DeepSeek的昇腾AI工具链：有哪些组件，测试成绩说明了什么？

DeepSeek于2026年9月30日开源了面向华为昇腾平台的六项基础设施组件，覆盖算子编程、计算、注意力、数据筛选和分布式通信。它们为在昇腾硬件上运行AI工作负载提供了软件基础；但现有资料没有给出与英伟达平台同条件的性能对比，也没有证实DeepSeek已在昇腾上完成V4全规模训练。25

这次开源了什么？

这些组件在功能上对应DeepSeek此前面向英伟达平台的软件，但对应关系不代表两套实现内部完全相同，也不意味着功能和速度已经全面一致。25

• TileLang：用于编写和编译计算内核的高层工具。昇腾版本让开发者能够为华为硬件开发内核，但这不表示内核与英伟达版本完全相同。25
• DeepGEMM：矩阵乘法库。昇腾移植版保持DeepGEMM API兼容，并支持BF16、FP8和FP4运算，以及MQA logits和MegaMoE；项目还介绍了稀疏数据加载、基于协程的流水线等昇腾专用优化。17
• TileKernels：提供通用计算内核；FlashMLA：为昇腾950提供稀疏注意力的预填充和解码内核；DeepSelect：负责数据选择或筛选。91444
• DeepEP：处理分布式通信，包括专家并行中的dispatch（分发）和combine（合并）操作。它的公开缓冲区API与英伟达版本对齐，但昇腾实现采用昇腾专用的软件和硬件接口。19

对开发者来说，接口或组件对应有助于理解和迁移；但它本身并不能证明两种平台的底层实现、功能覆盖或运行速度相同。

昇腾950的测试数据：能说明什么？

一项公布的DeepEP昇腾测试显示，dispatch带宽为375 GB/s，combine带宽为347 GB/s。这组数字反映的是昇腾侧通信性能，不是与英伟达硬件进行的直接对比。1947

另有一组DeepSeek-V4.1-Flash离线推理数据，测试环境为昇腾950 UBL128系统，采用EP32部署策略和128K上下文。在每个输出token时间（TPOT）设为5毫秒时，报告的单卡输出吞吐为每秒2469个token；TPOT设为10毫秒时，则为每秒5102个token。这些数字不包括服务调度和框架负载均衡开销。47

这些是特定配置下的结果，不应视为所有工作负载都能达到的通用吞吐保证。DeepEP代码库说明，相关测量使用了手动配置的概念验证（PoC）硬件开发套件；另有报道指出，测试使用PoC固件，并提到商业版本当时计划于10月15日前后推出。因此，固件和测试环境都是理解或复现这些结果时需要考虑的因素。1219

现有报道没有提供足以独立复现所有推理设置的完整细节，也没有显示大规模、独立的第三方验证。因此，这些数据不能当作已经核实的昇腾与英伟达性能对照。47

SuperPoD Flex与UBL128：公布的是组网设计

华为与DeepSeek介绍了共同定义的昇腾950 SuperPoD Flex／UBL128设计。相关报道将其扩展配置描述为：128卡、3.2 Tbps单层交换的Scale-up网络，以及目标可扩展至256,000卡的两层Scale-out网络。后者是所披露的设计能力，并不代表已有这么大规模的系统运行过DeepSeek训练任务。104749

华为还表示，双方的联合成果将通过CANN社区共享。相关内容据报道涵盖模型部署、大规模训练、长上下文KV缓存池化，以及智能体强化学习（Agentic RL）等实践。14

目前仍不能下的结论

这次开源表明，DeepSeek已发布一套更完整的昇腾软件组件；披露的推理测试也展示了一种具体的离线部署配置。但组件对应关系和网络扩展设计，都不能证明DeepSeek已在昇腾上完成V4全规模训练。现有基准数据同样不能证明昇腾达到英伟达同等性能：测试使用了不同硬件，公开资料也没有提供两边条件匹配的对照测试。251947

较稳妥的判断是：DeepSeek公布了有实际用途的昇腾软件组件，华为也披露了系统架构和部分测试数据。至于这些成绩能否推广到其他工作负载，以及在受控测试中能否与英伟达平台相提并论，目前仍有待验证。