DeepSeek 在官方公众号上发了一则短公告，字数不多，分量不轻。

公告说的是：他们把为昇腾平台准备的一整套基础设施组件正式开源了。消息一出，行业里的讨论立刻热了起来。这道题，正是国产算力这几年最难啃的一块。

先说题面是什么。高端 GPU 越来越难拿到之后，摆在面前的问题很直白：最先进的卡弄不到了，模型还训不训？DeepSeek 这次给出的是其中一部分答案。而这份答案的重点，并不止于「把英伟达的卡换成昇腾」这一步。他们同时在动手重建一件更难替换的东西：围绕硬件长出来的那套软件生态。这一层补齐了，国产芯片才真的顺手好用，也才谈得上训练前沿模型。

英伟达真正难学的，是芯片外面那一圈

英伟达在大模型训练上的优势，从来不只是 GPU 本身。围绕它长出来的整套软件生态，尤其是 CUDA，同样是关键。手里有了英伟达的卡，开发者就等于拿到一套成熟工具：写程序、调性能、把成千上万张卡拉在一起协同干活，全都有现成的路子。

「不积跬步，无以至千里。」这一圈东西是十几年一年一年垒起来的，哪家公司都不是砸一笔钱就能追上。

这也正是昇腾长期以来的难点。做出能用的硬件只算半道题，另外半道是软件好不好上手、开发者能不能把芯片的性能真正榨出来。

DeepSeek 补的正是这一层

这次开源的一批组件，覆盖的正是这一层，包括 TileLang，以及 DeepGEMM、DeepEP、FlashMLA、TileKernels、DeepSelect 等一组底座工具。

用大白话说：TileLang 是一门高层语言，让开发者更容易告诉芯片该干什么；DeepGEMM 负责大模型计算核心的矩阵运算；DeepEP 管训练时大量芯片之间的高速通信；TileKernels 提供数据处理常用的向量计算和访存算子；FlashMLA 提供稀疏注意力算子，专门对付长上下文；DeepSelect 负责高效的数据挑选。

DeepSeek 说，在多组关键测试里，这些组件的计算和通信性能都已经逼近昇腾硬件自身的极限。

这里面最有意思的是 TileLang。按 DeepSeek 的说法，训练 V4 系列模型用到的绝大多数算子，如今都是用 TileLang 写出来的；而他们训练中在用的每一个 TileLang 算子，在昇腾上眼下都有了对应的高性能实现。

昇腾版的 TileLang 把昇腾 C 的指令封装在下面，往上提供高层编程接口，同时不牺牲硬件性能。相比 CUDA，TileLang 的编程模型更简单，开发效率更高，代码逻辑也更清爽。他们还说，推出这版开源，也是想给更多 AI 芯片搭一套顺手的软件生态留个参考。

「他山之石，可以攻玉。」TileLang 最早是在英伟达的成熟平台上验证出来的，如今同一套路子被搬到了昇腾上。先在别处磨利的方法，回头用来打磨自家芯片，省掉的是最贵的那段时间。

想在模型和芯片之间垫一层隔板

DeepSeek 要干的事，是在模型和芯片之间垫一层抽象。同一套开发方式，既能架在英伟达的卡上，也能架在昇腾上。这条路要是走顺了，把 AI 负载从英伟达挪到国产硬件上的成本和难度，都会明显往下掉。

公告里还有第二个信号：DeepSeek 明确说了，这事不是他们一家做成的。华为的团队深度参与了开发。双方还在联合推进一个基于昇腾 950 的 128 卡超节点方案，同时对计算和芯片间通信做深度优化。

「问渠那得清如许，为有源头活水来。」对昇腾生态来说，这套工具就是一股活水：过去缺的那几块基础件，如今有人把样子做出来，还开源摆在了明面上。

所以，事情已经不只是「DeepSeek 支持华为芯片」这么简单。两家公司在啃的是一个更深的问题：国产的硬件和软件，怎么才能真正合在一起，稳稳当当地把前沿模型训出来。

原文链接：
https://www.geopolitechs.org/p/deepseek-builds-for-huawei-ascend