DeepSeek 开源昇腾版 DeepGEMM 等组件：接口与 NVIDIA 版相同
DeepSeek 9 月 30 日开源了一组跑在华为昇腾上的基础组件：算子编译工具 TileLang 的昇腾支持、矩阵乘法库 DeepGEMM-Ascend、专家并行通信库 DeepEP-Ascend，以及 TileKernels、FlashMLA、DeepSelect 等算子。DeepGEMM-Ascend 按 MIT 许可发布，与原版 DeepGEMM 接口完全兼容，在昇腾 950DT 上实测 BF16 达到 431 TFLOPS（硬件利用率 99.8%），FP4 达到 1701 TFLOPS。目前只在 950 系列上开发和验证，没有提到 910B / 910C。
编辑标为重要，发布已满 30 天，从立即关注降到这一档。
本页目录11 节
记录
信号正文
#发生了什么
9 月 30 日 DeepSeek 开源了一组昇腾平台的基础设施组件。InfoQ 与量子位当天都有报道，DeepGEMM-Ascend 的细节来自它的 GitHub 仓库说明。
开源了什么
- TileLang：算子编译工具，用高级语言写算子；DeepSeek 称 V4 系列训练中大部分算子由它实现
- DeepGEMM-Ascend：矩阵乘法加速，支持 BF16、FP8、FP4
- DeepEP-Ascend：跨设备通信，负责专家并行的 all-to-all
- TileKernels：常用算子库，包括 MoE 路由、量化、位置编码
- FlashMLA：稀疏注意力计算加速
- DeepSelect：TopK 筛选算子
这一组覆盖了训练和推理一个 MoE 模型时最常用的几块：矩阵乘法、专家之间的通信、注意力、路由。
DeepGEMM-Ascend 的数字
- 许可：MIT，2026-09-30 首次发布
- 与原版 DeepGEMM 接口完全兼容，包名和开发流程一致
- 在昇腾 950DT、CANN 9.20 上实测：BF16 为 431 TFLOPS，硬件利用率 99.8%；FP4 为 1701 TFLOPS，利用率 98.3%
- 只在 950 系列上开发和验证；仓库说明里没有提到 910B 或 910C
利用率接近 100% 说明算子本身已经把这块芯片的矩阵单元用满了。它回答不了的是整机和集群层面的问题：通信、显存带宽、调度。那些要看 DeepEP-Ascend 和实际训练的吞吐，这次没有公布。
为什么值得注意
在英伟达生态里，这类算子库是芯片厂商或社区多年积累出来的。DeepSeek 这次把自己训练用的那一套直接移植到昇腾上并开源，接口还和英伟达版本一致。对想在国产芯片上跑 MoE 的团队，这一步把「重写算子」变成了「换一个包」。前提是你用的是 950 系列。
对读者意味着什么
- 如果你在昇腾 950 上做训练或推理，可以先把 DeepGEMM 换成 Ascend 版，在自己的形状上量一次利用率。
- 如果你用的是 910 系列，先确认支持情况，目前说明里没有写。
- 算子利用率高不等于模型跑得快；端到端的吞吐，要等真实训练的数字。
为什么是现在
为什么重要
#在英伟达之外的芯片上训练和推理大模型，最大的成本往往是重写算子。DeepSeek 把自己训练用的矩阵乘法、专家通信和注意力算子移植到昇腾并开源，接口还与英伟达版本一致。对用昇腾 950 的团队，这把重写变成了换包；但目前只验证了 950 系列，端到端吞吐也还没有数字。
背景
技术背景
#算子是模型计算的最小单元，比如矩阵乘法、注意力、专家之间的数据交换。同一个模型换一种芯片，往往要为这些算子重新写高性能实现。硬件利用率指实际算力占芯片理论峰值的比例，接近 100% 说明这个算子已经把芯片的计算单元用满；整体训练速度还取决于通信、显存带宽和调度。
关注人群
谁该关注
#下一步
学习路径
#- 读《混合专家模型（MoE）架构》，理解专家并行为什么需要 all-to-all 通信
- 读《模型量化与数值精度》，了解 BF16、FP8、FP4 的取舍
- 读本站 DeepSeek DSec 那条信号，看它的训练基础设施的另一半
- 如果你用昇腾 950，把 DeepGEMM 换成 Ascend 版，在自己的矩阵形状上量一次利用率
关系网络
在技术网络中的位置
#当前技术与相邻技术、技能和背景知识的连接，点击节点可继续探索。
延伸思考
后续问题
#- 你用的是昇腾 950 还是 910 系列？目前只验证了 950。
- 你的训练瓶颈在矩阵乘法、通信还是显存？这组算子解决的是哪一个？
- 接口兼容之后，你的代码里还有多少英伟达专用的部分？
发布记录
收录于
#收录这条信号的技术简报，新的在前；最后一行是它那一周的周回顾。标签是它在那一期所在的栏目。
来源参考