9月30日，DeepSeek正式开源面向华为昇腾算力平台的基础设施组件，包含TileLang高级语言编译工具、高性能计算库与分布式通信库，整套组件与此前面向英伟达平台发布的工具链一一对应。这套开源底座，可在昇腾950液冷超节点Atlas 950 SuperPoD/Flex、风冷超节点Atlas 850/850E上充分释放硬件能力，挖掘超节点架构的极致性能，为国产AI算力生态补上底层算子开发与分布式训练的关键一环。

长期以来，国产AI芯片发展面临一个核心痛点：硬件算力指标持续突破，但配套底层软件栈成熟度不足。很多场景下芯片硬件性能很强，却因算子、编译、分布式通信等基础组件缺失，难以跑通前沿大模型，硬件潜力无法兑现。昇腾平台虽然拥有CANN基础软件栈，但面向MoE大模型、长文本推理等前沿场景，仍然需要模型厂商深度定制高性能算子库。DeepSeek本次开源，正是从模型训练的底层视角，构建一套可复用、可迁移的昇腾开发工具链。

本次开源核心由六大项目构成：TileLang、DeepGEMM-Ascend、DeepEP-Ascend、TileKernels、FlashMLA、DeepSelect。其中TileLang是整套体系的核心编译层，对标CUDA编程模型。TileLang昇腾版本对Ascend C底层指令做封装，提供高级语言编程能力，在不损失硬件性能的前提下降低算子开发门槛。这套编译工具已经在英伟达平台完成验证，支撑DeepSeek V4系列模型训练绝大多数算子开发，是其探索AGI的核心工具。如今新增昇腾后端，同一套上层API可同时适配GPU与昇腾NPU，大幅降低跨平台迁移成本。

配套计算与通信库，则聚焦大模型训练与推理中的高频瓶颈。DeepGEMM负责通用矩阵运算，是大模型最基础的算力引擎；DeepEP面向MoE专家模型，实现大规模专家并行通信优化；TileKernels提供基础向量计算与访存算子；FlashMLA优化稀疏注意力，解决长上下文场景下显存带宽瓶颈；DeepSelect则承担TopK数据筛选任务。整套组件覆盖从算子编写、矩阵计算、注意力加速到跨卡通信的完整链路，开发者可以直接复用开源组件，也能基于TileLang自主开发定制内核，适配不同模型场景。

在硬件适配层面，DeepSeek与华为联合完成昇腾950 128卡超节点的计算与通信协同调优。昇腾Atlas 950 SuperPoD液冷超节点依托UB高速互联，实现超大带宽、统一内存编址，适合万亿参数大模型训练；Atlas 850/850E风冷超节点，适配传统机房环境，门槛更低，面向模型微调、推理等场景。这套开源组件针对两类超节点架构深度优化，充分发挥超节点内高速互联优势，缓解分布式训练中的通信墙问题，让昇腾超节点集群的算力利用率显著提升。对于企业而言，风冷机型无需改造机房，借助这套软件栈即可快速搭建大模型微调与推理集群，降低国产算力落地门槛。

从生态角度看，本次开源最大价值，是打通前沿大模型原生适配国产算力的路径。过去国产芯片适配大模型，大多是模型发布后做二次移植，容易出现性能损耗、功能缺失。而DeepSeek从模型设计阶段就与昇腾协同，这套基础设施组件沉淀了大模型研发一线的调优经验，全部对外开源，社区开发者、企业团队都可以直接使用、二次修改。统一的上层接口，也让开发者可以在英伟达平台完成算法原型验证，再平滑迁移至昇腾集群，大幅降低国产算力的试错成本。

国产算力生态的成熟，从来不是单一芯片厂商的孤军奋战，需要模型企业、编译器、算子库、集群系统多方共建。DeepSeek这套昇腾基础设施组件开源，意味着国内拥有了一套由大模型公司主导、面向前沿模型训练场景的完整底层工具链，不再完全依赖芯片厂商提供基础算子。它降低了昇腾平台开发高性能大模型的门槛，丰富昇腾社区开源资产，为更多国产大模型在昇腾超节点上高效运行奠定基础。

展望未来，随着更多开发者基于TileLang开发昇腾算子，持续迭代DeepGEMM、DeepEP等组件，昇腾算力软件生态会持续完善。软硬件深度协同的模式，也将进一步释放Atlas 950、Atlas 850系列超节点价值，助力国产算力承载更大规模的大模型训练与推理任务，推动国内AI基础设施自主化进程。

附DeepSeek开源项目链接

DeepGEMM Ascend：

https://github.com/deepseek-ai/DeepGEMM-Ascend

TileKernels：

https://github.com/deepseek-ai/TileKernels

FlashMLA：

https://github.com/deepseek-ai/FlashMLA

DeepSelect：

https://github.com/deepseek-ai/DeepSelect

TileLang：

https://github.com/tile-ai/tilelang