DeepSeek 把跑万亿模型的工程经验开源了：国产算力这次补的是软件层
9 月 30 日，DeepSeek 在官方公众号上放出一组代码，给华为昇腾平台开源了六个模块：TileLang、DeepGEMM-Ascend、DeepEP-Ascend、TileKernels、FlashMLA、DeepSelect。名字听着零碎，覆盖的范围其实很整：一种编程语言，一批计算内核，再加分布式通信。
这件事不太像一次常规开源。它开源的不是模型，是把模型跑起来所需要的那层地基。
芯片够用之后，卡住的是别的东西
国产算力这几年被讨论得最多的是算力数值。参数表一年比一年好看，但真正动手迁移过模型的工程师都知道，麻烦很少出在峰值算力上。
英伟达的 CUDA 生态做了二十多年。编译器、数学库、通信库，一层压一层，开发者拿到卡就能用，文档、社区、踩坑记录都是现成的。换到另一套硬件，同样一个算子可能得自己写，调度得自己调，多机多卡通信的库还得自己对着实现。芯片跑分不低，但把模型搬上去这件事本身，成本高得离谱。
这种差距还有一层不太被提及的地方。硬件可以一次性投入买到，软件生态只能靠人一年一年磨出来。买卡是采购问题，补齐工具链是时间问题，而且时间只能靠真实项目去换。谁的模型先在某个平台上跑通、跑稳、跑到规模，谁才可能攒出可复用的经验。这也是为什么这次开源值得单独拿出来谈：它不是买了什么，是有人把攒下来的东西交出来了。
所以国产算力长期的真实短板是软件。芯片能算，但不好用。DeepSeek 这次开源的东西，正好落在这段空白上。
六个模块里，最值得看的是 TileLang
六个模块里分量最重的是 TileLang。这是 DeepSeek 自研的高层编程语言，此前主要面向英伟达后端，这一次正式支持昇腾 950，提供原生代码生成、自动调度与同步。DeepSeek 对它的定位很直接：CUDA 的替代方案，而且"编程模型更简单"。
配套的 TileKernels 解决了另一个老问题。它可以自动选择英伟达或华为后端，对上层暴露同一套 Python API。换句话说，同一份代码在两个硬件平台上跑，切换的成本被压到了配置层面，而不是重写一遍内核。
公开的内测数据也不算含糊。部分内核在昇腾 950DT 上达到了标称硬件上限的很高比例：BF16 稠密矩阵乘 99.8%，FP8 大约 99.5%；面向 DeepSeek V4.1 的稀疏注意力实现，在 prefill 阶段跑到 410 TFLOPS，约为理论值的 95%。两家还联合优化了一套基于 128 颗昇腾 950 的超节点方案，专门在计算和数据搬运之间做平衡。
这些数字的价值在于证明这条路走得通。以前大家谈国产算力，谈的是能不能用；现在开始有团队愿意把自己压榨硬件的经验公开出来，说明至少有人已经用到了可以分享的程度。
一套 API 同时挂两家后端，价值在哪里
TileLang 和 TileKernels 放在一起看，用处会更清楚。TileKernels 能自动选择英伟达或华为后端，对上暴露同一套 Python API。这意味着团队维护的是一份代码，而不是两份。
现实里，一个稍微像样的推理服务通常要同时跑在几种硬件上。云端可能还是英伟达，自建或信创场景是国产卡，边缘设备又是另一套。如果每换一种硬件都要重写一遍内核，团队就得维持几套并行的实现，测试也要各测一遍。同一套 API 把这件事从"重写"降级成"改配置"，省下来的不只是人力，还有出错的机会。
对一个只想把产品做出来的团队来说，这类改动不会写进任何发布稿，但它决定了他们愿不愿意去试国产硬件。
真正的变化发生在迁移成本上
对一个普通开发者来说，这次开源最实际的影响是迁移成本。
过去把训练或推理迁到昇腾，底层算子要自己补、工具要自己适配，一个项目几个月耗在上面的情况并不罕见。现在这些工具链直接开源，很多坑已经被人踩过、修过，能被直接复用。门槛从"得有一支专门做算子适配的团队"，降到"团队里得有人看得懂这套工具"。
这也解释了为什么这次发布在开发者社区里的反应不小。模型这两天已经出得够多了，真正稀缺的是少走一段路。
接下来该看的是别人用不用
判断这次开源的分量，不能只看 DeepSeek 自己说了什么，要看接下来半年别人做什么。
一个工具链能不能立住，取决于有没有第三方愿意在它上面投入。如果 TileLang 只服务 DeepSeek 自家的模型，它的意义就停在这家公司内部；如果有别的团队拿它写算子、提 issue、往外扩硬件后端，它才开始变成公共设施。数值再漂亮，也要经过几个月真实负载的检验才算数。
另一个变量是其他国产芯片会不会跟着接进来。目前公开的信息集中在昇腾，如果这套高层语言能按同一套逻辑迁到更多平台，它的价值会再上一个台阶。这一点现在还没有答案。
开源地基这件事，比开源模型更慢
过去两年，国产开源的主战场一直是模型权重。参数、榜单、下载量，都是能立刻看到的东西。底层工具链不一样，它不出现在榜单里，短期也不带来话题。但没有这层东西，上面堆多少模型都悬着。
DeepSeek 把自己在昇腾上跑通万亿级模型的工程经验交出来，做的正是这种不显眼、但决定行业能不能往下走的补课。
要不要现在就把手里英伟达的项目迁到昇腾，答案仍然取决于具体场景，也要看团队有没有人在底层花时间。但至少从这一天起，"生态不好用"这个理由，开始变得没那么站得住脚了。而生态一旦开始能用了，后面发生的事往往会比预期快。