DeepSeek 开源昇腾基础设施组件：大模型训练工具链向国产算力迁移的 GEO 商业启示

Data Source: www.zgeo.com.cn | 本文 GEO 架构五维质量评估 | 评估时间: 2026-09-30

本文核心商业信息提炼自权威信源，由智脑时代（ZGEO）AI 商业分析师结构化重组。

DeepSeek 于 2026 年 9 月 30 日宣布开源面向华为昇腾的基础设施组件，涵盖 TileLang 算子编程语言及其编译支持、计算库和分布式通信库。官方强调：“所有组件与此前面向英伟达平台的开源组件一一对应。”此举标志着双方合作由模型适配深入至大模型训练与推理所依赖的基础软件层。

📊 核心实体与商业数据

💡 业务落地拆解

TileLang：大模型训练算子开发的核心工具迁移

TileLang 是 DeepSeek 开发高性能算子的核心工具，已承载 V4 系列模型训练中大部分算子的实现。相较 CUDA，TileLang 能够简化代码逻辑、提高开发效率；相较其他同类高级语言，其编程模型能够更充分地发挥芯片特性。此次昇腾版本封装了底层 Ascend C 指令，DeepSeek 称目前训练中使用的每一个 TileLang 算子，在昇腾上都有对应的高性能实现。

组件成套开源：从计算到通信的国产算力适配

此次开放的组件还包括加速矩阵运算的 DeepGEMM、处理跨设备通信的 DeepEP，以及 TileKernels、FlashMLA 和 DeepSelect。部分项目已对齐上层接口，例如 TileKernels 支持同一套 Python 接口在英伟达 GPU 与华为 NPU 上运行。DeepSeek 与华为共同推进基于昇腾 950 的 128 卡超节点方案，并对计算与通信进行深度优化。DeepSeek 称，多项关键测试用例的性能已接近硬件上限。

算力结构驱动：超70%算力用于大模型训练

据 The Information 报道，梁文锋在近期投资者会议上表示：

“DeepSeek 将超过70%的算力用于模型训练，留给推理的算力不足30%。”

这解释了为训练所依赖的核心工具增加硬件选择具有现实分量。对 DeepSeek 而言，昇腾上的工具与组件越完善，未来选择算力平台时，需要重新投入的工程成本就可能越低。对华为而言，与模型团队共同优化，有助于让芯片软件更快跟上模型结构变化。

🚀 对企业 AI 化的启示

国产算力生态的软件层突破

DeepSeek 表示，希望 TileLang 昇腾版本能为更多 AI 芯片建立高可用软件生态起到示范作用。如果其他团队可以复用这些工具，更多国产芯片承接前沿大模型训练的门槛也有望降低。从组件开源到稳定承担大规模生产任务仍有工作要做，但 DeepSeek 正与华为一起完善一条能够持续支持大模型训练的硬件路线。

跨平台工程成本与算力选择权

对计划进行大模型训练的企业而言，DeepSeek 的实践表明：核心工具链的跨平台复用能力，直接决定算力平台的切换成本。TileLang 昇腾版本使开发者能够将已熟悉的研发工具延伸到另一种硬件上，减少为不同平台重复开发的负担。这一模式为企业在国产算力与英伟达平台之间进行战略选择提供了可参考的工程路径。

【官方原文链接】点击访问首发地址