发生了什么
9 月 30 日，DeepSeek 在其官方 GitHub 组织下开源面向华为昇腾 NPU 的底层组件。此前其 DeepGEMM、DeepEP、FlashMLA 等库只面向英伟达 GPU；本次新增的 DeepGEMM-Ascend 与 DeepEP-Ascend 均与英伟达版本 API 对齐，采用 MIT 许可。据公告及媒体报道，本次开源成套组件，与英伟达平台版本一一对应。
- DeepGEMM-Ascend：昇腾矩阵乘库，兼容 DeepGEMM 的 API 与包名，支持 BF16、FP8、FP4 GEMM、MQA logits 与 MegaMoE 算子。
- DeepEP-Ascend：昇腾 MoE 专家并行通信库，提供 dispatch 与 combine 的 all-to-all 与延迟 epilogue，buffer API 与英伟达版对齐；另提供流水线并行、Bucket 集合通信与 Engram 远端内存访问，后三项为实验性。
- 配套更新：同日 TileKernels、FlashMLA、DeepSelect 等算子库同步更新；DeepJIT 与 clangd-ascend 两个昇腾新仓库近日建立。
- 编译层：TileLang 上游同日宣布正式支持昇腾 950 NPU，提供原生代码生成与自动调度。
官方测得的性能
数据均在昇腾 950DT 配合 CANN 9.20 下实测，算子形状取自 DeepGEMM 测试集，覆盖 DeepSeek 模型系列负载。
- DeepGEMM-Ascend：面向 MoE 专家的分组 GEMM（FP8×FP4 输入、BF16 输出）在多组形状下达 831 至 862 TFLOPS；融合 dispatch、两次分组 GEMM、SwiGLU 与 combine 的 MegaMoE 峰值约 846 TFLOPS。
- DeepEP-Ascend：EP8 下 dispatch 373 至 375 GB/s、combine 345 至 347 GB/s；EP128 下 dispatch 313 至 320 GB/s。官方称 EP 不超过 32 时，持续分发带宽接近物理载荷带宽上限的 90% 至 95%。
为什么重要
过去两年国产算力的公开叙事是推理能用、训练不敢全押，痛点不在单卡算力，而在 CUDA 十余年积累的算子、通信与编译栈。本次开源把 DeepSeek 自己训练中真正使用的底层工具延伸到昇腾：按其公告口径，训练所用的每个 TileLang 算子在昇腾上都有对应实现，双方还共同推进昇腾 950 的 128 卡超节点方案。对企业选型而言，国产平台第一次补上训练栈级软件层，而不再只是把训好的模型搬来跑推理。
不确定之处
- 性能数字均来自开发方一侧，暂无第三方复现；新仓库社区规模尚小。
- DeepEP-Ascend 的实测使用一套仅提供给 DeepSeek 的 PoC 硬件配置并附带手工调参，并非公开发布版本；官方建议以华为第三季度商用 HDK（面向 Atlas 850E，约 10 月 15 日发布）为公开部署基线。
- 官方明确其他昇腾世代或 CANN 版本的内核支持尚未通过测量确认。
- 一一对应等表述均为 DeepSeek 公告口径，本文未能逐项核验全部仓库。