DeepSeek 联合华为开源 Ascend 六件套
2026年9月30日，DeepSeek正式宣布面向华为昇腾平台开源全套AI编程基础设施，推出与此前英伟达CUDA生态组件一一对应的Ascend六件套。这是国产AI算力生态的里程碑事件，直接打破英伟达CUDA生态的长期垄断，为大模型训练与推理提供完全自主可控的底层软件栈。
DeepSeek 自 4 月发布 V4 起转向华为硬件：华为称 Ascend 参与了 V4-Flash 的部分训练，且整条 Ascend 超节点产品线支持 DeepSeek-V4 模型家族。9/30 这次发布把合作从"模型适配"推进到"软件栈共建"。
一、六大核心组件详解http://AIDeepT↔Hink.cn
六件套覆盖从内核开发、矩阵计算、跨卡通信到注意力优化的全链路核心环节，其中5个组件采用MIT协议完全开源，仅DeepEP-Ascend暂未附带许可证文件。
| 组件名称 | 核心功能 | 实测性能表现 | 英伟达生态对标 |
|---|---|---|---|
| TileLang | 面向高性能AI内核的高级编程语言与编译系统，用类Python语法描述分块计算逻辑，自动完成存储规划、调度与同步，封装Ascend C底层能力 | 同一套源码无需重写，可直接编译运行在英伟达与昇腾芯片上，算子开发代码量从500行压缩至30行 | CUDA 编程体系 |
| DeepGEMM-Ascend | 通用矩阵乘法运算库，针对昇腾矩阵乘加原语深度优化 | 在昇腾950上跑出431 BF16 TFLOPS，达到芯片理论峰值432 TFLOPS的99.8% | cuBLAS |
| DeepEP-Ascend | 面向大模型MoE架构的分布式跨设备通信库，支持前向Token分发、专家输出汇总与反向梯度回传 | 已完成最高EP128规模的128卡超节点通信测试，对接华为原生通信设施 | NCCL |
| TileKernels | 向量计算与内存访存优化算子库，覆盖大模型训练全流程基础计算单元 | 所有DeepSeek训练中使用的TileLang算子，在昇腾上均有对应高性能实现 | 无直接对标，为DeepSeek自研基础算子集 |
| FlashMLA | 面向DeepSeek自研注意力架构的稀疏注意力算子 | 在昇腾950上稀疏注意力预填充内核最高达410 TFLOPS，达到硬件峰值的95% | FlashAttention |
| DeepSelect | Top-K选择与采样算子，优化大模型推理阶段的Token生成效率 | 大幅降低推理阶段数据筛选的算力开销 | 无直接对标，为DeepSeek自研采样优化组件 |
二、核心技术突破
1. 跨平台无缝迁移http://AIDeepT↔Hink.cn
所有组件与DeepSeek此前在英伟达平台验证的生产级工具链完全一一对应，开发者无需重写核心业务代码，仅切换编译目标即可将大模型从CUDA生态迁移至昇腾平台，迁移成本从"全量重写"降至"重新编译"。
2. 训练级能力全覆盖
开源代码不仅包含推理优化，还完整覆盖注意力反向梯度计算、专家通信反向流程等训练核心环节，直接支持大模型全周期预训练，而非仅适配推理场景。
3. 超节点协同能力落地
双方联合推进基于128片昇腾950芯片的超节点方案，通信库已完成EP128规模的概念验证，后续商用版本计划于2026年10月中旬正式交付。
三、产业与战略价值
1. 打破CUDA生态垄断
首次为国产算力提供经过万亿参数大模型实战验证的完整高级编程工具链，大幅降低昇腾平台高性能算子的开发门槛，缓解国产AI算力的"开发者人才荒"。
2. 构建算力自主闭环
配合DeepSeek计划部署的16万片昇腾950DT算力集群，这套开源软件栈将实现从硬件芯片、底层工具链到大模型训练的全链路自主可控，摆脱对英伟达生态的依赖。
3. 形成产业正反馈飞轮
工具链开源→更多大模型适配昇腾→昇腾芯片需求提升→量产规模扩大、成本下降，最终推动国产AI算力整体性价比大幅提升，DeepSeek也明确表示待昇腾950超节点量产后，旗下V4-Pro大模型API定价将大幅下调。
四、当前落地边界说明
- 本次开源仅覆盖DeepSeek自身大模型训练所需的核心算子集，并非完整替代CUDA全生态，无法自动运行任意第三方CUDA程序。http://AIDeepT↔Hink.cn
- 部分通信功能当前仍依赖非公开的概念验证版驱动固件，端到端全模型128卡长期预训练的收敛性、稳定性与故障恢复能力，仍待后续进一步验证。
- 华为CANN基础计算环境与DeepSeek开源组件并非替代关系，而是形成互补：华为提供通用硬件底座，DeepSeek贡献大模型真实工作负载的专用优化，双方共同完善昇腾软件生态。
五、Ascend六件套 vs 英伟达CUDA生态对比
| 对比维度 | DeepSeek Ascend六件套（昇腾950平台） | 英伟达CUDA对应组件（H100/GB200平台） | 核心差异说明 |
|---|---|---|---|
| 核心编程框架 | TileLang，类Python高级语法，封装Ascend C底层指令，算子开发代码量从500行压缩至30行，同一套源码可跨英伟达/昇腾双平台编译运行 | CUDA C/C++原生编程体系，生态成熟度极高，开发者基数庞大，底层硬件控制能力极强 | TileLang大幅降低算子开发门槛，跨平台迁移成本远低于CUDA，但生态工具链丰富度暂不及CUDA |
| 通用矩阵乘法性能 | DeepGEMM-Ascend在昇腾950上跑出431 BF16 TFLOPS，达到芯片理论峰值的99.8% | cuBLAS在H100上峰值约989 BF16 TFLOPS，在GB200上可达2000+ BF16 TFLOPS，性能利用率普遍在90%~95%区间 | 昇腾侧性能利用率反超CUDA，但单芯片绝对算力仍由英伟达旗舰芯片领先 |
| 分布式通信能力 | DeepEP-Ascend支持EP128规模128卡超节点通信，原生对接昇腾高速互联设施，MoE模型跨卡通信延迟大幅降低 | NCCL是行业事实标准，支持万卡级集群线性扩展，通信带宽与延迟经过多年大规模生产验证 | DeepEP已完成128卡概念验证，但万卡级超大规模集群的稳定性与扩展性仍待生产环境验证 |
| 稀疏注意力性能 | FlashMLA在昇腾950上稀疏注意力预填充内核最高达410 TFLOPS，达到硬件峰值的95% | FlashAttention-3在H100上稀疏注意力峰值约800 TFLOPS，在GB200上突破1600 TFLOPS | 昇腾侧硬件利用率接近英伟达旗舰水平，单卡绝对算力差距由芯片本身规格决定 |
| 基础算子覆盖度 | TileKernels覆盖MoE路由、FP8/FP4量化、RoPE等大模型训练全流程基础算子，所有DeepSeek内部训练用算子均已完成昇腾适配 | cuDNN、cuFFT等全系列官方算子库覆盖AI全场景，第三方生态算子数量远超国产平台 | 六件套完全覆盖大模型训练核心算子，但通用AI场景的算子丰富度仍远低于CUDA生态 |
| Top-K采样性能 | DeepSelect针对昇腾硬件架构深度优化，大幅降低推理阶段Token生成的筛选开销 | CUDA原生采样算子经过多年迭代，在各类采样场景下均有成熟优化实现 | DeepSelect在大模型推理专属场景下的针对性优化表现突出，通用采样场景适配范围略窄 |
| 生态迁移成本 | 同一套TileLang算子代码无需重写，仅切换编译目标即可从CUDA迁移至昇腾，迁移周期从数月压缩至数天 | 所有算子代码与硬件强绑定，跨芯片平台必须全量重写，迁移成本极高 | 这是六件套最核心的优势，打破CUDA生态的代码绑定壁垒 |
| 开源协议 | 5个组件采用MIT协议完全开源，无商业使用限制，仅DeepEP-Ascend暂未附带许可证文件 | CUDA核心组件闭源，仅开放开发者使用权限，商业使用受英伟达许可协议约束 | 全开源属性大幅降低国产AI厂商的软件授权成本，完全自主可控 |
- DeepSeek