DeepSeek 开源昇腾版训练算子与通信库

这件事意味着什么

【要点】

2026 年 9 月 30 日，DeepSeek 在 GitHub 上放出自家训练与推理底层库的华为昇腾版本。DeepGEMM-Ascend 是 DeepGEMM 在昇腾平台上的实现，README 写明「完全兼容 DeepGEMM 的 API」，支持 BF16、FP8、FP4 GEMM、MQA logits 和 MegaMoE 算子。DeepEP-Ascend 提供 MoE dispatch/combine 的专家并行 all-to-all，明确面向训练与推理，公开 buffer API 与英伟达版 DeepEP 对齐。同一天，FlashMLA 增加昇腾稀疏注意力 prefill 与 decoding 算子，DeepSelect 增加昇腾 TopK 算子，TileKernels v2.0.0 加入运行时自动选择的昇腾后端，DeepJIT 同时提供 CUDA 与昇腾后端。TileLang 的昇腾 950 后端落在上游仓库 tile-ai/tilelang，其文档致谢称初始版本主要由 DeepSeek AI 的工程师开发。

【可核验】

一手页面：https://github.com/deepseek-ai/DeepGEMM-Ascend 、https://github.com/deepseek-ai/DeepEP-Ascend 、https://github.com/deepseek-ai/FlashMLA 、https://github.com/deepseek-ai/TileKernels 。

DeepGEMM-Ascend 在 Ascend 950DT（CANN 9.20）上测得稠密 GEMM 最高达硬件极限的 99.8%：BF16×BF16 在 M=4096、N=7168、K=16384 为 431 TFLOPS，硬件极限 432；同形状 FP8×FP8 为 861，极限 865，即 99.5%。DeepEP-Ascend 在 Ascend 950DT、CANN 9.2.0 上，EP8 dispatch 373–375 GB/s、combine 345–347 GB/s，EP128 分别为 313–320 GB/s 和 272–278 GB/s，README 称 EP 规模不超过 32 时，持续 dispatch 约为物理载荷带宽上限的 90–95%。FlashMLA 称昇腾 950 上稀疏注意力 prefill 最高 410 TFlops（硬件极限的 95%）、decoding 360 TFlops（83%）。DeepSelect 称相比原生 torch.topk 有 2～20 倍加速。

许可证：DeepGEMM-Ascend、TileKernels、DeepJIT、DeepSelect、FlashMLA 为 MIT；DeepEP-Ascend 仓库目前没有 LICENSE 文件。DeepEP-Ascend 的性能数据来自提供给 DeepSeek 的 PoC HDK 配置，不是公开发行版本，README 建议改用华为计划 2026 年 10 月中旬公开的 Atlas 850E Q3 商用 HDK。

【我们的判断】

分量在于层级。这次开源的是 GEMM、专家并行通信、JIT 和算子库这类训练链路的底座，不是模型权重，也不是只管跑推理的适配层；而且 API 刻意与英伟达版同名对齐，对已经建在 DeepSeek 这套工具上的团队，迁移从「重写」变成「换一个包」。

能装能跑不等于已被验证。这些仓库里没有任何一次昇腾上的大规模训练实绩，DeepEP-Ascend 自己写明 reduce-scatter、all-reduce 和专家负载均衡通信核尚未实现，PP 与 Engram 仍是实验性接口。

性能数字短期难以独立复现：全部绑定 Ascend 950/950DT 与特定 CANN 版本，DeepEP 的带宽还依赖未公开的 PoC HDK 配置。值得盯的是商用 HDK 公开后，第三方能否测出同一量级。

还有一个治理细节：没有许可证文件的仓库严格说是保留全部权利，下游商用集成在补上之前都受限，这可能只是发布时的疏漏。