一张卡，难倒多少中国AI公司。一个CUDA，又锁死了多少人想要换路的念头。


就在9月30日，这个困局被撕开了一道口子。深度求索（DeepSeek）正式对外放出一整套面向华为昇腾平台的底层基础设施，包括TileLang昇腾版编译工具，以及DeepGEMM、DeepEP、TileKernels、FlashMLA、DeepSelect五件套，全部代码放上GitHub，免费、开放、随取随用。


消息一出，圈内瞬间炸锅。但这六个组件到底意味着什么？咱们不妨一层层剥开看。
一、为什么TileLang是"压舱石"？

聊这次开源，绕不开TileLang。

简单说，它就是一条绕开CUDA的路。过去十几年，全球AI开发者写算子基本被CUDA绑死——想用别家芯片，就得把代码全部重写一遍，几个月的调试周期加上性能折损，让绝大多数公司望而却步。
TileLang走的是"高级语言路线"：开发者用更简洁的逻辑描述计算意图，编译器负责把它翻译成底层高效代码。这套工具此前已经在英伟达平台上跑通过，DeepSeek V4系列模型训练用的算子，大部分就是用TileLang写的。
关键是，昇腾版TileLang对Ascend C底层指令做了封装——既保留了易用性，又不牺牲硬件性能。DeepSeek官方明确表示，他们训练里用到的每一个TileLang算子，在昇腾上都有对应的高性能实现。
换句话说，中国开发者第一次拥有了一款"门槛比CUDA低、性能不拉胯"的国产替代选项。
二、五个组件各管一摊，合起来才是硬本事
单看TileLang还不够，这次开源是一整套组合拳。
DeepGEMM负责矩阵运算加速，这是大模型训练里最吃算力的部分；DeepEP解决的是跨设备通信——单卡算得再快，数据跟不上，全盘等待；TileKernels处理常规向量计算和访存；FlashMLA专门优化稀疏注意力，提升长上下文效率；DeepSelect则负责高效数据筛选。
这几块加起来，基本覆盖了模型训练和推理中的关键环节。DeepSeek披露，多项关键测试中，这些组件的计算与通信性能已经接近硬件理论上限。
三、真正的里程碑：从"部署可用"到"训练可用"
这次开源还有一个常被忽视的转折点——它把昇腾对DeepSeek的支持从推理端延伸到了训练端。
此前国产芯片生态的主要痛点在推理部署层，一旦涉及训练，工具链的缺失就成了硬伤。而DeepSeek作为头部模型团队，主动把自家训练用的核心工具链搬到昇腾上，这等于用真实业务给国产硬件做了一次"压力测试"。
双方还联合优化了基于昇腾950的128卡超节点方案，针对计算与通信模块做了深度调优。这个规模不算"十万卡"那种宏大叙事，但却是当下国产互联条件下能做到的务实最优解。
四、英伟达真的会被替代吗？

冷静看，差距仍在。
有报道显示，昇腾910C的推理性能大约为英伟达H100的60%左右，经过手工优化后还能再往上抬。制程工艺、HBM高带宽内存、CoWoS-L先进封装这些物理层面的硬门槛，短期内依然是追赶项。


但软件生态这道墙，这次是真的被凿开了一块砖。对开发者来说，过去换硬件意味着数月重写代码的沉没成本，现在这套成本被开源底座大幅摊薄了。

结语
从"模型95分、硬件55分"到"硬件70分、软件80分"，国产AI算力这条路上，开源或许才是最锋利的那把刀。
芯片可以被限制，但开放社区里几万工程师的集体智慧，很难被任何禁令锁住。真正的好戏，或许才刚刚开场。