DeepSeek国庆前开源昇腾全家桶：把训练V4的整套工具链”搬”上华为芯片，不止是适配

国庆假期前的最后一个工作日，DeepSeek甩出了一份分量极重的开源礼包：TileLang编译器，加上DeepGEMM、DeepEP、TileKernels、FlashMLA、DeepSelect五大计算通信组件，整体登陆华为昇腾平台。这不是一次“能跑起来”的适配验证，而是把训练V4系列模型正在使用的整套工具链，从英伟达平台成建制地搬到了昇腾上。多项关键测试已接近硬件理论上限，配套的还有与华为共同推进的128卡超节点方案。CUDA的护城河，真的开始松动了吗？本文分三层拆解：发生了什么、技术上有何门道、跟你有什么关系。

一、事件速览：假期前一天的分量级开源

2026年9月30日上午——国庆假期前的最后一个工作日，DeepSeek通过官方公众号宣布，正式开源面向华为昇腾算力平台的基础设施组件。

如果只扫一眼标题，这像是一条常见的“芯片适配”新闻。但只要打开仓库清单就会发现，这次开源的分量完全不同：DeepSeek放出的不是一个“能在昇腾上跑起来”的验证性版本，而是把自家训练V4系列模型正在使用的整套工具链——从算子开发语言、计算库到分布式通信库——成体系地搬上了华为芯片。

值得一提的是，同日DeepSeek还发布了面向个人电脑的Harness桌面端（本站9月30日已发文解读），假期前动作密集。一家公司选择在长假前一天集中放出这两份大礼，节奏本身就很说明问题：这不是应景式营销，而是排期已久的战略动作。

对整个行业来说，这次发布回答了一个悬置已久的问题：国产AI芯片的软件生态，究竟什么时候能从“演示可用”走到“主力可用”？DeepSeek用一整套开源仓库，给出了自己的答案。

二、开源全家桶清单：一门语言 + 五大组件

按照官方说明，此次开源的组件涵盖TileLang高级语言编译工具、计算库、分布式通信库，所有组件与此前面向英伟达平台的开源组件一一对应。换句话说，英伟达平台上有什么，昇腾平台上就有什么。

组件	类型	职责	对应英伟达平台角色
DeepGEMM	计算库	加速通用矩阵运算	矩阵运算是训练第一大开销，性能关键项
DeepEP	分布式通信库	提供高效的大规模跨设备通信	大规模并行的通信骨干
TileKernels	计算库	提供数据处理所需的常规向量计算和访存算子	双平台同接口的算子基础库
FlashMLA	计算库	提供稀疏注意力算子，提升长上下文处理效率	长上下文核心注意力算子
DeepSelect	计算库	实现高效的数据筛选	数据流水线的筛选环节
TileLang	高级语言编译工具	编写高性能计算内核的领域专用语言（DSL）	全家桶的“地基”，其余组件的算子多由它编写

表中把DeepGEMM标绿，是因为它的位置最关键：大模型训练的算力消耗大头就是矩阵运算，DeepGEMM的性能直接决定训练效率的上限。单看职责描述可能还不够直观，我们逐个展开：

DeepGEMM：训练算力的“吞金兽”

• 矩阵运算占训练计算开销的最大头。DeepGEMM加速通用矩阵运算，它的成色就是整个训练系统的成色。

DeepEP：大规模并行的“血管系统”

• 大模型分布式训练中，数据要在成百上千块芯片之间高频穿梭。DeepEP提供高效的大规模跨设备通信，通信跟不上，算力再强也在空转。

TileKernels：日常数据处理的“工具箱”

• 提供数据处理所需的常规向量计算和访存算子。这类算子单项不显眼，但无处不在，是整个系统流畅运转的底座。

FlashMLA：长上下文的“引擎”

• 提供稀疏注意力算子，提升长上下文处理效率。下文的性能数据，正是来自这个组件在昇腾950上的表现。

DeepSelect：数据流水线的“筛子”

• 实现高效的数据筛选，负责训练流程中数据与激活的高效分拣。

全部仓库均已在GitHub开放，可直接访问：

• TileLang：github.com/tile-ai/tilelang
• DeepGEMM Ascend：github.com/deepseek-ai/DeepGEMM-Ascend
• DeepEP Ascend：github.com/deepseek-ai/DeepEP-Ascend
• TileKernels：github.com/deepseek-ai/TileKernels
• FlashMLA：github.com/deepseek-ai/FlashMLA
• DeepSelect：github.com/deepseek-ai/DeepSelect

三、TileLang才是主菜：一门比CUDA好用的“算子语言”

如果说五大组件是“菜”，那TileLang就是这次开源真正的主菜。它的定位是一门领域专用语言（DSL）——专门用于编写高性能计算内核，采用接近Python的语法，编译基础设施建立在TVM之上。

用大白话讲：写CUDA内核，需要理解线程、显存层级、流处理器等一堆底层概念，门槛高、代码啰嗦、调试痛苦；而TileLang让开发者用接近写Python的方式描述“我要做什么计算”，剩下的调度和优化交给编译器。官方对它的定位有三句话，值得原文引述：

展开来说：相对于英伟达CUDA，TileLang编程更简单、能显著提高开发效率、简化代码逻辑；相对于其它同类高级语言，编程模型可以充分发挥芯片特性、达到硬件性能上限。一句话总结：既要“好写”，也要“跑得快”——这恰恰是过去多数CUDA替代方案做不到的两全。要么易用但性能打折，要么高性能但难以上手，TileLang想把这个取舍直接取消掉。

多平台基因，是它最大的不同

TileLang并不与特定硬件绑定。它目前已支持NVIDIA CUDA、AMD ROCm、Apple Metal等多种执行环境；2026年9月30日——与昇腾全家桶同一天——TileLang在主仓库中公布了对华为昇腾950 NPU的支持，包括原生代码生成、自动调度、同步处理。

理解这个转移非常重要。过去企业想把业务迁到某块新芯片上，意味着整个工程团队重写代码、逐个算子调优，成本高到让大多数公司望而却步；而在TileLang的模型下，这笔成本转给了芯片厂商，而且是一次性的。芯片越多、生态越开放，这笔一次性投入就越划算。

从V3.2-Exp到V4：一条已经走通的路线

TileLang不是这次发布才冒出来的概念，它的演进时间线很清晰：

• 2025年9月，DeepSeek发布V3.2-Exp模型时，首次同步开源TileLang版本的算子；
• 此后一年间，这条路线在英伟达平台上持续验证、打磨；
• 到目前，DeepSeek V4系列模型训练中的大部分算子均基于TileLang实现；
• 2026年9月30日，这套此前主要在英伟达平台上验证的路线，整体承载到了昇腾。

注意最后一步的分量：这不是在一个边缘实验项目上试水，而是把支撑主力模型训练的核心工具链迁移过去。敢在这个时间点做整体迁移，说明DeepSeek对TileLang的成熟度已有足够把握——它已经在一年的实战里证明过自己。

四、“搬家”和“适配”是两回事

过去几年，“国产芯片适配大模型”的新闻我们看过很多：某芯片宣布兼容某框架、某模型在某芯片上完成验证、发布一张跑通截图……这些大多停留在“能在上面跑起来”的层面——验证兼容性、发适配公告，然后呢？往往就没有然后了。真要拿它训练前沿模型，工具链的每个环节都可能掉链子。

这次不一样。这次是DeepSeek把在英伟达平台上打磨成熟的那套工具链，几乎完整地、成体系地搬到了昇腾上。差别在哪？我们拆开看三层。

第一层，算子层面：每一个都有对应的高性能实现

昇腾版组件对昇腾Ascend C底层指令进行封装，提供高级语言编程方式，同时不损失硬件性能。官方明确表示：DeepSeek训练中用到的每一个TileLang算子，在昇腾上都有对应的高性能实现。

“每一个”这三个字很关键。适配公告里常见的措辞是“支持主流算子”，而主力训练要求的是全覆盖——缺一个算子，整条训练流水线就跑不起来。全覆盖，是“能演示”和“能干活”的分水岭。

第二层，编译层面：针对昇腾架构深度定制

昇腾后端复用TileLang共享前端，针对昇腾芯片的Cube矩阵计算单元和Vector向量计算单元，实现专用的编译转换、调度、同步和代码生成。这不是简单地把代码“翻译”过去，而是让编译器真正理解昇腾的硬件结构，生成贴合芯片特性的代码——这正是“不损失硬件性能”的技术底气。

第三层，接口层面：同一组Python接口，双平台自动选择

TileKernels新增昇腾后端后，同一组Python接口可同时在英伟达GPU和华为NPU上调用，由程序在运行时自动选择对应的底层实现。对开发者来说，写一份代码，两个平台都能跑，不必维护两套分支。

三层叠加，就得到了那个最重要的结论：DeepSeek训练前沿模型所用的代码，已可在昇腾平台上运行，无需重写。

五、性能成色：多项测试接近硬件理论上限

搬家搬得再彻底，如果性能打折，价值也要大打折扣——这也一直是外界对国产芯片软件栈最常见的疑虑。DeepSeek在公告中给出的说法是：多项关键测试用例中，组件的计算与通信性能已接近硬件理论上限。

最具代表性的数据来自稀疏注意力算子。据公开信息，面向昇腾950的稀疏注意力算子表现如下：

阶段	性能	硬件极限占比
读取输入（prefill）	410 TFlops	95%
逐步生成内容（decode）	360 TFlops	83%

给不熟悉推理流程的读者解释一下这两个阶段：prefill是模型“读”入你输入内容的阶段，一次性处理大量token，属于计算密集型场景，能跑到硬件极限的95%，意味着计算单元几乎没有闲置；decode是模型逐字“写”出回答的阶段，每生成一个token都要读取一遍上下文缓存，访存压力大，天生更难跑满，能到83%同样是相当高的水位。

当然，需要留意这些数据来自针对特定算子的深度优化，代表性测试成绩与千变万化的实际业务负载之间总有差距。但“接近理论上限”这个表述本身，传递了一个足够清晰的信号：昇腾版不是“能用”级别，而是“好用”级别——软件栈不再是被诟病的那块短板。

六、128卡超节点：与华为的共同答卷

单卡性能之外，这次发布还有一个容易被忽略但同样重要的关键词：超节点。DeepSeek与华为共同推进基于昇腾950的128卡超节点方案——将128块芯片高速互联，作为一个整体协同运算，并对计算和通信进行深度优化。

为什么要做超节点？因为大模型训练的瓶颈往往不在单卡算力，而在卡与卡之间：当数千颗芯片协同工作时，通信效率决定了整个集群的实际利用率。把128块芯片高速互联、作为一个整体协同运算，本质上是在芯片组层面重新定义了“一台机器”——训练系统看到的不再是128个孤立算力点，而是一台内存与互联统一的大设备。

华为也在同步行动

值得注意的是，这不是DeepSeek的单向输出。华为将双方围绕昇腾950及超节点开展的联合创新成果在CANN社区开源，覆盖模型部署、大规模训练、超长文本KV Cache池化与Agentic RL等实践，并披露了DeepSeek-V4.1-Flash的部分离线推理性能数据。

对想在昇腾上落地的团队，一个实操细节值得记下：TileKernels的昇腾后端要求CANN 9.2.0及以上版本。这可以看作双方为这套工具链划定的第一条“软件基线”。

DeepSeek在公告中对华为团队表达了感谢，用词是——

六个字，分量不轻。大厂之间的技术合作，往往在关键环节留一手；“毫无保留”意味着这套128卡超节点方案，是双方把底层的计算、通信、调度细节摊开来共同打磨的结果。这也是为什么这次开源的成色，与以往“芯片厂商单方面适配”的成果不可同日而语——一边是最懂大模型训练的团队，一边是最懂这颗芯片的团队，两头都把看家本领拿了出来。

七、为什么是DeepSeek+华为：一笔绕不开的算力账

技术路线的选择，背后从来都是商业现实。为什么DeepSeek要在这个时间点，把吃饭的家伙搬到昇腾上？把几条公开信息拼在一起，答案会逐渐清晰。

第一条线索：算力缺口

据媒体披露的梁文锋2026年7月闭门投资者会议内容，中美AI能力差距可归结为算力资源；DeepSeek目前运营约2万块英伟达H系列同等算力芯片，但买不到足够的硬件训练最大规模前沿模型。

训练顶级大模型约需5万颗英伟达GB300芯片——在出口管制之下，这条路对DeepSeek基本走不通。若采用华为昇腾950，则约需20万颗。芯片数量是四倍，但至少，这是一条买得到的路。对一家把“训练前沿模型”当作生存前提的公司来说，这道选择题并不难。

第二条线索：订单落子

据彭博社报道，DeepSeek已向华为订购16万颗昇腾950DT芯片，用于其位于内蒙古的1GW数据中心；梁文锋称这项工作“必须成功”。

16万颗、1GW——这两个数字说明，这早已不是技术验证，而是重注押注。当一家公司用真金白银锁定了16万颗芯片，把软件工具链搬过去就不再是“要不要”的问题，而是“多快”的问题。这次开源，可以理解为这场搬家工程的公开交付。

第三条线索：价格账

据媒体披露的闭门会内容，华为昇腾新款推理芯片采购价格约为英伟达的四分之一，单卡算力比英伟达对华特供版提升2.87倍。梁文锋的判断是，昇腾950超节点“在性能和价格上完全可以平替英伟达的GB200和GB300”。

对比口径	英伟达路线	昇腾路线
训练顶级大模型所需芯片	约5万颗GB300	约20万颗昇腾950
新款推理芯片采购价格	基准	约为英伟达的四分之一
单卡算力（对比对华特供版）	特供版基准	提升约2.87倍

注：上表整理自据媒体披露的闭门会内容，并非官方发布数据，实际情况请以官方口径为准。可以看出的趋势是：单卡数量劣势，正在被价格优势和集群工程能力对冲——芯片多买三倍，但单价只要四分之一，总账未必难看，前提是软件栈能把这么多芯片高效管起来。这正是整套开源工具链存在的意义。

第四条线索：极致性价比的商业模式

别忘了DeepSeek的商业模式底色。DeepSeek V4-Pro的API输入价格低至0.25元/百万词元，而据公开信息，GPT-5.5 Pro加权平均输入价格为30美元/百万词元，两者相差超过700倍。

要维持这种定价还能活下去，基础设施成本必须压到极限。自研工具链 + 更便宜的芯片 + 全开源的软件栈，每一环都是在给成本结构松绑。所以这次开源昇腾全家桶，表面看是技术发布，底层看是商业必然——当你的护城河是极致性价比，你就必须掌控从芯片到算子的每一层成本。

八、CUDA护城河真的会被“瓦解”吗

闭门会上，据媒体披露，梁文锋判断“CUDA的护城河正在迅速瓦解”。这次开源之后，不少讨论直接把TileLang称作“CUDA杀手”。这种说法需要冷静看待——既有逻辑上成立的部分，也有现实的差距。

想象空间：一条绕过CUDA的通道

先说成立的部分。如果TileLang的昇腾版本吸引足够多开发者使用，它就构成一条绕过CUDA的通道——开发者不需要学CUDA，只需学TileLang，就能在两种芯片平台上部署模型。

这里面的乘数效应不容小觑：DeepSeek V4系列是全球最受关注的开源大模型之一，开发者基数庞大。当开发者习惯了DeepSeek的模型和工具链，迁移就变成“换一个pip install”的事。生态之争，历来争的不是技术参数，而是使用习惯——谁先把使用习惯固化下来，谁就握住了下一代的入口。

现实差距：三道坎还在那里

但也要克制。CUDA的护城河不是一天挖成的，TileLang要真正“瓦解”它，至少还有三道坎：

• 生态成熟度：CUDA背后是长期积累的库、调试工具、性能分析工具和海量社区答案；TileLang社区刚起步，遇到疑难问题时，开发者能检索到的资料还很有限。
• 开发者习惯：大量存量代码、课程体系和招聘技能要求都建立在CUDA之上，迁移意愿取决于新工具能带来的确定性收益，而这需要时间验证。
• 工具链完整度：这次开源覆盖的是DeepSeek自用的训练链路，而一个完整的生态还需要推理部署、微调、量化、运维监控等全链条工具，这些仍在补齐过程中。

更准确的表述也许是：TileLang提供了一种可能性——让“跨芯片中间层”从设想变成可运行的现实。DeepSeek自己也保持了务实姿态，表示希望TileLang昇腾版本作为开源工作，能对更多AI芯片建立高可用软件生态起到示范作用。注意措辞是“示范作用”，而非“取代CUDA”。方向已验证，终局远未到。对观察者而言，接下来值得盯的指标很朴素：这几个仓库的提交频率、外部贡献者数量，以及有多少非DeepSeek的项目真正用TileLang写算子。

九、对你意味着什么：开发者、企业和普通用户

看完技术和产业层面，回到本站读者最关心的问题：这件事跟我有什么关系？我们分三类人群说。

如果你是AI开发者

• 值得把TileLang仓库加进关注列表。它是Python风格语法，上手门槛远低于CUDA，而且一次学习可覆盖英伟达、昇腾乃至AMD、Apple等多平台——在算力平台加速分化的当下，这是对冲平台风险的技能投资。
• 计划在昇腾上做训练或推理的团队，可以直接复用DeepSeek验证过的这批算子组件，而不是从零踩坑；注意TileKernels的昇腾后端要求CANN 9.2.0及以上版本，部署前先核对环境。
• 如果你维护双平台项目，TileKernels“同一组Python接口、运行时自动选择底层实现”的机制值得研究，它能显著降低多平台代码分支的维护成本。

如果你是企业IT/算力决策者

• 这次开源实质上降低了国产算力选型的软件生态风险——当头部大模型公司把主力训练工具链搬上昇腾，“软件生态不成熟”这个否决项的权重，应当重新评估。
• 做成本测算时，参考那笔公开的算力账：采购价约为英伟达的四分之一、单卡算力提升约2.87倍（据媒体披露），但训练侧需要更多芯片数量以及更强的集群工程能力，务必做全周期测算而非单卡比价。
• 如果业务依赖DeepSeek API，可以更放心一些：其成本结构有了更强的自主可控支撑，供给侧风险下降，长期价格的可预期性反而增强。

如果你是普通AI工具用户

• 最直接的受益会体现在价格与服务稳定性上：基础设施成本降下来，模型API才有持续降价的空间——0.25元/百万词元这类极致定价能走多远，与芯片自主化程度直接相关。
• 你不需要做任何操作。DeepSeek训练代码已可在昇腾上运行、无需重写，意味着无论底层芯片怎么切换，你用到的模型能力和产品体验是连续的。
• 可以把这次事件当作一个观察窗口：国产AI工具生态正在从“应用层繁荣”走向“底层自主”，后续的每一步都值得关注。

十、结语：从“能不能跑”到“愿不愿意搬”

复盘国产AI芯片这几年的舆论叙事，大多数新闻的潜台词是“能不能跑”——跑通了某个模型、兼容了某个框架、发了一张测试截图。这当然有意义，但“能跑”和“敢用”之间，隔着一整个软件生态的距离。

DeepSeek这次动作之所以重要，就在于它把问题换了一个问法：不再是“昇腾能不能跑大模型”，而是“我们愿不愿意把吃饭的家伙搬过去”。答案是：整套工具链、全部开源、连训练V4正在用的代码一起搬。

这是国产AI芯片软件生态的一次“成人礼”。它不意味着CUDA时代的终结，也不意味着昇腾从此高枕无忧——工具链的打磨、生态的补全、开发者习惯的迁移，都还需要时间。但它至少证明了一件事：只要有人愿意把主力业务真正压上来，并开放出来，国产芯片的软件生态就能以肉眼可见的速度走向成熟。

正如DeepSeek自己所说，希望TileLang昇腾版本作为开源工作，能对更多AI芯片建立高可用软件生态起到示范作用。如果这个示范成立，受益的将不止是DeepSeek和华为，而是整个想把AI基础设施握在自己手里的行业。这个国庆假期，国产算力的故事，翻开了新的一页。