黄仁勋万万想不到，自己筑了二十年的CUDA高墙，最后给中国模型公司做了嫁衣。国庆假期前，DeepSeek 做出硅谷难以理解的抉择：全套适配华为昇腾芯片的开发工具、底层高性能算子，一次性对外开源。

9月30日，国庆假期前一天，DeepSeek把这份"大礼包"摆上了桌。

里面有TileLang编程语言的昇腾版编译工具，有DeepGEMM、FlashMLA、TileKernels、DeepSelect几个计算库，还有专门负责多张卡之间传数据的通信库DeepEP。

DeepSeek说，这些组件和它早先给英伟达平台开源的那一套是一一对应的。

说到这儿，得先唠两句CUDA是个啥，芯片本身就是一块会算数的硅片，想让它干活，得有人把程序员写的代码翻译成芯片能听懂的指令。

英伟达2006年推出的CUDA，就是这样一整套翻译工具，外加一堆现成的零件，掐指一算，今年正好二十年。

这二十年里，全世界做AI的人差不多都是在CUDA上练的手。

模型里最基础的计算步骤，行话叫"算子"，比如一次矩阵乘法，大多是照着英伟达的芯片反复调出来的。

换一家芯片，就等于让人把练熟的手艺扔掉重来，老实讲，这堵墙高就高在人的习惯上，芯片参数反倒没那么要命。

"嫁衣"这个说法从哪儿来？2025年2月，DeepSeek办过一次开源周，FlashMLA、DeepEP、DeepGEMM就是那时候发布的，当时这几样全是给英伟达GPU写的，专门把显卡的性能往死里抠。

可以这么讲，DeepSeek压榨硬件的那身功夫，就是在CUDA这个练兵场上磨出来的。

如今这身功夫原样搬到了昇腾上，几个库的名字基本没改，GitHub上就是在后面加了个Ascend，在我看来，"嫁衣"两个字的分量全在这儿。

英伟达二十年搭起来的训练场，带出了一支吃透底层的中国团队，这支团队学成之后，转身就把经验写进了国产芯片的工具箱。

光有态度不够，还得看成绩，据财联社报道，在EP32部署下，DeepSeek-V4.1-Flash做离线推理时，如果每生成一个token（可以粗略理解成一个字）只给5毫秒，每张卡每秒能输出2469个token；放宽到10毫秒，能到5102个，通信库的两项带宽分别跑到了375GB/s和347GB/s。

网易科技还报道了另一组数字：FlashMLA在昇腾950上，预填充阶段达到硬件峰值的95%，解码阶段是83%，说实话，看到95%的时候我愣了一下。

我原本以为第一版能摸到八成就算交差了，没想到离天花板只差一口气。

这份成绩背后，华为出了不少力，DeepSeek在发布中专门提到，研发过程中华为团队给了毫无保留的大力支持。

双方一起推进基于昇腾950的128卡超节点方案，华为配套的SuperPoD Flex组网能做到128卡3.2Tbps单层交换，一边写软件，一边造硬件，配合得挺默契。

回头看，这一步并不是拍脑门定的，2025年9月29日DeepSeek发布V3.2-Exp时，TileLang的昇腾版本就同步开源了。

2026年4月24日V4预览版发布，华为当天宣布昇腾全系列产品支持，从模型适配到工具链开源，这条路是一段一段铺过来的。

黄仁勋对这件事其实心里很清楚，今年4月中旬，他在一档播客访谈里说，如果DeepSeek的模型在华为芯片上完成优化，对美国会是一个可怕的结果。他担心的事情4月走了一步，9月底又走了一大步。

我寻思，他当时大概没料到，DeepSeek会连工具链都一起送出去。

按硅谷的常规打法，底层工具就是护城河，自己攥着都嫌不够紧，DeepSeek倒好，DeepGEMM的昇腾版直接用了MIT许可证，谁都能拿去用、拿去改，商用也不收钱。

要是只看一家公司的利润表，这笔买卖确实有点"亏"。

依我看，DeepSeek算的是另一本账，昇腾上用的人越多，暴露的问题就越多，工具也磨得越快，回过头来受益的还是它自己。

更要紧的是，国内其他模型公司想上国产芯片，不用再从零开始写算子，门槛一下子低了很多，所以我个人认为，这次开源的分量比再发一个新模型还要重。

这个判断肯定有人不服，反方的理由也站得住。CUDA积累了二十年，开发者数以百万计，几个库撼动不了这么大的惯性。

21世纪经济报道转载的分析也直说，华为的产能是眼下最主要的瓶颈，芯片供不上，工具再好，也只能先在少数人手里用起来。

这两点我都认，短期内，全球开发者不会因为这批库就搬家，英伟达的基本盘也谈不上动摇，可我觉着，反方把这件事看成了"推倒墙"，DeepSeek真正在做的是"开一扇门"。

门开了，国内团队就多了一条能走的路，路上车多车少，要看接下来的产能和用户能不能跟上。