DeepSeek 宣布开源面向华为昇腾平台的全套基础设施组件，涵盖编程语言 TileLang、计算库和分布式通信库，且与此前面向英伟达平台的开源组件一一对应。大模型研究里的新想法，最后都要落成芯片能执行的算子。算子开发越复杂，验证一个新结构、优化一次训练效率所花的时间就越长。TileLang 的定位是介于模型逻辑和芯片底层指令之间那层抽象：写起来比 CUDA 简单，又能尽量压到硬件性能上限。这条路先在英伟达平台上得到验证，如今已承载 DeepSeek V4 系列模型训练中大部分算子的实现；这次开源的昇腾版本封装了底层 Ascend C 指令，训练中用的每一个 TileLang 算子，在昇腾上都有对应的高性能实现。
这次放出的组件里，除了 TileLang 编译工具，还包括几个干具体活的库：DeepGEMM 加速通用矩阵运算，DeepEP 负责大规模跨设备通信，TileKernels 提供向量计算与访存算子，FlashMLA 是稀疏注意力算子，DeepSelect 做数据筛选。有一部分已经对齐了上层接口，比如 TileKernels 支持同一套 Python 接口在英伟达 GPU 和华为 NPU 上运行，底层实现按硬件自动选择。接口能复用，但性能还得逐项打磨，这也是这次「一一对应」的实际含义。这轮合作不是单向适配。双方共同推进了基于昇腾 950 的 128 卡超节点方案，并对计算与通信做了深度优化。据披露，方案采用全互联的 UBL128 组网，可实现 128 卡 3.2Tbps 单层交换的 Scale-up 网络，以及 256K 卡两层交换的 Scale-out 网络，支持超低时延推理和大规模基座模型训练。通信性能方面，DeepSeek 团队开发的 DeepEP 通信库实测 Dispatch 375GB/s、Combine 347GB/s，接近硬件上限。相关技术成果同步在华为 CANN 社区开源。把成熟的工具链跨平台移植，是国产算力生态里最难啃的一块。芯片性能可以靠工艺和时间追赶，但开发者手里那套工具和习惯一旦固定在某一家生态上，迁移成本会一直挂在那里。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；另有媒体引述称，梁文锋对昇腾 950 超节点的评价是「在性能和价格上完全可以平替英伟达的 GB200 和 GB300」。硬件差距是否真被追平，还要看长期实测，但工具链这一层的障碍，这次确实被往前推了一大步。对开发者来说，最直接的收益是同一套代码逻辑可以少改甚至不改地跑到另一种硬件上。生态能不能真正立起来，接下来要看有多少人去用这套昇腾版组件。
