9月30日上午，DeepSeek官宣开源面向华为昇腾算力平台的基础设施组件。当天知乎问题区刷屏的词是"中国CUDA"，彭博社的标题更直接——DeepSeek发布华为AI芯片工具，或将取代英伟达。但作为天天对着kernel算账的人，我做的第一件事不是站队，而是把官宣通稿、六个仓库的README和华为侧的性能口径对了一遍。结论只有一句：今天流传的两种说法都成立，而数字背后的条件，比数字本身更值得记。机器之心彭博社
一、今天到底发布了什么：六个组件，一一对应
按官宣，这次开源覆盖 TileLang（昇腾版编译工具）、DeepGEMM（矩阵运算）、DeepEP（跨设备通信）、TileKernels（向量计算与访存）、FlashMLA（稀疏注意力）、DeepSelect（数据筛选）——官方口径是与此前面向英伟达平台开源的组件"一一对应"。也就是说，DeepSeek在N卡上吃饭的那套算子层，理论上每一块都有了昇腾版本。
两条信息含金量最高：TileLang昇腾版对Ascend C底层指令做了封装，提供高级语言编程方式同时不损失硬件性能；官方称这条路线已经在英伟达平台验证过，承载了DeepSeek V4系列模型训练中大部分算子的实现——现在，它第一次被整体搬到非CUDA平台上。机器之心
华为侧同日在CANN社区开源双方围绕昇腾950及超节点的联合创新成果，覆盖模型部署、大规模训练、超长文本KV Cache池化与Agentic RL，并披露了DeepSeek-V4.1-Flash的部分离线推理性能数据。机器之心
二、三个关键数字，各自藏在什么条件下
社区里传播最广的是三个数字，但它们的测量环境完全不是一回事，我把口径逐条对了一遍：
99.8%：出自DeepGEMM-Ascend仓库的测试表，是在昇腾950DT、CANN 9.20环境下，特定矩阵形状的BF16稠密矩阵乘法达到对应硬件理论上限的比例。它成立，但只覆盖这一类算子、这组形状。工程师卓寿杰的提醒很到位：这个数字不能被偷换成"昇腾跑所有大模型都有99.8%利用率"，更不能推出"模型迁移已经没有难题"。知乎
375 GB/s / 347 GB/s：UBL128超节点方案下Dispatch/Combine的通信带宽，华为披露口径为"接近硬件上限"。注意DeepEP-Ascend仓库里那行容易被跳过的注释：测试数据采自提供给DeepSeek的PoC硬件开发套件，并经过额外人工配置，不是尚未公开的商用版本跑出来的成绩。商用机出来之前，这组数只能当上限参考。机器之心知乎
EP32推理数据：华为披露的DeepSeek-V4.1-Flash离线推理测试结果，条件包括ContextLength 128K、DSpark投机接受率0.85、允许更长TPOT换更高每卡吞吐——机器之心写得很清楚，这是不带Serving调度和框架负载均衡的纯模型Offline性能。它适合当复现模板，不适合直接当生产预期。机器之心
三、真正被移植的是什么：四层，通到哪、没通到哪
把这次事件拆开看，它其实是分四层落地的，每一层的成色不一样：
编程模型层（TileLang）：接近Python的高级算子语言，编译基础设施建立在TVM之上，9月30日宣布正式支持昇腾950后端。B站快讯视频评论区有个高赞纠偏很关键：“不算抛弃吧，TileLang是个通用的中间层，可以基于它适配多个计算框架，例如OpenCL、Metal、CUDA、Ascend C。”——这一层不是跟CUDA翻脸，是修了座桥。哔哩哔哩
算子层（DeepGEMM/TileKernels/FlashMLA/DeepSelect）：官方称"DeepSeek训练中用到的每一个TileLang算子，在昇腾上都有对应的高性能实现"。但边界也白纸黑字写着：TileKernels仓库列出的昇腾环境只有昇腾950 + CANN 9.2.0及以上，不是对所有昇腾芯片、所有软件版本的兼容承诺；FlashMLA仓库写明，部分融合算子和稠密注意力算子目前仍只支持CUDA。知乎
通信层（DeepEP）：覆盖EP、CP、PP、FSDP四种并行模式下的通信算子，华为同时开放了ASC-COMM自定义通信编程库。这是大模型集群最容易"单卡再快、整卡等通信"的环节，也是此前国产芯片最缺公开参照实现的一层。
实践层（CANN）：单卡到大规模部署的PyTorch原生预训练、低精度量化训练、LoRA微调、Agentic RL、超长文本KV Cache池化。知乎那个114收藏的高赞答案把意义说透了：“TileLang@Ascend可以被记录在历史中——就像Triton之于OpenAI，TileLang之于DeepSeek和北京大学，走出来一条不同于CUDA之于NV GPU的路线”。知乎
四、放回这90天的CUDA叙事里
过去90天，“填护城河"的新闻一茬接一茬：高通买走Mojo是厂商层的，AMD喊话是竞品层的，GPU编程分轨之争是开发者层的。而今天这个事件的差异化在于：第一次是一家前沿模型公司，把自己真实训练和推理栈的底层，成套搬上国产芯片并开源出来。彭博社"或将取代英伟达"的标题是外部视角的放大；仓库注释提醒我们，实际状态仍是"移植进行中”，不是"替代完成时"。
五、三类人分别怎么消化今天
CUDA算子/AI infra开发者：值得花一个周末读代码。同一套Python接口分别走NVIDIA和昇腾后端，是这类高级算子语言第一次被前沿模型的训练需求在双平台上验证；如果你已经在跟Triton，TileLang的编程模型是低迁移成本的外延。
推理部署工程师：EP32那组数不能直接搬到生产，但"离线纯模型+128K上下文+投机接受率0.85"的条件标注本身就是值得收藏的复现模板。近期在评估国产算力方案的，拿这套条件去要求供应商给同口径数字，而不是看通稿大数。
采购/预算决策者：迁移成本清单这次可以照着开源仓库列——950DT商用版本尚未发布（PoC成绩≠商用成绩）、CANN版本下限9.2.0、FlashMLA部分算子仍缺昇腾后端、文档完备度和报错响应能力待商用验证。用卓寿杰的原话收尾最诚实：“一条路修好了没有，不看剪彩那天有多热闹，要看后来的人敢不敢从这条路上过”。知乎
六、接下来盯什么
昇腾950DT商用版本的发布时间与供货节奏；
DeepGEMM/DeepEP仓库是否随商用硬件更新实测数据（PoC数字→商用数字的差值才是真账）；
FlashMLA稠密/融合算子的昇腾后端补齐进度；
是否有第三方团队按README复现出EP32推理数据；
CANN开源社区对外部PR和issue的接受度与响应速度。
今天的真实增量，不是"国产算力又能跑模型了"的新闻复读，而是一家前沿模型公司第一次把训练推理栈的底层整套摆上非CUDA平台、连哪里还不行都标注给你看。99.8%和"仍只支持CUDA"出现在同一批仓库里，这比任何单一数字都更接近国产算力栈该有的成熟姿势。
