老高AI观察 · 第18期｜2026 年 10 月 2 日
国庆假期第二天，AI 圈最硬的消息不是哪个模型又拿了第一，而是一家中国公司把最难的那一层开源了。
9 月 30 日，DeepSeek 官宣面向华为昇腾的开源基础设施组件，一共六个，覆盖编程语言、计算库和分布式通信，与它此前给英伟达做的那一套一一对应。
假期里这条消息没炸出多少水花，但分量和发一个新模型不是一个量级：模型榜单每周都在换名字，这次动的是榜单下面那一层——CUDA 的护城河从来不是芯片性能，是迁移成本。
六个组件，全对着英伟达开
据 DeepSeek 官方公告和它 同步放出的开源仓库，六个组件分别是 TileLang（编程语言）、DeepGEMM（矩阵运算）、DeepEP（跨设备通信）、TileKernels（向量与访存）、FlashMLA（稀疏注意力）、DeepSelect（数据筛选）。
关键在”一一对应”。以前国产卡要跑大模型，算子得一家一家手工重写；现在接口、用法甚至函数名，都对着英伟达那一套来。据 太平洋科技 9 月 30 日的报道，这是模型侧能力第一次往芯片底层延伸一整层。
DeepSeek 称训练用到的每个 TileLang 算子，在昇腾上都有高性能实现；同一天华为在 CANN 社区把联合成果开源，两家还联合调了 128 卡昇腾 950 超节点。
这一步埋了比看上去更久
这不是突然的开源。TileLang 最早出自北京大学团队，昇腾版 2025 年 9 月已开源过一次；DeepSeek 把它当主线工具用了一年，先在英伟达的卡上验证，再往昇腾上搬。
时机也有铺垫。有报道估算，昇腾 910C 的推理性能约为英伟达 H100 的六成，其中相当一部分是靠软件优化抠出来的。
把节点连起来：模型先证明能用国产卡跑，再把跑得动的软件交出来——剩下的就是让别家跟着搬。这跟第 13 期《美团新模型不再开源》是一条线；再往前《英伟达限制Claude》那期讲的是门被人从外面锁上，这次是有人在里面配了钥匙。
CUDA 真正贵的是迁移成本
很多人把英伟达的优势理解成”卡快”。卡确实快，但它最贵的是软的：据 AI Industry Today 这篇梳理，全球约 400 万开发者在写 CUDA 代码，十几年的库和教程堆在那里。从英伟达换走，付的不是硬件差价，是几个月的重写和调优。
这次开源针对的正是这一环：TileKernels 只维护一套 Python 接口，底层自动选英伟达还是华为；昇腾版 DeepGEMM 保持接口兼容；昇腾版 DeepEP 把通信接口对齐英伟达的写法。
把迁移从”重写一遍”改成”换个后端”，这才是它真正的价值。
面壁智能的 CANN 端侧模型走的是另一条路，把模型压小、适配华为软件栈——一个补训练侧工具链，一个补端侧模型适配。
从几个月重写，压到换个后端
性能绕不开。数字全部来自 DeepSeek 自测（CANN 9.20 环境）：昇腾版 DeepGEMM 在 950DT 的 BF16 稠密矩阵乘上打到硬件上限的 99.8％，FP8 约 99.5％；FlashMLA 预填充 410 TFLOPS、解码 360 TFLOPS。
通信那边，DeepEP 在 32 卡以内报出的带宽是物理上限的 90％ 到 95％；华为公布的离线测试是，EP32、128K 上下文下 V4.1-Flash 每张卡每秒能出 2,469 个 token。
这些数字怎么读？我的看法是：很大一部分是软件的问题——”国产卡跑不动”这个说法里，本来就有一块该由软件补。这条线都收在 老高AI观察 里。
这几种人要重新对口
普通用户可以先把心放回去。这套东西是给训练和部署的人用的，短期不会改变你手机上用哪个助手。真正的变化在两三年后——训练成本降下来，调用价格才有继续下探的空间。
做 AI 工具生意的人要重算一遍。以前评估一个模型看能力和价格，现在多一栏：迁过去我的代码要改多少行。多一个选项不意味着立刻换，但供应链上多一条腿，议价底气不一样。
华为这边也在补。站内收录的 openPangu 2.0 是华为开源的超长上下文模型与智能体平台——工具链和模型两头都在长，才叫生态。
若想先感受 DeepSeek 自家的入口，可参考 DeepSeek R1T2（DeepSeek 官方对话与 API 入口）。
这些规格还没人验过
这段说点不利的。第一，所有性能数字都是厂商自测。昇腾 950 还没有第三方大规模基准，同一个算子换个模型、换套并行策略，表现能差很远——自测成绩单只能当”上限存在”的证据。
第二，这套东西没让你离开厂商栈，只是换了一家。昇腾版 DeepGEMM 仍要华为硬件和 CANN，TileKernels 底下要么是 CUDA 要么是 CANN。
第三，硬件差距还在：高盛 9 月 29 日报告称，国产 AI 加速卡单位功耗算力只有进口芯片的 10％ 到 30％，拿到同样算力要多花 2 到 4 倍的钱。站内收录的 NVIDIA PAIR 是英伟达这一侧的工具。
还有一条大背景：工信部口径，到今年 7 月全国算力设施上架率只有 71.4％——建好的卡近三成还没投产。
接下来几步怎么走
对普通用户，最实用的是别急着站队。等第三方基准出来再判断——硬件竞争以年为单位，早半年晚半年没有影响。
对做产品的人，建议先小规模试：挑一个跟主流程耦合最松的模块搬到昇腾环境，量清楚改了多少行、性能掉了多少。站内收录的 JellyToken 这类聚合调用平台，就是做对照测试的入口。
对做内容的人，值得提前改评测维度：它能不能跑在国产算力上、能不能本地部署。
若想看这套逻辑往智能体延伸的样子，可参考 DeepSeek DSec（DeepSeek 公开的大规模智能体训练沙箱平台）。
这句我想留个记号
国产算力真正缺的从来不是卡，是让卡跑起来的那一层软件——这一次补的，就是这一层。
关于这套昇腾工具链，答三点
普通用户能用上这些组件吗？
短期不能。受益的是跑训练和部署的团队与云厂商，普通用户感受到的是后续调用价格变化。
用了它就得换掉英伟达的卡吗？
不用。同一套 Python 接口可在两个后端切换，迁移按需选择。
这些组件是 DeepSeek 从零写的吗？
不全是。TileLang 最早出自北京大学团队，昇腾版此前已开源过一次。
本文资料来源
- DeepSeek 官方开源公告与 GitHub 仓库（2026-09-30）：六个昇腾组件与自测性能数据
- 太平洋科技（2026-09-30）：组件构成与 128 卡昇腾 950 超节点方案
- AI Industry Today（2026-10-01）：达峰率与 CUDA 开发者规模
- Pandaily（2026-09-30）：SuperPoD Flex 组网与 V4.1-Flash 离线数据
- InstaDataNews（2026-10-01）：昇腾 910C 约 H100 六成推理性能
- 高盛《中国AI算力》报告（2026-09-29）：国产卡能效与资本支出差距
- 工业和信息化部（2026-07-20）：算力设施整体上架率 71.4％
我是老高，AI工具箱站长，每天盯着AI工具生态的变化。关心AI工具怎么真正用到生意里，而不只是看热闹——👉 加入AI工具箱免费社群
相关文章
浙公网安备33010202004812号