后仍需针对硬件打磨；CUDA 十余年积累的调试工具、性能分析器和社区库，也不是一个算子语言短期内能补齐的。

值得一提的是，华为另一条 CANN Next 路线走「兼容路线」，宣称实现 95% 以上 CUDA 接口兼容；DeepSeek 的 TileLang 路线则是「高级语言重写」。两条路线殊途同归——都在给开发者提供 CUDA 之外的选项。这条路线能走多远，最终看昇腾集群上跑出来的真实训练效率。

三条国产算力软件路线的关键差异，见下方信息图。

对开发者意味着什么？

对运行自己模型的团队，这批组件可以直接复用：矩阵运算、访存、稀疏注意力、跨卡通信的常见实现都开源了，不必逐项从头优化。对依赖 硅基流动 等 API 平台调用 DeepSeek 模型的用户，短期内无感，但中长期看，训练成本下降会传导到 API 定价；海外开发者也可以通过 OpenRouter 或 Hugging Face 关注这批组件的后续社区版本。算子层的开源竞赛，才刚刚开始。