9月30日，DeepSeek宣佈開源面向華為昇騰的基礎設施元件，涵蓋TileLang算子程式語言及其編譯支援、計算庫和分佈式通訊庫，並強調：“所有元件與此前面向輝達平台的開源元件一一對應。”
DeepSeek正將支撐自家模型研發的核心工具和算子能力，系統地擴展到昇騰平台。雙方的合作，由模型適配進一步深入訓練與推理所依賴的基礎軟體。
官方還披露，DeepSeek與華為共同推進基於昇騰950的128卡超節點方案，並對計算與通訊進行深度最佳化。
01 讓核心研發工具有另一條硬體路線
這套開源裡，最關鍵的角色是TileLang。
大模型研究中的新想法，需要通過算子變成晶片能夠執行的計算。算子開發越複雜，研究者驗證新結構、最佳化訓練效率所需的時間就越長。DeepSeek對TileLang的期待，是讓開發者用更簡單的語言程式設計，同時保留充分利用晶片性能的能力。
按照DeepSeek的介紹，相較CUDA，TileLang能夠簡化程式碼邏輯、提高開發效率；相較其他同類高級語言，其程式設計模型能夠更充分地發揮晶片特性。這條路線先在輝達平台得到驗證，如今已承載V4系列模型訓練中大部分算子的實現，是DeepSeek開發高性能算子的核心工具。
此次昇騰版本封裝了底層Ascend C指令。DeepSeek稱，目前訓練中使用的每一個TileLang算子，在昇騰上都有對應的高性能實現。
這項進展的意義，是DeepSeek能夠將已經熟悉的研發工具延伸到另一種硬體上，減少為不同平台重複開發的負擔。昇騰獲得的支援，也更貼近模型團隊自身的訓練需求。
但程式設計工具只是其中一環，模型還需要高效執行具體計算，並在多張卡之間交換資料。
因此，此次開放的元件還包括加速矩陣運算的DeepGEMM、處理跨裝置通訊的DeepEP，以及覆蓋向量計算與訪存、稀疏注意力，以及用於注意力索引和採樣的Top-K選擇等操作的TileKernels、FlashMLA和DeepSelect。它們為常見任務提供可復用的實現，讓開發者不必逐項從頭最佳化。
“一一對應”也由此有了實際含義。部分項目已經對齊上層介面，例如TileKernels支援同一套Python介面在輝達GPU與華為NPU上運行，底層實現根據硬體選擇。
不過，介面能夠復用，性能仍需針對硬體打磨。DeepSeek在公告中感謝華為團隊給予“毫無保留的大力支援”，雙方圍繞128卡超節點共同最佳化計算與通訊，正是為了讓這些軟體能力在具體系統中發揮作用。
DeepSeek稱，多項關鍵測試用例的性能已接近硬體上限。這些成績仍屬於特定測試條件下的結果，但顯示雙方的工作已經進入性能深度最佳化階段。
此次進展之前，昇騰生態已圍繞DeepSeek模型開展多輪適配。
02 從推理服務，逐步進入模型研發
2025年8月，DeepSeek發佈V3.1時，解釋其UE8M0 FP8設計面向即將發佈的下一代中國國產晶片。雖然沒有點名華為，但這一表態說明，中國國產硬體需求已開始進入模型團隊的技術設計考量。
2025年9月29日，DeepSeek-V3.2-Exp發佈，引入稀疏注意力機制，並開放相關算子實現。同一天，TileLang-Ascend開源，圍繞昇騰建設高級語言開發能力的工作由此公開。
2026年4月24日，V4預覽版發佈，昇騰適配已延伸至推理和訓練側。開放原子開源基金會披露，相關實踐包括推理最佳化、Ascend C融合算子，以及訓練最佳化和續訓練；TileLang-Ascend也發佈了V4算子。
此次DeepSeek明確將適配範圍對齊自家訓練使用的TileLang算子，並將計算與通訊元件成套開放，同時披露了與華為圍繞昇騰950開展聯合最佳化的進展。
從已發佈模型的部署適配，到面向新結構的算子最佳化，再到此次基礎設施元件開放，昇騰對DeepSeek的支援正進一步深入模型研發所需的軟體層。
03 擴充算力，需要跨過軟體這一關
9月24日，騰訊科技報導，DeepSeek規模為500億元的第二輪融資已接近結束，但部分稽核仍在進行，具體落地時間尚不確定。路透社此前也報導，DeepSeek已聘請中信證券籌備潛在的科創板IPO，上市時間及募資規模尚未確定。
資金可以支援研發和基礎設施投入，但新增硬體能否轉化為有效算力，還取決於軟體適配與運行效率。
據The Information報導，梁文鋒在近期投資者會議上表示，DeepSeek將超過70%的算力用於模型訓練，留給推理的算力不足30%。這也解釋了，為訓練所依賴的核心工具增加硬體選擇，具有怎樣的現實份量。
對DeepSeek而言，昇騰上的工具與元件越完善，未來選擇算力平台時，需要重新投入的工程成本就可能越低。對華為而言，與模型團隊共同最佳化，有助於讓晶片軟體更快跟上模型結構變化，將適配經驗用於後續產品。
開源又使這種合作具備向外擴展的可能。DeepSeek表示，希望TileLang昇騰版本能為更多AI晶片建立高可用軟體生態起到示範作用。如果其他團隊可以復用這些工具，更多中國國產晶片承接前沿模型的門檻也有望降低。
從元件開源到穩定承擔大規模生產任務，仍有工作要做。DeepEP昇騰版還列有開發中的功能，此次公告也未披露V4已在昇騰上完成全流程大規模訓練，但可以看出DeepSeek正與華為一起完善一條能夠持續支援模型研發的硬體路線。 (騰訊科技)