DeepSeek开源六大组件：为国产算力铺下地基

一次比发模型更重要的开源

在国庆节前的9月30日上午10点01分，DeepSeek^广告做了一件没怎么上热搜、却可能比发布新模型更重要的事——它一次性开源了面向华为昇腾平台的六大基础设施组件：TileLang、DeepGEMM、DeepEP、FlashMLA、TileKernels、DeepSelect。

翻译成人话，就是DeepSeek把自己训练大模型用的"锅碗瓢盆"，在国产芯片上也做了一整套，然后免费开源给全行业用。

这件事之所以值得单独拿出来讲，是因为这是第一次有一家中国头部大模型公司，把在国产芯片上跑通生产级训练的完整底层软件栈全部开源。这不是一份PPT，也不是一个Demo，而是DeepSeek V4训练中真刀真枪用过的东西。它把"国产算力能不能训练顶级大模型"这个问号，改成了句号。

卡住国产算力的从来不是芯片

要理解这次开源的分量，得先搞清楚一个常被误解的问题：卡住国产算力的，从来不是芯片本身，而是软件生态。

AI模型训练本质上是海量数据的计算，跑在算力芯片（GPU）上。目前用得最多的是英伟达GPU。但芯片是硬件，硬件自己不会干活，得有软件告诉它怎么算，这套"告诉它怎么算"的东西就是基础软件组件。

英伟达最牛的地方不只是先进的芯片，而是它早在2006年就推出了CUDA，并围绕CUDA用近20年时间，把Tensor RT、各类配套库、教程、工具、社区全部建立起来。结果就是全世界的AI开发者只要用英伟达，就必须写CUDA。换一家芯片，等于让一个写了10年Java的人突然改用汇编重写全部业务代码——迁移成本高到让人望而却步。

国产GPU这几年硬件参数并不输英伟达，但生态差一大截几乎是行业共识。DeepSeek这次要补的，正是这块软件短板。

值得补充的是，英伟达CUDA生态的护城河不仅体现在工具链上，更体现在人才积累与代码资产上。全球大量AI研究论文的复现代码、开源框架（如PyTorch、TensorFlow）的底层算子，都默认以CUDA为实现语言。这意味着即使某款国产芯片的理论算力与英伟达相当，开发者在迁移时面对的是一个"代码负债"问题——不仅要重写算子，还要重新验证数值精度、重新调优性能，中间任何一环出错都会导致训练结果不可复现。华为昇腾早年推出的AscendC编程框架已是重要一步，但缺乏像DeepSeek这样经过顶级模型生产验证的上层软件栈配合，落地门槛依然很高。

六大组件分别对应什么

这六个组件和DeepSeek此前面向英伟达平台的开源组件一一对应——以前英伟达有一份，现在昇腾也有了一份。

逐一拆解

• TileLang：对应英伟达的CUDA，用简单的写法写出能跑满硬件性能的算子。
• DeepGEMM：对应cuBLAS，管的是AI里最核心的矩阵乘法怎么算得最快。
• DeepEP：对应NCCL，管的是几百张卡之间怎么通信不"堵车"。
• FlashMLA：对应FlashAttention，让超长文本处理更省更快。
• TileKernels：对应CUTLASS，负责数据搬进搬出的常规处理。
• DeepSelect：对应DALI这类数据管线，负责从海量数据里快速挑出要用的部分。

要特别记住的一点是：TileLang不是纸上谈兵。引用DeepSeek官方原话，它已经承载了DeepSeek V4系列模型训练中大部分算子的实现。换句话说，这是经过生产级验证的东西。

从手动挡到自动挡：TileLang为什么关键

对没写过算子的同学来说，理解TileLang只需要一句话：CUDA相当于手动挡，TileLang相当于自动挡。

如果你写过数据库，这个比喻最好懂。写SQL时你只写SELECT ... FROM ... JOIN ... WHERE，不用管数据库先扫哪张表、走不走索引、用不用哈希连接，这些交给查询优化器。而写CUDA时，相当于你手写执行计划，每一步都得自己安排，写错一处就慢一半，甚至结果直接错。TileLang干的事，就是让你重新回到"写SQL"这一层。

GPU的分层执行模型

在GPU内部，CUDA的并行执行模型是分层的，从大到小依次是Grid、Block、Thread。可以把它想象成一个超市：Thread是最基础的单个理货员，每人只负责手头一件小事（比如扫描一个商品）；Block是几百个理货员组成的工作小组，组员之间可以"交头接耳"（共享内存）互相配合；Grid就是整个超市大厂，由无数工作小组拼成，共同完成海量任务。

这套Grid-Block-Thread的层次结构对应着GPU硬件上真实存在的资源划分。每个Block共享的"内存"在硬件上叫做Shared Memory（共享内存），它比全局显存（VRAM）快十倍以上，但容量极小（通常只有几十KB）。高性能算子的精髓，正是精确地把数据从慢速全局显存搬入快速共享内存、计算完再写回，同时让所有线程尽量"不闲着"。一旦搬运时机或同步位置写错，轻则性能大幅下降，重则算出错误结果。这正是手写CUDA极易出错、调试成本极高的根本原因，也是TileLang自动管理数据搬运与同步的价值所在。

以矩阵乘法为例

为加速矩阵乘法，通常会用到"分块"技术——把大矩阵拆成很多小方块，一块块搬进GPU高速缓存计算。

在**传统CUDA（手动挡）**里，程序员要手动控制线程怎么走、数据怎么搬、什么时候同步。你得自己定义共享内存里的小方块，循环遍历大矩阵，一个点一个点搬数据，还要小心翼翼地手写同步指令。指针计算密密麻麻，一步算错满盘皆输；同步指令漏掉或写错位置，就会遭遇数据竞争，算出来全是乱码且极难排查。

而在**TileLang（自动挡）**里，矩阵和小方块成了基本对象。你只需要告诉它"我想怎么切块"，剩下的搬运和同步它自动搞定——没有复杂的指针下标计算，用类似Python切片的语法就能操作数据。更关键的是没有手动同步这一步：TileLang知道你在做分块计算，编译成机器码时会自动把同步指令插到最完美的位置。代码量大幅减少，逻辑非常清晰。

CUDA像手动挡老卡车，离合换挡全靠手动，技术不好容易熄火（死机）或算错；TileLang像自动挡新能源车，你设定好目的地（切块大小），一脚油门下去自动驾驶。迁移成本因此从"重写一遍"压向"改几行"。

对行业的三重冲击

跳出DeepSeek本身，这次开源对整个行业至少有三个层面的冲击。

冲击一：国产算力的软件短板被实质性补上。 昇腾在大模型训练这个最硬核的场景里，第一次拥有了对标CUDA生态的生产级软件栈，这会显著加快其他国产芯片厂商跟进的节奏。

冲击二：中小AI公司的算力选型自由度大幅提升。 以前创业公司做AI基本只有一条路——融资买英伟达烧钱。现在多了一个真实可选项：昇腾加上DeepSeek开源栈。哪怕只用来做推理集群或垂直模型微调，成本结构都会明显变化。

冲击三：AI底层语言的"战国时代"开启。 TileLang、Triton、Mojo、AscendC、CUDA，未来几年AI底层语言赛道会非常热闹。能写高性能算子、懂国产芯片调优的工程师本就极少，需求一旦起来，这波人才会迎来新行情。

从更宏观的视角看，这次开源也具有地缘政治层面的意义。自2022年起美国对华实施先进GPU出口管制，英伟达A100、H100等高端芯片无法合规进入中国市场，国内AI企业不得不转向昇腾、寒武纪等国产算力。然而"有芯片、缺软件"的困境一直是国产算力推广的主要阻碍——客户买了硬件却跑不起来主流模型，形成大量闲置。DeepSeek此次开源，相当于为整个国产算力生态提供了一份"通用适配器"，有望激活已部署但利用率不足的算力资源，这对国家算力基础设施的投资回报率有实质性改善意义。

不训练模型的人，机会在最后一公里

大多数读者是做互联网或企业级应用的Java、Go、前端工程师，平时不训练模型，模型层的红利吃不到。但"让AI在企业里真正跑起来"的红利，依然可以分享。

短期（3到6个月）：技术栈不会因此改变，但可以花半天把TileLang仓库下载下来看看，有条件跑一遍，提前建立认知储备。

中期（6到18个月）：AI成本会显著下降，你能接的单子变多。过去在系统里加智能摘要、智能问答、文档理解，走的通常是调用OpenAI、文心、通义的API按Token付费、数据出内网。未来的选型路径会变成：私有化部署一个开源大模型，跑在国产算力集群上（昇腾 + DeepSeek开源栈）。

长期（1到3年）：技能储备方向要重新校准。别只押注CUDA，TileLang这种跨硬件的语言值得投入；关注昇腾、寒武纪、摩尔线程等国产算力生态；更重要的是——AI工程化能力比模型训练能力更稀缺。对绝大多数企业团队来说，"会用"比"会训"更重要，业务理解加上AI落地能力，才是最值钱的组合。

国产算力进企业内网的"最后一公里"，让AI在企业系统里真正可用的那部分，正是应用层工程师的主场。

结语

这次开源的不是模型，而是"让人能用起来的那一层"——六个生产级组件，与英伟达平台上的开源组件一一对应。卡住国产算力的从来不是芯片，而是迁移成本；TileLang把"手写执行计划"退回到"写SQL"，把迁移成本从重写一遍压向改几行。对不训练模型的工程师来说，机会不在写算子，而在最后一公里。