DeepSeek算子库全面适配昇腾，剑指CUDA

刚刚，DeepSeek完成了一次颇具分量的开源壮举：把给英伟达GPU写代码的全套工具链，原样铺到了华为昇腾950 NPU上。最核心的算子开发语言TileLang官宣原生支持昇腾，DeepGEMM、DeepEP、FlashMLA、TileKernels、DeepSelect五大核心计算与通信库也同步推出昇腾版本，直接对标英伟达平台的全套工具链。有业内评论直言，这意味着国产算力第一次在核心算子工具层面，做到了与英伟达生态的能力对标。

在此之前，全球AI行业苦CUDA垄断久矣。而现在，DeepSeek正试图用一行行开源代码，为国产算力的自主生态蹚出一条新路。

写算子的“手工作坊”时代，该结束了

做过AI底层开发的人都清楚，“写算子”一直是门槛最高、耗时最久的工作之一。一张芯片的理论算力上限很高，但如果底层算子写得不达标，芯片内部的计算单元就会在大量时间里空等数据流转，导致几万块钱的芯片可能只发挥出20%的性能。写算子的根本目的，就是把这20%的硬件利用率，一点点提高到95%以上。

拿最常见的矩阵乘法（GEMM）来说，要想榨干一张AI芯片的算力，开发者要手动管理三级缓存、调度线程块、搞定数据预取流水线，甚至要深入到寄存器分块和指令重排的层面。为了优化上千行底层代码，资深工程师打磨好几周都是家常便饭。这种近乎“手工作坊”的开发模式，把大量本该用于创新的工程精力，消耗在了与硬件细节的缠斗上。

一套代码，能跑遍所有芯片——这正是这场开源试图抵达的终点。

六件套齐发：从开发语言到通信库的全栈对标

此次适配昇腾的核心，是TileLang。作为一门面向高性能算子开发的领域专用语言，TileLang让开发者可以在更抽象的层面描述计算，把底层调度交给编译器，从而大幅压缩“从想法到可用内核”的路径。它的原生支持昇腾，意味着国产NPU第一次拿到了与英伟达开发者同样顺手的“生产力工具”。

与TileLang一同登陆昇腾的五个库，个个都是DeepSeek在自家大模型训练与推理中反复锤炼过的产物：DeepGEMM深耕矩阵乘法，是支撑大模型训练的算力基座；DeepEP面向MoE架构的大规模专家并行通信，堪称集群训练的“血管”；FlashMLA则针对多头潜在注意力机制提供了高性能内核实现。再加上汇集高质量内核范例的TileKernels与配套的DeepSelect，从单卡计算、注意力机制到集群通信，一套完整的工具箱就此成形。

苦CUDA久矣：被围墙圈住的算力市场

过去近二十年，英伟达凭借CUDA构建了AI时代最深的护城河。从算子库、编译器、驱动到框架适配，CUDA与PyTorch等主流深度学习框架深度绑定，全球研究者和工程师的学习积累与代码资产几乎都沉淀在这套体系之中。任何一款新芯片想要进入这个市场，都要面对同一个残酷问题：算子谁来写？工具谁来供？生态迁移的成本谁来付？

这正是国产算力长期以来的隐痛——硬件参数可以追赶，软件生态却难以速成。此前国产NPU上的算子开发大多依赖各厂商自建工具链或手工迁移，调优周期长、人才储备薄，不少模型团队因此望而却步。而DeepSeek这次把整套经过自家顶级模型验证的工具链原样铺到昇腾上，等于把生态建设中最难啃的算子层直接铺好了路，后续开发者可以顺着这条路继续往前走。

一次教科书式的“开源合纵”

看懂这次开源，需要看到双方的互补性。DeepSeek是中国最具影响力的开源模型团队之一，其模型每一次部署落地，都是对底层算子库可用性与性能的一次真实检验；华为昇腾则是国产算力的旗舰平台，承载着自主可控生态的期待。当开源模型力量与国产芯片平台在算子工具层完成对接，模型、算子、硬件三层首次形成了一个完整的开源闭环。

对行业而言，这笔账并不难算：过去需要工程师打磨数周的算子移植与调优，如今可以在统一的开源抽象下快速完成，国产芯片的“上手成本”骤降；对华为而言，TileLang原生支持昇腾950，等于获得了一个经过顶级模型团队实战验证的开发入口；而对更多国产芯片厂商来说，这也提供了一条可复制的路径——与其各自为战地补生态，不如共同拥抱开放的工具链标准。

当然，工具链适配只是第一步。适配之后，昇腾平台上的实际性能能否持续逼近英伟达、开源社区能否保持活跃迭代、更多算子能否陆续跟进，都还有待时间检验。但方向已经足够清晰：当算子开发从手工作坊走向统一的开源抽象，CUDA的护城河就会开始松动。对于苦生态久矣的国产算力而言，这或许正是那条康庄大道的起点。