發生了什麼

  • DeepGEMM-Ascend README 記錄 9 月 30 日首次發布，支援昇騰 950。它提供 BF16／FP8／FP4 矩陣乘法、MQA logits 與 MegaMoE，並稱與 DeepGEMM 的 API 相容；儲存庫採 MIT 授權。[1]
  • 在昇騰 950DT、CANN 9.20、冷 L2 的廠商測試中，BF16×BF16 的 M=4096、N=7168、K=16384 案例達 431 TFLOPS，對照硬體上限 432，利用率 99.8%。這不是整個模型的訓練／推理速度比較，也沒有 NVIDIA 對照機。[1]
  • DeepEP-Ascend 提供 MoE 專家分派／合併等通訊。測量使用昇騰 950DT、CANN 9.2.0 與手動設定的 PoC HDK；README 明示該配置不是公開分發版本，建議商用 HDK 目前規劃約 10 月 15 日提供，實際日期由華為決定。[2]
  • TileLang 的昇騰 950 後端已合併進主線，PR 標示 Public Release 9/30。它涵蓋算子編譯與執行流程；其他昇騰世代不在這次整合範圍，不能把 950 的結果套到所有昇騰晶片。[3]
  • DeepJIT 同時提供 CUDA 與昇騰的執行期編譯、載入及快取介面；底層算子原始碼、編譯器與啟動選項仍須依平台處理。這項共用介面有助減少工具層重複工作，不代表 CUDA 程式可直接搬過來。[4]
TileLang 寫算子、DeepGEMM 做計算、DeepEP 跨晶片通訊；DeepJIT 管理編譯，部署仍需昇騰 950 與相容環境
依本文四個官方開源來源繪製的功能示意；不是完整部署圖或本站效能測試。
讀這些證據能知道什麼 · 編輯觀察值得關注的是開發者能檢查的算子與通訊程式碼，讓昇騰的工程生態多了實際參考。接近某個矩陣乘法的硬體極限，是一塊拼圖；完整訓練成本、端到端吞吐與公開環境重現，仍需另外證明。

社群回聲

下列引言是作者原話的忠實中文翻譯，可展開對照原文。背景另列；個人測試與費用未由本站重現，也不代表全體使用者。

觀點iLegend @iLegend_AI
把 DeepGEMM 移植過去，比再摳那 0.2% 有意義得多。
原話中文翻譯 · 短節錄
對照原文
把 DeepGEMM 移植过去比再抠那 0.2% 有意义得多。

測試／貼文背景 回覆 DeepGEMM 發布者的數字，原文認為算子庫生態與 MoE 分派比規則 GEMM 的最後一點利用率更重要。這是工程觀點，沒有附獨立重現；MegaMoE 的 98% 也不在本文另行當成實測結論。

X · 2026.09.30公開評論者；未確認商業關係完整原貼文 ↗查閱 10/01 07:03（台北）

接下來看什麼

約 10 月 15 日的商用 HDK 是否如期公開，第三方能否在該版本重現通訊帶寬，值得回訪。

若後續有人公布完整模型、硬體數量、精度、吞吐與成本，再討論與 NVIDIA 堆疊的差距。單一算子利用率回答不了整體性價比。

來源與查核

  1. DeepSeek — DeepGEMM-Ascend README 與測量表 ↗官方開源程式碼／廠商測量 · 原文日期 2026.09.30 · 查核 10/01 07:03（台北）
  2. DeepSeek — DeepEP-Ascend 與 HDK 限制 ↗官方開源程式碼／部署限制 · 查核 10/01 07:03（台北）
  3. TileLang PR #3308 — Ascend 950 後端 ↗主線整合與範圍說明 · 查核 10/01 07:03（台北）
  4. DeepSeek — DeepJIT ↗官方開源程式碼 · 查核 10/01 07:03（台北）

本文以 AI 輔助編輯，公告以原創整理呈現；社群引言採短節錄與忠實翻譯。功能、方案與價格可能後續調整；本文記錄的是上述查核時間的資訊。