DeepSeek 把开源的手伸向了华为昇腾。这次不是模型权重，也不是小打小闹的算子补丁，而是一整套面向昇腾算力平台的基础设施组件。TileLang 编译工具、DeepGEMM、DeepEP、TileKernels、FlashMLA、DeepSelect 悉数在列。更关键的是，它们与 DeepSeek 此前在英伟达平台开源的组件一一对应。什么意思？DeepSeek 在把模型背后的算力底座，也变成开放的、可迁移的公共品。
昇腾版开源清单，不只是“能跑”
六个组件，各管一摊
先看名单。TileLang 是编译工具，负责把高层算子描述落到硬件上；DeepGEMM 是矩阵乘法库，FP8 训练和推理都绕不开；DeepEP 管专家并行通信，MoE 模型的命门；TileKernels 是一组内核实现；FlashMLA 针对 MLA 解码做加速；DeepSelect 则处理选择类操作。它们覆盖了从编译、通信到核心算子的关键路径。不是 demo，不是单个 kernel，而是一套组合拳。
这套组合拳的意义在于：昇腾上跑 DeepSeek 模型，不再需要每个团队从零填坑。过去国产芯片适配大模型，常常卡在“能跑但慢”“能推理但训不动”。DeepSeek 把自家在英伟达上打磨过的组件对应移植，等于把踩过的坑标了出来。开发者拿到的是经过验证的积木，而不是一堆散落的螺丝。
一一对应英伟达，意味着什么
“一一对应”四个字，比名单本身更值得琢磨。它说明 DeepSeek 的基础设施层没有和 CUDA 深度绑定，至少在设计上留了抽象层。TileLang 这类编译工具的存在，让算子可以用更统一的方式描述，再针对不同后端生成代码。英伟达版本是一套，昇腾版本是另一套，接口和功能对齐。
这对国产算力是强心针。华为昇腾的硬件能力不弱，但软件生态一直是短板。DeepSeek 把最缺的“中间层”开源出来，等于给昇腾补了一段高速公路。开发者不用再纠结底层指令、内存布局、通信原语，可以更专注模型和业务。当然，这不代表昇腾立刻追平英伟达，但至少路标清晰了。
TileLang 打头阵，编译层先松土
名单里最容易被低估的是 TileLang。它不像 DeepGEMM 那样直接决定矩阵乘速度，也不像 DeepEP 那样影响 MoE 通信效率。但编译工具是地基。没有好用的编译层，每个算子都要手写汇编级别的代码，移植成本高得吓人。TileLang 把 tile 级编程抽象出来，让开发者用更接近算法的方式写 kernel，再由编译器处理后端差异。
DeepSeek 把 TileLang 放在昇腾开源清单里，信号很明确：先解决“怎么写”，再解决“跑多快”。这比直接扔几个优化好的 kernel 更有长期价值。因为模型在变，算子在变，硬件也在变。只有编译层站稳了，后续的组件才能持续迭代，而不是每次换芯片就重写一遍。
为什么 DeepSeek 要这么干？
推理成本压力下的第二选择
DeepSeek 的模型以高性价比著称，但性价比不是靠魔法。推理成本里，硬件采购和能耗占大头。英伟达 GPU 好用，但贵，而且供应不稳定。华为昇腾作为国产替代，在特定场景下有成本优势。DeepSeek 主动适配昇腾，等于给自己留了一条后路。万一供应链再出幺蛾子，模型服务不至于断档。
更深一层，这是议价权的游戏。当你有两个可用的算力平台，采购时腰杆更硬。DeepSeek 开源昇腾组件，表面是技术贡献，实际是战略对冲。它不承诺只用昇腾，但证明了“我不是非你不可”。这种姿态，对英伟达和华为都是压力。
国产芯片最缺的不是算力，是软件
华为昇腾的纸面算力一直不差，某些指标甚至能对标英伟达。但开发者社区里，抱怨往往集中在软件栈：文档少、工具链不成熟、算子库不全、调试困难。大模型团队想迁移，先得养一个专门适配硬件的团队，成本高，周期长。DeepSeek 这次开源，直接往最痛的缺口上填。
六个组件里，DeepGEMM 和 FlashMLA 是性能关键，DeepEP 是分布式关键，TileLang 是开发效率关键。它们合在一起，把昇腾的软件短板补了一大块。当然，补丁不等于完美。华为自己的 CANN 生态也在演进，DeepSeek 的加入更像是外部顶尖团队的一次“共建”。这种共建，比单纯喊口号有用得多。
开源是最高效的生态杠杆
DeepSeek 选择开源，而不是闭源适配，原因不难猜。闭源意味着只有自己能用，生态做不大；开源则让所有基于昇腾的团队受益，反过来也会有人帮它修 bug、提优化。DeepSeek 不需要养一个庞大的昇腾适配团队，社区会替它分担。这是典型的杠杆效应：用一小段核心代码，撬动整个生态的投入。
而且开源还有一层信任价值。国产算力平台常被质疑“跑分好看，实战拉胯”。DeepSeek 作为头部模型公司，把自己的组件开源出来，等于用信誉背书。如果这些组件在昇腾上跑得稳，其他公司跟进时就少了一层顾虑。这种信任传递，比任何广告都有效。
昇腾接得住吗？
硬件参数之外，软件栈是硬仗
昇腾能不能接住这波开源，关键不在硬件。硬件是固定的，软件是活的。DeepSeek 的组件解决了一部分适配问题，但底层驱动、编译器、运行时还在华为手里。如果 CANN 的性能和稳定性跟不上，上层组件再优化也事倍功半。所以接下来要看华为怎么接招：是开放更多底层接口，还是加快工具链迭代？
另一个变量是社区反馈。开源组件最怕没人用。用的人越多，问题暴露越快，迭代越快。DeepSeek 的号召力能带来第一波用户，但留住他们要靠实际体验。如果昇腾版 DeepGEMM 比英伟达版慢太多，或者调试体验差，开发者还是会用脚投票。开源只是起点，不是终点。
DeepSeek 的“带路”效应
国内大模型公司里，DeepSeek 的技术影响力数一数二。它的一举一动，会被很多团队盯着。这次开源昇腾组件，等于给行业打了个样：原来国产芯片也可以这样适配。接下来可能会有更多公司跟进，把自己的推理框架、算子库往昇腾上搬。这种“带路”效应，比单个组件的价值大得多。
但也要冷静。DeepSeek 的模型架构特殊，MoE、MLA 这些设计对硬件有特定要求。它适配昇腾的经验，未必能直接复制到其他模型。不过底层组件是通用的，TileLang、DeepGEMM 这些工具可以服务更广的场景。只要底层通了，上层百花齐放只是时间问题。
开发者会跟着走吗？
开发者迁移平台，从来不是看情怀，而是看投入产出比。如果昇腾上的开发体验接近英伟达，成本又更低，自然会有人来。如果迁移成本高，性能还打折，开源再多组件也白搭。DeepSeek 的开源降低了门槛，但没消除门槛。华为需要继续在文档、社区、工具链上砸资源。
一个积极信号是，DeepSeek 的组件本身就是用相对通用的方式写的。TileLang 这类工具的存在，让开发者不用直接面对昇腾的底层细节。这种抽象层的价值，会随着时间推移越来越明显。当写 kernel 像写 Python 一样简单时，硬件差异就被屏蔽了大半。到那时，开发者选择平台的逻辑会变：谁便宜、谁稳定、谁生态好，就用谁。
这盘棋的下一步
模型与算力解耦成为趋势
DeepSeek 这次开源，最深远的影响可能是加速模型与算力的解耦。过去大模型和英伟达生态深度捆绑，模型架构、训练框架、推理引擎都围着 CUDA 转。现在头部玩家开始主动支持第二平台，相当于把“模型层”和“硬件层”之间的接口标准化。这对整个行业是好事。
解耦之后，模型公司可以更灵活地选择硬件，硬件公司也可以更专注地优化自家平台。竞争会从“生态锁定”转向“性能成本”。对国产芯片来说，这是难得的窗口期。只要软件栈能跟上，就有机会在增量市场里分一杯羹，而不是永远在英伟达的阴影下捡漏。
英伟达的护城河被敲开一道缝
英伟达真正的护城河不是 GPU，是 CUDA。二十年积累的库、工具、文档、社区，让开发者很难离开。DeepSeek 开源昇腾组件，等于在 CUDA 的城墙上凿了一个小口。这个口子现在还不大，但方向值得注意。如果更多头部模型公司跟进，CUDA 的独占地位就会松动。
当然，松动不等于崩塌。英伟达也在加速迭代，Blackwell 等新架构依然领先。但至少，国产算力平台有了一个可用的、经过验证的替代路径。对于被供应限制困扰的中国 AI 公司来说，这条路径的价值无法用金钱衡量。DeepSeek 做的，是把这条路从“理论可行”推到“工程可用”。
国产 AI 基础设施进入“共建期”
过去国产 AI 基础设施的叙事，往往是华为、百度、阿里各自建生态，彼此 overlap 不多。DeepSeek 的加入，带来了一种新的协作模式：模型公司开源组件，芯片公司提供硬件，社区共同打磨。这种分工比单打独斗更高效。
可以预见，接下来会有更多类似的交叉开源。模型公司贡献算子库，芯片公司贡献编译器，云厂商贡献调度框架。大家各司其职，最后拼出一套完整的国产 AI 基础设施。这个过程不会一蹴而就，但 DeepSeek 已经迈出了实质性的一步。剩下的，就看华为和开发者社区怎么接。
昇腾版开源清单只是开始。真正的考验，是这些组件在真实业务里跑出什么样的数字。DeepSeek 把牌打出来了，接下来轮到华为和开发者出牌。
