六大核心组件

此次开源的核心组件包括：DeepGEMM 用于加速通用矩阵运算；DeepEP 提供高效的大规模跨设备通信；TileKernels 提供常规向量计算与内存访问算子；FlashMLA 提供稀疏注意力算子，可提升长上下文处理效率；DeepSelect 则实现高效的数据筛选。DeepSeek 表示，在多项关键测试用例中，上述组件的计算与通信性能已接近硬件上限。

与华为深度协作

DeepSeek 透露，在面向昇腾平台的研发过程中，华为团队给予了大力支持，双方紧密合作，共同推进基于昇腾 950 的 128 卡超节点方案，并对计算与通信进行了深度优化。

在编程工具层面，TileLang 旨在让开发者更便捷地编写算子——即模型运行时执行矩阵运算、数据处理等具体计算的程序。DeepSeek 称，相比用 CUDA 编程，TileLang 可以简化代码、提高开发效率，同时保留针对芯片特性进行优化的能力。这条路线先在英伟达平台上得到验证，目前已用于 DeepSeek V4 系列模型训练中的大部分算子；昇腾版本则把底层 Ascend C 指令封装起来，让开发者通过更高层语言编写程序，且每一个 TileLang 算子都已有对应的昇腾高性能实现。

实测性能数据

FlashMLA 的项目文档给出了一组具体结果：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%；在逐步生成内容的解码阶段，最高达到 83%。这两项均为项目方公布的测试成绩。

在分布式通信方面，DeepEP 昇腾版负责大规模跨设备通信。对于混合专家模型，不同数据会被分发给不同专家网络处理，计算结果再汇合；DeepEP 提供这类分发与汇合操作，并将公开接口与英伟达版本对齐，方便开发者沿用已有的调用方式。

分析认为，DeepSeek 将自研基础设施组件同时开源到英伟达与昇腾两大平台，有助于降低模型适配国产算力芯片的门槛，推动开放软件生态的建设。