据 DeepSeek 官方公众号及多家媒体报道，9 月 30 日 DeepSeek 正式开源了面向华为昇腾（Ascend）算力平台的基础设施组件，涵盖 TileLang 高级语言编译工具、计算库和分布式通信库。关键点在于：这批组件与此前 DeepSeek 面向英伟达平台的开源组件是一一对应的。

翻译成大白话：以前在英伟达上能用的那套东西，现在在昇腾上也能用了，而且是同一套。

技术本质：为什么"编译工具 + 库"比一个大模型更关键

很多人看 AI 新闻只盯着模型本身，但真正决定一块芯片好不好用的，是它上面的软件栈。英伟达之所以难被替代，很大一部分原因就是 CUDA 这个软件生态——开发者几十年的代码、库、经验都堆在上面。

这次 DeepSeek 开源的组件，恰恰就是往这一层去的。据 IT之家报道，具体包括：

• TileLang 昇腾版：一个高级语言/编译工具。相对英伟达的 CUDA，官方称 TileLang 编程更简单，能提高开发效率、简化代码逻辑；相对其它同类高级语言，它又能充分发挥芯片特性、逼近硬件性能上限。报道提到，本次昇腾版对昇腾 Ascend C 底层指令做了封装，提供高级语言编程方式，同时不损失硬件性能。
• • DeepGEMM：加速通用矩阵运算。
• • DeepEP：提供高效的大规模跨设备通信。
• • TileKernels：提供数据处理所需的常规向量计算和访存算子。
• • FlashMLA：提供稀疏注意力算子，提升长上下文处理效率。
• • DeepSelect：实现高效的数据筛选。
    报道还提到一个细节：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，并且在多项关键测试用例中，这些组件的计算与通信性能已接近硬件上限。

变了什么，没变什么

变了的是"可用性"。以前如果你想在昇腾上跑高性能 AI 训练/推理，很可能要自己啃 Ascend C 底层、手写算子，门槛不低。现在有了高级语言封装和现成的算子库，迁移和开发的心理成本、时间成本都会下降。

没变的是"硬件本身的差距"。软件栈补上，等于把芯片的潜力更充分地释放出来，但它不会凭空让硬件性能翻倍。有分析观点就提到，这类开源工具的一部分目的，正是在时间中逐步缩小性能差距——注意是"逐步"，不是"一步到位"。

还有一点值得注意：TileLang 的路线是先在最成熟的英伟达平台上验证，再移植到昇腾。据报道，它已承载 DeepSeek V4 系列模型训练中大部分算子的实现。也就是说，这不是纸上谈兵的适配，而是先在自家训练里跑过的东西再开源出来。

对普通开发者的实际影响

对绝大多数应用层开发者来说，这件事短期"体感"可能不明显——你写业务代码，不直接碰算子。但它的影响是间接而真实的：

1. 选购/部署国产算力时，软件配套不再是空白。你要评估"昇腾能不能接我的活"，现在可以拿这套开源库当起点，至少不用从零造轮子。
2. 2. 多平台可移植性在提升。同一套高级语言写的算子，有机会在英伟达和昇腾上复用，长期看能降低"绑死一个平台"的风险。
3. 3. 招人和技能栈会变。以前会写 CUDA 算子的人稀缺，以后可能变成"会写 TileLang 之类的跨平台算子"，技能要求会迁移。

怎么上手、有哪些坑

上手最快的路径就是直接拿源码，仓库地址是公开的（据 IT之家汇总）：

# TileLang 主项目
git clone https://github.com/tile-ai/tilelang

# 面向昇腾平台的组件
git clone https://github.com/deepseek-ai/DeepGEMM-Ascend
git clone https://github.com/deepseek-ai/DeepEP-Ascend
git clone https://github.com/deepseek-ai/TileKernels
git clone https://github.com/deepseek-ai/FlashMLA
git clone https://github.com/deepseek-ai/DeepSelect

下载完先别急着改代码，建议按这个顺序摸：

• 先看 issue 和 README 的适配说明。跨平台项目最容易踩的坑不是 API，而是"我这版固件/驱动/编译器对不上"。

• • 先跑官方给的测试用例。报道说这些组件在关键测试里能接近硬件上限，但那是在特定环境下测的；你换机器、换版本，结果可能差很远。
• • 注意"接近硬件上限"不等于"开箱即用"。性能上限往往是调优之后的样子，默认配置通常不是最优的。
    几个要提醒的点：

• 昇腾的软件版本（CANN 等）与这些库之间有兼容矩阵，版本错配是最常见的硬伤，动手前先对齐版本。

• • 这套东西偏向底层——算子、通信、注意力，不是"装完就能跑业务应用"的傻瓜包，需要一定的高性能计算基础。
• • 不要拿"一一对应"理解成"完全等价"。接口和形态对应，不代表性能和成熟度完全对齐，实测为准。

收尾

这次开源的意义，不在于某个库本身有多炫，而在于：国产算力生态正在从"能用"往"好用、好迁移"上补课。 这条路走得慢，但每一步都是实打实的工程活。

你觉得对国内开发团队来说，换平台的真正障碍是硬件、软件，还是"迁移成本"？评论区聊聊。