九月三十日，DeepSeek 在 GitHub 上放出了一个新仓库：DeepGEMM-Ascend，MIT 协议，开源可商用。

这东西不是模型，是模型底下的一层。

矩阵乘法是大模型算得最多的一件事，训练和推理的时间基本都花在它上面。但同一道乘法题，代码写得好不好，差距能有几倍。怎么把数据搬进芯片、什么时候搬、搬多大一块、算的时候别让搬运闲着——这些既不性感也不出名，却决定了一块芯片实际能发挥出几成力气。

DeepSeek 原来有一个 DeepGEMM，是给英伟达的卡写的。这次他们照着华为昇腾芯片，把这层重写了一遍。

README 里的数字我核对过：在昇腾 950DT 上，BF16 的稠密矩阵乘跑到硬件理论峰值的 99.8%，FP8 是 99.5%，FP4 是 98.3%。接口和原来那版完全一样，装上去，原来怎么写现在还怎么写。

这里要说清楚一件事，因为传播的时候最容易传歪。

「99.8%」不是说它比英伟达快。这个数的分母是**这块芯片自己的理论峰值**。它说的是：这块卡的力气，被榨出来 99.8%。至于这块卡的力气本来有多大，是另一个问题，这个数回答不了。

所以它证明的不是硬件强，而是——**终于有人把这块卡的说明书，读到头了**。

《庄子·达生》里有一则：

孔子去楚国，路过一片树林，看见一个驼背老人用竿子粘蝉，像伸手捡东西一样容易。孔子问他有什么门道。

老人说：「我有道也。五六月，累丸二而不坠，则失者锱铢；累三而不坠，则失者十一；累五而不坠，犹掇之也。」

练了五六个月：在竿头摞两颗弹丸不掉下来，蝉就很少跑掉了；摞三颗不掉，十只里只跑一只；摞五颗还不掉，粘蝉就跟捡东西一样了。

他接着说，站在那儿身子像木桩，举着胳膊像枯枝，天地那么大，万物那么多，我眼里只有蝉的翅膀。

孔子回头对学生说：「用志不分，乃凝于神。」

过去两年，国产芯片被谈论得很多，谈的多半是产能、制程、禁令。但真正拦路的那道坎，常常不在芯片本身，而在芯片和代码之间那层没人愿意干的脏活：算子库、编译器、调度、对齐、流水线。英伟达那层叫 CUDA，攒了快二十年，攒的就是无数个「在竿头多摞一颗弹丸」。

这件事还有个意外的地方：干这活的不是芯片厂，是一家做模型的公司。自己要用，就自己写，写完扔出来大家用。

说句老实话，现在能用上它的人很少——它要昇腾 950 系列的卡，这卡按华为自己的说法，大规模供货要到今年底或明年初。

但弹丸已经摞上去了。