DeepSeek如何通過軟硬件協同降低國產算力適配門檻？

DeepSeek通過軟硬件協同設計（Co-Design）策略，顯著降低了國產算力的適配門檻，并形成了與國產超節點系統的高度契合。這一過程主要體現在算子語言抽象、架構特性匹配以及全棧基礎設施開放三個維度。

首先，在軟件層面，DeepSeek引入并推廣TileLang算子語言，實現了從“重寫全套CUDA”到“接入統一算子層”的轉變。V3.2版本同步開源CUDA與TileLang雙版本算子，而V4版本則全線基于TileLang開發融合內核。TileLang作為一種專用語言，通過Tile級數據分塊抽象，大幅降低了GPU編程的技術門檻。更重要的是，TileLang已實現對華為昇騰Ascend C和NPU IR后端的支持，使得華為昇騰能夠實現Day0同步適配。這種跨硬件的算子表達能力，打破了單一硬件生態鎖定，讓國產芯片廠商只需接入統一算子層即可兼容主流模型，極大提升了生態兼容性。

其次，DeepSeek的低激活MoE架構與國產超節點的系統優勢形成天然互補。MoE架構雖然降低了單Token的計算量，但對專家路由、All-to-All通信、統一內存及訪存帶寬提出了更高要求。DeepSeek V4-Pro采用極低激活率（3%），配合CSA+HCA混合注意力機制，在百萬上下文場景下顯著降低了KV緩存占用和推理算力需求。這一特性恰好匹配昇騰超節點在靈衢高速互聯、CANN軟件棧以及大規模NPU統一內存編址方面的系統能力。國產超節點通過擴大資源協同邊界，解決了傳統Scale-Out架構在大模型并行訓練中的通信瓶頸，使得計算、內存與互聯能夠圍繞實時負載進行高效調度。

最后，通過全棧基礎設施的開放，DeepSeek逐步解耦CUDA生態。在數值格式上，V3.1率先采用UE8M0 FP8 Scale，既兼容NVIDIA MXFP8，又為下一代國產芯片預留了標準接口，實現了模型定義標準與硬件跟進的雙向協同。目前，千卡級國產集群已驗證DeepSeek V4-Pro的全參數后訓練能力，MFU效率顯著提升，證明國產算力已從單純的推理部署延伸至萬億模型訓練環節。這種軟硬件深度綁定的路徑，不僅提升了國產算力承載超大模型的可行性，也為DeepSeek在國內市場構建了長期的技術與生態壁壘。