DeepSeek给昇腾开源了"六件套"：算子层第一次有了CUDA对位物，现在要不要上手？

国庆前后，AI Infra 圈最值得看的事件不是发了什么模型，而是 GitHub 上安静挂出来的六个仓库。

2026 年 9 月 30 日，DeepSeek 官宣开源面向华为昇腾算力平台的基础设施组件：TileLang 昇腾后端、DeepGEMM-Ascend、DeepEP-Ascend、TileKernels、FlashMLA、DeepSelect。官方的表述相当硬——每个组件都与此前面向英伟达平台开源的库"一一对应"。知乎界面新闻36氪

社区反应立刻撕裂。知乎相关问题几天内浏览超 400 万、赞 191 的长评在争"历史性机遇"；B 站快讯视频 2000 多赞、450 多条评论在吵"CUDA 是不是完蛋了"；也有媒体把这轮叙事和手机芯片麒麟 9050 缝在一起，做成了"反攻辉达护城河"的头条。哔哩哔哩

热闹归热闹，作为真要动键盘的人，你需要的是把三层信息拆开：这六个件各自对位什么、CUDA 的墙到底被动了哪一块、以及你自己今年要不要上手。这篇替你按仓库和公开口径把这三件事捋一遍。

一、六件套对照表：对位发生在"写 kernel"这一层，不是"调库"那一层

先把六个仓库是干什么的摊开：

注意这个"一一对应"发生在哪一层：kernel 源码层。过去几年"某某模型适配了昇腾"的新闻不少，但"适配"是让模型跑起来，这次是把训练 DeepSeek 自己验证过的算子实现连源码一起放出来——后来者可以站在它肩膀上改，而不是从零重趟雷。TileLang 本身是北大、帝国理工、微软研究院联合开源的项目，论文拿了 ICLR 2026 Oral；按论文口径，FlashAttention 的 TileLang 实现约 80 行 Python，性能达到手写 CUDA 的 95% 以上。DeepSeek 官方声明，训练中使用的全部 TileLang 算子已在昇腾 950 上达到高性能实现，计算与通信性能"接近硬件上限"——这句是厂商自述口径，后文会泼冷水。知乎知乎

二、把"CUDA 护城河"拆成三层，这次只动了最难啃的一层，墙最厚的那层还很厚

很多争论源于把"生态"当一块铁板。拆开看：

• 应用/框架层：torch.matmul、.cuda()、cuBLAS/cuDNN 的二进制调用。这层今年一直在塌：TorchNPU 成了首个登上 PyTorch 官网的中国芯片后端，Triton Ascend 被 Triton 官方社区接纳，本月同周还出现了 TorchTPU、TorchNeuron 这类"改一行换芯片"的开源。这一层迁移成本确实被砍掉了大半。

• Kernel 层：手写调优的算子、通信库。这是此前真正"在墙上"的一块，六件套动的就是这块砖。

• 生态习惯层：教程、问答帖、Stack Overflow 高赞、招聘 JD、"新算法第一版永远 CUDA 优先"的循环。这层几乎没被动。

量级对比要直接摆：按英伟达 FY2025 财报口径，全球已有超 590 万开发者在用 CUDA 及其工具链。 DeepSeek 工程师徐瑞帆的原话比双方营销号冷静得多——CUDA 生态并不是护城河，会写 CUDA 的人转 Ascend C 也不难，用的人多了，软硬件一起迭代，后来者才有机会追赶。 前半句是士气，后半句才是工作量。知乎新浪微博

CANN 侧 2025 年底完成开源、昇腾 950 系列"上市即开源"，9 月中旬公开数据是社区月活开发者 6230 名、代码仓下载超 6000 万次，CANN 算子库约 1500+。 中间隔着三个数量级的用户惯性和一整层长尾算子。知乎

三、真正难的不是接口，是并行心智模型：昇腾不是一颗"慢一点的 GPU"

为什么开发者普遍觉得国产卡"难用"？不是 API 难背，是硬件把 GPU 替你自动做的事，交给了软件显式做。 按社区对 tilelang 仓库 Ascend 950 后端源码的梳理（src/ascend/、tilelang/ascend/）：知乎

• GPU 是同构 SIMT：一堆 warp 靠人海隐藏延迟，L1/L2 隐式缓存，shared memory 统一一块，数据布局全程 ND 行主序。

• 昇腾是 Cube+Vector 异构双核加指令 PIPE 异步队列：UB 248KB、L1 512KB、L0A/L0B 各 64KB、L0C 256KB 多级存储，Cube 链路私有；手排流水要同时决定"用哪个引擎搬、ND 转成 16×16 分形（NZ）什么布局、由哪种核访问"，软件流水是必修基础设施，不是热点可选优化。

裸写 Ascend C 比 CUDA 难，难的性质就在这。而 TileLang 的价值也恰好打在这：后端把一多半代码砸在自动调度上（光 insert_sync.cc 就 2572 行、estimate_latency.cc 2275 行），用 T.copy、T.gemm 描述"数据放哪层、从哪搬到哪"，引擎选择、布局转换、流水编排交给编译器。社区梳理的原话口径是：人来排（裸 Ascend C）比 GPU 难，编译器来排（TileLang）就和 GPU 差不多。 这才是六件套值得押注的原因——它押的不是"多了一套库"，而是"算子从厂商私产变成可移植资产"这个路线。知乎

四、冷水部分：三件事没被一次开源补上

1. "接近硬件上限"暂无第三方复现。 目前所有性能数字都来自 DeepSeek 自己的口径，没有公开同口径（同模型、同精度、同 workload）的 H100/GB300 对照复现。做集群采购决策前，这一条必须等。

2. 训练侧的验证还没发生。 训练是最难啃的骨头，英伟达在训练侧的份额长期超过九成，前沿库几乎全是 CUDA 优先。 国产生态真正站稳的标志，不是推理跑通，而是下一次前沿大模型预训练由谁的芯片扛下来。DeepSeek 与智谱均已声明将在下半年大规模使用昇腾 950 超节点。 硬件侧，昇腾 950DT 千卡超节点已落地中国移动北京节点，单节点 1024 卡算力达 1EFLOPS（FP8）、支持 256TB 统一内存编址。 这会是最近的一次真刀真枪验证。知乎知乎界面新闻

3. 供货与周期。 社区 9 月初即有讨论称 950DT 刚陆续发货、供货紧张，DeepSeek 当时都还没拿到超节点；个人和小团队现在排队大概率排在采购单后面。知乎

五、噪声过滤：这轮传播里，哪些不是同一件事

• 麒麟 9050/9050Pro：是手机 SoC 的逻辑折叠工艺，和数据中心的昇腾 950 超节点不是一条产品线，被多家视频缝进"反攻 CUDA"叙事属于张冠李戴。哔哩哔哩

• “超节点算力反超 60%、代价 5 倍功耗”：B 站这类标题视频评论区 115 条吵成一片，但口径基本都是纸面聚合数字混比（集群对单卡、FP4 对 FP8），没有标准化 benchmark 支撑，别当结论用。哔哩哔哩

• DeepInfer 的硬件支持范围：10 月 20 日开源的推理引擎，社区对"支持英伟达+昇腾"还是"仅支持昇腾 950"口径不一致，README 为准，别信二手转述。36氪

• “CUDA 护城河是假命题”：更早的微博技术讨论其实说得很具体：ROCm/HIP 接口和 CUDA 几乎一样、人工移植也不算难，只是慢一点，而 CUDA 的真正护城河不在上层 API，而在 PTX 中间表示、工具链和十几年沉淀的库。 被简化成"CUDA 完蛋了"属于断章。新浪微博

超节点这条线同样需要把口径分清。今年 10 月 12 日开幕的工博会上，国产 GPU 厂商不约而同把展台主角换成了整机柜：沐曦摆出单柜 64 卡全互联的曦景 S600，燧原展出云燧 ESL64-O，天数智芯把 144 颗 GPU 集成进一台机柜。方向是真热，但"单柜多少卡"和"跑你的模型时卡间利用率多少"是两回事，纸面聚合数字替不了同口径压测。36氪

六、分人群决策卡：今年该不该上手

• 手写 CUDA kernel / 算子优化方向：现在就上手，成本最低收益最高。不用买昇腾卡——TileLang 在你自己的 N 卡上就能编译 CUDA 后端，拿你最熟的 1~2 个 kernel 用 TileLang 重写，验证"80 行 FlashAttention 达到手写 CUDA 95%+"在你场景下是否成立。成立，你的 kernel 就从"绑死一家"变成可移植资产。

• 推理部署工程师：小流量试。挑生态适配列表（90+ 项目）里你栈上现成的框架，用云上昇腾实例跑一遍自家模型的离线推理，重点盯首 token 延迟和吞吐衰减曲线，别在没第三方复现前承诺线上切换。

• 准备买/租国产算力的团队：两个"一一对应"和"接近硬件上限"都别全信。等两样东西：第三方同口径复现数据，以及 DeepSeek/智谱下半年超节点大规模使用的实际结果。

• CUDA/HPC 学习者：主线继续 CUDA，副线加一门 tile 级 DSL（TileLang 或 Triton）。面试和实际工作里吃香的是"跨后端心智模型"，不是背第二套 API。

七、下一步盯什么

1. 六件套是否出现同模型同精度的第三方基准复现；

2. 下一次前沿模型预训练是否真正跑在 128/1024 卡超节点上；

3. CANN 月活（当前 6230）和华为之外贡献占比的增长曲线；

4. TileLang 新增后端的接入文档与社区第三方后端出现速度；

5. 昇腾 950 租赁市场的供给与价格是否企稳。

护城河的真正定义不是"写了多少代码"，而是"还有多少人默认在它上面写代码"。这次六件套的意义，是国产阵营第一次把 kernel 层的"默认选项"从空白写成了对位物——但写出来不等于长出来。生态只能一行一行长，墙真拆没拆，不看今天的掌声和檄文，看明年此时新算法的第一版发布在谁上面。