长期以来，全球 AI 算力生态被英伟达的 CUDA 体系深度绑定，开发者若想充分释放芯片性能，几乎只能围绕英伟达 GPU 编写底层算子。这一格局正在被打破。DeepSeek 近日完成了一项开源壮举：将原本面向英伟达 GPU 的全套算子开发工具链整体迁移至华为昇腾 950 NPU，其中最核心的算子开发产品 TileLang 正式官宣原生支持昇腾。与此同时，DeepGEMM、DeepEP、FlashMLA、TileKernels、DeepSelect 五大核心计算与通信库也同步推出昇腾版本，直接对标英伟达平台的全套工具链。这意味着国产算力第一次在核心算子工具层面，具备了与英伟达生态正面竞争的能力。
要理解这一动作的分量，需要先看清“写算子”为何长期是 AI 底层开发中门槛最高、耗时最久的环节。一张 AI 芯片的理论算力上限很高，但如果底层算子写得不够好，芯片内部的计算单元就会大量时间空等数据流转，导致价值数万元的芯片可能只能发挥出两成性能。写算子的目标，正是把硬件利用率从两成提升到九成以上。以最常见的矩阵乘法为例，开发者要手动管理三级缓存、调度线程块、搭建数据预取流水线，甚至深入到寄存器分块和指令重排层面，资深工程师为优化上千行底层代码打磨数周是常态。由此形成一个核心矛盾：模型算法迭代飞快，而芯片厂商的官方算子库永远跟不上节奏。
过去行业有三条路可选，却各有局限。第一条是手写 CUDA，性能天花板最高，但开发效率极低，且深度绑定英伟达生态，无法跨平台移植。第二条是使用厂商预制算子库，如英伟达 cuBLAS，标准算子开箱即用、性能拉满，但灵活性极差，开发者无法修改内部逻辑，也难以做算子融合，新算法很容易卡在算力层。第三条是使用高层 DSL 编译器，如 OpenAI 的 Triton，大幅降低了开发门槛，但性能上限受限于编译器自身的优化策略，对昇腾、AMD 等非英伟达硬件原生支持度低，异构适配成本很高。
TileLang 开辟了第四条路，试图终结算子开发的“手工作坊”模式，同时兼顾开发灵活性、运行性能与跨平台能力。其核心是多级分块技术，将庞大计算任务切分成标准化的数据块，开发者只需声明“每块数据在哪里计算”，编译器便自动完成数据搬运、线程同步等底层工作，性能直逼手写 CUDA 的硬件上限。这本质上是把资深工程师手工调优的成熟思路，抽象为标准化编程原语。TileLang 主攻大模型核心算子，包括通用矩阵乘法、反量化 GEMM、FlashAttention、线性注意力、稀疏 MLA 等，这些算子承载了大模型训练和推理九成以上的计算量，直接决定 AI 芯片的算力利用率。
此次迁移的产业意义在于，国产算力首次在核心算子工具层面补齐了关键一环。算子速度每提升一倍，都意味着大模型训练成本下降、推理效率提升。当一套代码能够跑遍不同芯片，开发者不再被单一生态锁死，国产 AI 芯片的软件生态也就有了与英伟达生态对标的基础。DeepSeek 用一行行开源代码，为国产算力自主生态蹚出了一条可行路径，也为全球 AI 行业摆脱 CUDA 垄断提供了新的选择。
