DeepSeek如何通过软硬件协同降低国产算力适配门槛？

DeepSeek通过软硬件协同设计（Co-Design）策略，显著降低了国产算力的适配门槛，并形成了与国产超节点系统的高度契合。这一过程主要体现在算子语言抽象、架构特性匹配以及全栈基础设施开放三个维度。

首先，在软件层面，DeepSeek引入并推广TileLang算子语言，实现了从“重写全套CUDA”到“接入统一算子层”的转变。V3.2版本同步开源CUDA与TileLang双版本算子，而V4版本则全线基于TileLang开发融合内核。TileLang作为一种专用语言，通过Tile级数据分块抽象，大幅降低了GPU编程的技术门槛。更重要的是，TileLang已实现对华为昇腾Ascend C和NPU IR后端的支持，使得华为昇腾能够实现Day0同步适配。这种跨硬件的算子表达能力，打破了单一硬件生态锁定，让国产芯片厂商只需接入统一算子层即可兼容主流模型，极大提升了生态兼容性。

其次，DeepSeek的低激活MoE架构与国产超节点的系统优势形成天然互补。MoE架构虽然降低了单Token的计算量，但对专家路由、All-to-All通信、统一内存及访存带宽提出了更高要求。DeepSeek V4-Pro采用极低激活率（3%），配合CSA+HCA混合注意力机制，在百万上下文场景下显著降低了KV缓存占用和推理算力需求。这一特性恰好匹配昇腾超节点在灵衢高速互联、CANN软件栈以及大规模NPU统一内存编址方面的系统能力。国产超节点通过扩大资源协同边界，解决了传统Scale-Out架构在大模型并行训练中的通信瓶颈，使得计算、内存与互联能够围绕实时负载进行高效调度。

最后，通过全栈基础设施的开放，DeepSeek逐步解耦CUDA生态。在数值格式上，V3.1率先采用UE8M0 FP8 Scale，既兼容NVIDIA MXFP8，又为下一代国产芯片预留了标准接口，实现了模型定义标准与硬件跟进的双向协同。目前，千卡级国产集群已验证DeepSeek V4-Pro的全参数后训练能力，MFU效率显著提升，证明国产算力已从单纯的推理部署延伸至万亿模型训练环节。这种软硬件深度绑定的路径，不仅提升了国产算力承载超大模型的可行性，也为DeepSeek在国内市场构建了长期的技术与生态壁垒。