DeepSeek 开源昇腾基础组件：TileLang 对标 CUDA，DeepEP 实测 375 GB/s

路透社 9 月 30 日从香港发出一篇五段的短稿，署名 Che Pan 与 Farah Master：中国 AI 公司 DeepSeek 周三表示，已与华为技术合作，为华为的昇腾（Ascend）芯片开发编程工具，这是中国科技公司在寻找英伟达生态替代品的过程中加深彼此关系的又一迹象。1

稿子里唯一的信源是 DeepSeek 自己：这家公司在官方微信公众号发帖，宣布开源面向昇腾平台的基础设施，其中包括一门叫 TileLang 的高级编程语言，以及相关的计算库与通信库。1

这批组件值不值得当回事，要看它落到仓库、接口和 benchmark 上是什么样子；它又是否改变「DeepSeek 训练仍依赖英伟达」这条已经持续了大半年的判断，则要把过去几个月几家媒体的记录摆在一起才看得清。

第一段是导语：中国 AI 公司 DeepSeek 周三表示，已与华为技术合作，为华为的昇腾芯片开发编程工具；这是中国科技公司在寻求英伟达生态替代品的过程中，彼此加深关系的又一迹象。1

第二段给出消息来源：DeepSeek 在官方微信公众号的一则帖子里说，公司正在开源面向昇腾平台的基础设施，包括一门名为 TileLang 的高级编程语言，以及相关的计算库与通信库。1

第三、第四段照录了 DeepSeek 帖中的两句原话。第一句是：

译：要建立新一代自主可控的 GPU 软件生态，第一要紧的事，是先建立一门通用的、编程简单的、同时仍能达到硬件完整性能上限的高级语言。1

第二句是「TileLang was created precisely to meet this need」——TileLang 正是为这个需要而生。稿子接着写，DeepSeek 称 TileLang 提供了比英伟达 CUDA「更简单的编程模型」（a simpler programming model），能提高开发效率、简化代码逻辑。1

第五段是稿末的编辑说明：「Rewrites, adds details from the post in paragraphs 2-4」——这条稿在原稿基础上改写，并在第 2 至第 4 段补入公众号帖的细节。1

路透社这条稿的全部事实，止于公告本身：信源只有 DeepSeek 的一则帖子，文中没有第二家信源，也没有对任何数字做核验。要判断这件事落在哪一层，得接着看公告原文，和它指向的仓库。

DeepSeek 的公众号帖在同一天上午发出，每日经济新闻、同花顺、凤凰网科技、网易智能等多家媒体在上午 10 点到 11 点之间逐字转载，各家的文字互相印证。2 帖子的自述分三块。

第一块是清单。公司正式开源面向华为昇腾算力平台的基础设施组件，涵盖 TileLang 高级语言编译工具、计算库、分布式通信库，所有组件与此前面向英伟达平台的开源组件一一对应。3

第二块讲 TileLang。昇腾版对 Ascend C 底层指令做封装，提供高级语言的编程方式，同时不损失硬件性能；目前 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。帖子还交代了这条路线的来处：TileLang 先在英伟达平台上得到验证，如今已承载 DeepSeek V4 系列模型训练中大部分算子的实现。3

第三块讲合作。公告说，在面向昇腾平台的研发过程中，「华为团队给予了毫无保留的大力支持」，双方共同推进基于昇腾 950 的 128 卡超节点方案，并共同对计算与通信做了深度优化。2

这份公告的自述边界很清楚：「接近硬件上限」「不损失硬件性能」这类判断出自项目方本身，测试口径也由项目方选定。后面几节会把公告里的说法、仓库里的代码与文档、以及仍在开发中的部分分开摆放。

公告里最实的一句是「一一对应」。把这次开源的六件东西与它们在英伟达那一侧的位置并排，就能看出这次补的是软件的哪一层。

后五件都是 DeepSeek 已经开源过、跑在英伟达卡上的自有项目，这次是同一批东西的昇腾版；只有 TileLang 站在语言层这一格。

接口对齐这件事，网易智能在报道里说了一句具体的：TileKernels 的更新说明写明，新增昇腾后端之后，同一组 Python 接口可以在英伟达 GPU 和华为 NPU 上使用，由程序在运行时自动选择后端。4

TileLang 是一个独立于 DeepSeek 的开源项目，仓库在 GitHub 上的 tile-ai/tilelang，文档站是 tilelang.com。仓库首页此刻写着 7.6k star、766 个 fork、1992 次提交。4

按仓库自己的说法，Tile Language 是一门语法接近 Python 的领域专用语言，用来简化高性能 GPU／CPU／NPU 内核的开发，比如 GEMM、Dequant GEMM、FlashAttention、LinearAttention；它的底层编译基础设施建在 TVM 之上。4

9 月 30 日当天，仓库的「最新动态」第一条就写：TileLang 现已正式支持华为昇腾 950 NPU，具备原生代码生成、自动调度与同步、SIMD／SIMT 向量编程等能力。4

这份昇腾后端文档本身也值得翻。它写明安装前提是昇腾的驱动与 CANN 工具链（含 bisheng 编译器、支持 CCE 的 ld.lld 与昇腾运行库），外加匹配的 PyTorch 与 torch_npu；昇腾 950 的默认架构代号是 dav-3510。文档还给了一张三栏对照表，把「你在 TileLang 里写什么」「可以直接跳过的 Ascend C 代码」「编译器替你做什么」逐类排开——缓冲区与数据搬运、切分与分块算子、SIMT 计算、SIMD 计算、调度与流水、同步，一共六类；同步那一栏写的是「无（照顺序往下写就行）」，编译器负责推断流水与 Cube／Vector 的依赖，并插入成对的 flag。5

文档的致谢段还列出了昇腾 950 后端最初的九位开发者，他们全部挂在 DeepSeek AI 名下，最后一句写着「也感谢华为团队的紧密协作与宝贵支持」。5

至于 TileLang 与 CUDA、Triton 的关系：DeepSeek 在公告里挑的比较对象是 CUDA，落点在「更简单的编程模型」。同类的高级语言还有 OpenAI 的 Triton，海外社区在 V3.2 时期就注意到，DeepSeek 走的是 TileLang 这条路。2

同一天由腾讯新闻等转载的华为侧口径，比 DeepSeek 的公告更具体，也更偏工程。6

芯片与编程接口这一层：昇腾提供 Ascend C API，并依托 Ascend C 与 PTO ISA 底层指令体系，支持了 DeepSeek 的 TileLang 开源工作；昇腾生态两头都留了口子，资深开发者可以手工调优，也可以走 TileLang 这类高级语言的编译对接。6

网络这一层：华为向 DeepSeek 提供了联合定义的昇腾超节点 SuperPoD Flex 与 UBL128 组网方案，实现 128 卡 3.2Tbps 单层交换的 Scale-up 网络，以及 256K 卡两层交换的 Scale-out 网络。基于全互联的 UBL128 超节点，昇腾提供 ASC-COMM 自定义通信编程库；DeepSeek 这边的 DeepEP 覆盖 EP／CP／PP／FSDP 等模式，实测互联带宽为 Dispatch 375 GB/s、Combine 347 GB/s。6

软件这一层：为支持开发者基于昇腾 950 及超节点集群部署 DeepSeek 模型，华为把这次联合创新的成果回开进了 CANN 社区，内容包括大 EP 低延时推理部署、单卡／单机部署、大规模训练、超长文本 KV cache 池化与 Agentic RL；面向大规模推理，EP32 部署策略下、offline 推理模式里，DeepSeek-V4.1-Flash 不带框架的纯模型性能可做到 TPOT=5ms 时每卡输出 2469 tokens/s，TPOT=10ms 时每卡输出 5102 tokens/s。华为在同一段附了注：这组数字基于 offline 推理模式采集，不含 Serving 调度与框架负载均衡的影响，上下文长度 128K，Dspark 投机接受率 0.85。6 华为侧的说明末尾写了一句「开源参考实践和技术报告请访问 gitcode」。6

硬件这一侧的现状，华为自己在 9 月 17 日的全联接大会上给过：到那时为止，昇腾 910C 超节点已部署超过 1000 套，昇腾 950 超节点开始规模商用；CANN 已进入常态化的开源社区运作，外部开发者占比 61%、社区月活开发者突破 5200 名；昇腾覆盖包括 PyTorch、Triton、vLLM、veRL 在内的 90 多个三方社区，并成为首个可在 PyTorch 官网直接安装的中国算力平台。7 9 月 29 日，中国电信上海公司宣布全球首个昇腾 950DT 液冷 1024 卡超节点落户上海青浦云湖智算中心，这也是这次开源组件所面向的硬件形态之一。8

真正能拿来比较的，是 TileLang 昇腾后端文档里的那张性能图。它测的是昇腾 950DT，对照组是 Torch NPU，三组算子各四个形状，数据出自 TileLang 官方仓库的昇腾后端文档。5

这组数字的口径写在文档图下：GEMM 是 BF16 输入、FP32 输出；FP8 转换是 FP32 到 E4M3FN、group 128；GQA 反向是 BF16、batch 1、单 KV head、head dim 128，非因果，计时含 FP32 dQ 与最后的 BF16 cast。5

矩阵乘与 GQA 反向两组，TileLang 领先的幅度在两成以内；差距最大的是内存受限的 FP8 转换，从 402.8 GB/s 到 2316.4 GB/s，接近六倍。这组数字解释的是同一颗芯片换一套算子实现能跑成什么样，测的是软件层；芯片本身的算力上限由另一套参数决定。

FlashMLA 的项目文档另给了一组：在昇腾 950 上，处理输入上下文的预填充阶段，稀疏注意力算子最高达到硬件理论峰值的 95%；逐步生成内容的解码阶段最高 83%。这两项同样出自项目方公布的测试成绩。4

把公告、文档与代码注释对着看，边界也能列清楚。

DeepEP 的文档写明，一些集合通信操作尚在开发，部分接口还处于实验阶段；数据分发带宽达到物理带宽上限约 90%—95% 的那组成绩，覆盖范围是专家并行规模不超过 32 的测试，更大规模的数据分发以及结果汇合操作仍在优化。4

这组性能测试用的是华为提供的概念验证版硬件开发套件（PoC HDK），并做了额外的手工配置，而该配置尚未公开分发；文档称后续的 Atlas 850E 商用 HDK 会包含达到完整带宽所需的配置。4

接入门槛也写在文档里：其他团队要用这套东西，仍需配齐相应的芯片、软件与固件环境，昇腾后端的编译前提是 CANN 工具链、bisheng 编译器与 torch_npu。5

换句话说，「接近硬件上限」这句话在部分算子上成立，且在项目方选定的测试条件与硬件配置下成立；它离「任何团队按文档装一遍就能得到同样的数字」还有一段距离。

半年多来，海外媒体对 DeepSeek 与国产芯片关系的记录分成了几层：芯片买不买得到、推理跑不跑得起来、训练落在谁家的卡上。

5 月 12 日，The Business Times 报道称，DeepSeek 曾表示最新模型可以用华为芯片做推理，而据两名未获授权公开发言的半导体业内信源，它的训练仍依赖英伟达芯片；报道还提到华为说计划今年发布一款训练芯片，并称产品要再花一年才能追上英伟达当时在售型号的性能。9

4 月 24 日，《财经》杂志在 V4 发布当天写道：可以确认的是 DeepSeek-V4 一定会支持华为昇腾 950 并用于推理，但它不一定基于昇腾 950 训练；DeepSeek 在价格栏的小字里说「受限于高端算力，目前 DeepSeek-V4-Pro 的服务吞吐十分有限，预计下半年昇腾 950 超节点批量上市后，Pro 的价格会大幅下调」。10

这次开源补上的，是软件栈这一格：它让「在昇腾上写算子」这件事可以从高级语言起手，让 DeepSeek 训练里用到的每一个 TileLang 算子都有了昇腾实现，也让两套平台的调用接口保持同形。训练是否真的搬到昇腾上，取决于昇腾 950DT 的交付节奏、集群规模与单位算力成本，这三件事都不在这一批库的能力范围内。10 华为在 9 月 17 日给出的排期是：面向训练的 960DT 比原计划提前三个季度、2027 年一季度就绪，970 与 980 分别排在 2028 与 2029 年。7