DeepSeek 把跑兆級模型的工程經驗開源了：國產算力這次補的是軟體層
9 月 30 日，DeepSeek 在官方公眾號上放出一組程式碼，為華為昇騰平台開源了六個模組：TileLang、DeepGEMM-Ascend、DeepEP-Ascend、TileKernels、FlashMLA、DeepSelect。名字聽起來零碎，涵蓋的範圍其實很完整：一種程式語言、一批運算核心，再加上分散式通訊。
這件事不太像一次常規開源。它開源的不是模型，而是把模型跑起來所需要的那層地基。
晶片夠用之後，卡住的是別的東西
國產算力這幾年最常被討論的是算力數值。參數表一年比一年好看，但真正動手遷移過模型的工程師都知道，麻煩很少出在峰值算力上。
輝達的 CUDA 生態系做了二十多年。編譯器、數學函式庫、通訊函式庫，一層壓一層，開發者拿到卡就能用，文件、社群、踩坑紀錄都是現成的。換到另一套硬體，同樣一個算子可能得自己寫，排程得自己調，多機多卡通訊的函式庫還得自己對著實作。晶片跑分不低，但把模型搬上去這件事本身，成本高得離譜。
這種差距還有一層不太被提及的地方。硬體可以一次性投入買到，軟體生態系只能靠人一年一年磨出來。買卡是採購問題，補齊工具鏈是時間問題，而且時間只能靠真實專案去換。誰的模型先在某個平台上跑通、跑穩、跑到規模，誰才可能累積出可重複使用的經驗。這也是為什麼這次開源值得單獨拿出來談：它不是買了什麼，是有人把累積下來的東西交出來了。
所以國產算力長期真正的短板是軟體。晶片能算，但不好用。DeepSeek 這次開源的東西，正好落在這段空白上。
六個模組裡，最值得看的是 TileLang
六個模組裡分量最重的是 TileLang。這是 DeepSeek 自研的高階程式語言，先前主要面向輝達後端，這一次正式支援昇騰 950，提供原生程式碼生成、自動排程與同步。DeepSeek 對它的定位很直接：CUDA 的替代方案，而且「程式設計模型更簡單」。
配套的 TileKernels 解決了另一個老問題。它可以自動選擇輝達或華為後端，對上層暴露同一套 Python API。換句話說，同一份程式碼在兩個硬體平台上跑，切換的成本被壓到了設定層面，而不是重寫一遍核心。
公開的內測資料也不算含糊。部分核心在昇騰 950DT 上達到了標稱硬體上限的極高比例：BF16 稠密矩陣乘 99.8%，FP8 大約 99.5%；面向 DeepSeek V4.1 的稀疏注意力實作，在 prefill 階段跑到 410 TFLOPS，約為理論值的 95%。兩家還聯合優化了一套基於 128 顆昇騰 950 的超節點方案，專門在運算與資料搬移之間做平衡。
這些數字的價值在於證明這條路走得通。以前大家談國產算力，談的是能不能用；現在開始有團隊願意把自己壓榨硬體的經驗公開出來，說明至少有人已經用到了可以分享的程度。
一套 API 同時掛兩家後端，價值在哪裡
TileLang 和 TileKernels 放在一起看，用處會更清楚。TileKernels 能自動選擇輝達或華為後端，對上層暴露同一套 Python API。這意味著團隊維護的是一份程式碼，而不是兩份。
現實裡，一個稍微像樣的推論服務通常要同時跑在幾種硬體上。雲端可能還是輝達，自建或信創場景是國產卡，邊緣裝置又是另一套。如果每換一種硬體都要重寫一遍核心，團隊就得維持幾套並行的實作，測試也要各測一遍。同一套 API 把這件事從「重寫」降級成「改設定」，省下來的不只是人力，還有出錯的機會。
對一個只想把產品做出來的團隊來說，這類改動不會寫進任何發布稿，但它決定了他們願不願意去試國產硬體。
真正的變化發生在遷移成本上
對一個普通開發者來說，這次開源最實際的影響是遷移成本。
過去把訓練或推論遷到昇騰，底層算子要自己補、工具要自己適配，一個專案幾個月耗在上面的情況並不罕見。現在這些工具鏈直接開源，很多坑已經被人踩過、修過，能被直接重複使用。門檻從「得有一支專門做算子適配的團隊」，降到「團隊裡得有人看得懂這套工具」。
這也解釋了為什麼這次發布在開發者社群裡的反應不小。模型這兩天已經出得夠多了，真正稀缺的是少走一段路。
接下來該看的是別人用不用
判斷這次開源的分量，不能只看 DeepSeek 自己說了什麼，要看接下來半年別人做什麼。
一個工具鏈能不能立得住，取決於有沒有第三方願意在它上面投入。如果 TileLang 只服務 DeepSeek 自家的模型，它的意義就停在該公司內部；如果有別的團隊拿它寫算子、提 issue、往外擴充硬體後端，它才開始變成公共基礎設施。數值再漂亮，也要經過幾個月真實負載的檢驗才算數。
另一個變數是其他國產晶片會不會跟著接進來。目前公開的資訊集中在昇騰，如果這套高階語言能按同一套邏輯遷到更多平台，它的價值會再上一個台階。這一點現在還沒有答案。
開源地基這件事，比開源模型更慢
過去兩年，國產開源的主戰場一直是模型權重。參數、榜單、下載量，都是能立刻看到的東西。底層工具鏈不一樣，它不出現在榜單裡，短期也不帶來話題。但沒有這層東西，上面堆多少模型都懸著。
DeepSeek 把自己在昇騰上跑通兆級模型的工程經驗交出來，做的正是這種不顯眼、但決定產業能不能往下走的補課。
要不要現在就把手裡輝達的專案遷到昇騰，答案仍然取決於具體場景，也要看團隊有沒有人在底層花時間。但至少從這一天起，「生態系不好用」這個理由，開始變得沒那麼站得住腳了。而生態系一旦開始能用了，後面發生的事往往會比預期快。