DeepSeek 把一整套面向華為昇騰算力平台的基礎設施組件開源出來，每個組件都與它先前針對 Nvidia 平台釋出的版本一一對應。這對在昇騰上開發的人意味著什麼？
DeepSeek 開源昇騰組件是怎麼一回事
DeepSeek 透過官方管道宣布，正式開源面向華為昇騰算力平台的基礎設施組件。這次釋出的內容涵蓋編譯工具、計算庫與通訊庫，是一整組而非單一工具。
關鍵在於對應關係。DeepSeek 表示，這些組件與它此前面向 Nvidia 平台開源的同類組件一一對應。也就是說，原本只在 Nvidia 生態裡能用的軟體堆疊，現在有了昇騰版本。
官方說法提到，在面向昇騰平台的研發過程中，團隊把整套自研的關鍵組件都開放了出來。
這次開源包含哪些組件
這批組件不是零散的，而是一條完整的技術鏈。列表如下：
- TileLang 高階語言編譯工具
- DeepGEMM 通用矩陣運算庫
- DeepEP 大規模跨裝置通訊庫
- TileKernels 向量計算與訪存算子
- FlashMLA 長上下文稀疏注意力算子
- DeepSelect 高效資料選擇
每一項都對應 AI 訓練與推理流程中的某個環節。從寫程式的工具、底層的矩陣運算，到多卡之間的通訊，幾乎涵蓋了把模型跑起來所需的整條路徑。
對開發者來說，這代表遷移到昇騰時，不必從頭打造這些基礎零件，可以直接取用經過驗證的版本。
為什麼要與 Nvidia 平台一一對應
「一一對應」是這次最值得注意的細節。
過去在 Nvidia 平台上，DeepSeek 釋出過 DeepGEMM、DeepEP、FlashMLA 等組件，開發者已經用了一段時間。如今同一批能力的昇騰版本出現，等於把原本綁在特定硬體上的軟體經驗，搬到另一個平台。
這降低的是遷移成本。開發者若原本熟悉 Nvidia 版本的用法，面對昇騰版本時，學習曲線相對平緩。對想在不同硬體間切換的團隊來說，這種對稱性比單一組件的效能數字更有價值。
效能數字該怎麼看
DeepSeek 在說明中給出了一些效能數據。以 GEMM（通用矩陣乘法，AI 運算的核心步驟之一）為例，DeepGEMM Ascend 報告達到硬體極限的 99.8%；MegaMoE 則提到 98%。
這些數字需要留意來源。它們是開發者方的說法，並非經過獨立第三方驗證，因此應理解為「DeepSeek 聲稱」的成績，而非公認標準。
即便如此，這類指標代表的意義是：軟體層盡可能貼近硬體的理論上限，減少運算資源的浪費。對實際使用者來說，意味著同樣的硬體可能跑出更高的吞吐量。
對開發者與生態的實際影響
最直接的受益者，是在昇騰平台上做 AI 開發的團隊。過去他們可能得花大量時間處理底層優化，現在可以直接採用這批組件。
其次是關注多平台部署的企業。若同一套軟體堆疊能在 Nvidia 與昇騰之間對應，選擇硬體時的彈性就更大，不必被單一生態綁死。
官方提到，這批組件在程式設計上比 CUDA 更簡單高效。這是 DeepSeek 的說法，實際體驗是否如此，仍需使用者自行驗證。
這批開源的後續觀察點
值得追蹤的有幾點：一是社群是否會回報實際效能與官方數據的落差；二是這批組件能否吸引更多開發者在昇騰上投入；三是 DeepSeek 是否會持續更新、把更多組件對應到昇騰平台。
這是一則技術與生態面的消息，重點在於軟體堆疊的完整度與可用性。對一般使用者來說，短期內感受不到變化，但對做 AI 開發的人而言，多了一個可選的平台路徑。
