DeepSeek 昇騰版軟體堆疊上線：實測數字不能直接拿來對比 NVIDIA

DeepSeek 於 2026 年 9 月 30 日開源六項面向華為昇騰平台的基礎元件，涵蓋核心程式編寫、運算、注意力、資料篩選及跨裝置通訊。這些軟體為在昇騰硬體上執行 AI 工作負載提供了工具，但目前資料不足以證明其效能可與 NVIDIA 平台直接相比，也沒有確認 DeepSeek 已在昇騰上完成 V4 大規模訓練。25

這次開源了哪些元件？

新版本的元件與 DeepSeek 先前面向 NVIDIA 平台的軟體各有對應，但昇騰版仍採用針對昇騰硬體設計的實作方式。25

• TileLang：高階核心程式設計與編譯工具，讓開發者能為華為硬體編寫運算核心；這不代表昇騰與 NVIDIA 上的核心程式完全相同。25
• DeepGEMM：矩陣乘法函式庫。昇騰移植版維持 DeepGEMM API 相容，支援 BF16、FP8、FP4 運算，以及 MQA logits 和 MegaMoE；專案提到的昇騰專屬最佳化包括稀疏資料載入及以 coroutine 為基礎的流水線處理。17
• TileKernels 提供通用核心；FlashMLA 提供適用於昇騰 950 的稀疏注意力 prefill 與解碼核心；DeepSelect 則負責資料選擇或篩選。91444
• DeepEP 負責分散式通訊，包括專家平行（expert parallel）的 dispatch 與 combine。其公開 buffer API 與 NVIDIA 版對齊，但昇騰實作使用昇騰專屬的軟硬體介面。19

元件名稱或 API 對應，對開發者移植程式有幫助；但這不等於兩個平台的底層實作相同、功能完全一致，或執行速度相當。

昇騰 950 的測試數字代表什麼？

一項 DeepEP 昇騰測試報告指出，dispatch 通訊速度為 375 GB/s，combine 為 347 GB/s。這些數字描述的是昇騰平台上的通訊表現，並非與 NVIDIA 系統進行的直接對照測試。1947

另一組報告中的離線推理測試，使用昇騰 950 UBL128 系統、EP32 部署策略及 128K context，測試模型為 DeepSeek-V4.1-Flash。報告稱，在每個輸出 token 耗時（TPOT）設定為 5 ms 時，單卡輸出速度為 每秒 2,469 tokens；TPOT 設為 10 ms 時，則為 每秒 5,102 tokens。這些數字未計入服務調度與框架負載平衡開銷。47

這是特定設定下的結果，不能直接視為各種工作負載都能達到的吞吐量。DeepEP 專案說明，其測試採用手動設定的概念驗證（PoC）硬體開發套件；另一份報導也提到，測試使用 PoC 韌體，並指出商用版本預計約於 10 月 15 日推出。因此，韌體版本與測試環境都是理解或重現數據時的重要條件。1219

現有報導未提供足夠細節，讓外界能獨立重現所有推理測試設定，也沒有呈現大規模、獨立第三方驗證。這些數字因此不應被解讀為已經與 NVIDIA 系統完成驗證的效能比較。47

華為披露的 SuperPoD Flex 與 UBL128 設計

華為與 DeepSeek 說明，雙方共同定義了以昇騰 950 為基礎的 SuperPoD Flex／UBL128 設計。報導所述的 scale-up 配置為 128 張卡、3.2 Tbps 單層網路；兩層 scale-out 設計則宣稱可擴展至 256,000 張卡。這是架構所述的擴展能力，不代表已有如此規模的系統實際執行 DeepSeek 訓練任務。104749

華為也表示，雙方的合作成果將透過 CANN 社群分享。報導提及的內容包括模型部署、大規模訓練、長文本 KV cache 池化，以及 Agentic RL（代理式強化學習）。14

哪些事仍未獲證實？

這次發布擴充了昇騰平台的軟體工具；公開的推理結果也展示了一組特定離線測試設定。但元件彼此對應，或網路設計宣稱可擴展到大規模集群，都不能證明 DeepSeek 已在昇騰上完成 V4 大規模訓練。現有基準數據也沒有證明昇騰效能等同 NVIDIA：測試使用不同硬體，報導並未提供平台間條件相同的對照結果。251947

目前較穩妥的解讀是：DeepSeek 已發布有實際用途的昇騰軟體元件，華為也披露了系統架構與部分測試數據。這些成果能否延伸到其他工作負載，以及在控制條件一致的測試中與 NVIDIA 系統相比如何，仍有待驗證。