DeepSeek V4如何重寫40萬行程式碼，適配昇騰CANN架構？

Question

Accepted Answer

DeepSeek V4 透過重寫 40 萬行算子程式碼，實現對華為昇騰 CANN 架構的全棧適配

DeepSeek 創始人梁文鋒為打破 NVIDIA CUDA 生態的技術壁壘，指示團隊針對華為昇騰（Ascend）CANN 架構，重寫了約 40 萬行算子程式碼，耗時五個月，成功使兆級參數模型 DeepSeek-V4 能夠在此國產算力平台上實現全棧運行。此舉不僅顯著提升了模型在昇騰晶片上的推理速度，更對中國 AI 產業鏈的自主化進程產生了關鍵推動作用。

此項技術遷移的策略核心在於底層程式碼的深度重塑。為了確保 DeepSeek-V4 能夠在非 CUDA 生態的昇騰架構上高效運行，研發團隊必須進行大規模的算子（Operator）重寫。算子是構成深度學習模型的基本運算單元，其效率直接影響模型的訓練和推理速度。將這些算子從原先針對 NVIDIA GPU 的 CUDA 編寫，轉化為適配昇騰晶片專屬的計算架構與其底層應用框架（CANN，Compute Architecture for Neural Networks），是一項極具挑戰性的任務。
算子程式碼的底層重寫與架構適配

為達成 40 萬行程式碼的重寫目標，DeepSeek 團隊實際上是在進行一項底層架構的再造工程。這意味著他們需要深入理解昇騰晶片的硬體架構特性，包括其核心處理單元、記憶體層級、計算核心的並行處理能力等，並以此為基礎，重新編寫或調整每一個關鍵的深度學習算子。例如，卷積（Convolution）、矩陣乘法（Matrix Multiplication）、激活函數（Activation Functions）等核心算子，都需要根據昇騰的硬體資源進行優化。這個過程可能涉及使用昇騰提供的專用開發工具鏈和程式語言，例如基於 C++ 的 CANN 框架，以更貼近硬體層面進行編程，從而最大限度地發揮昇騰晶片的計算潛力。
性能優化與架構兼容性的雙重考量

重寫程式碼的目的不僅在於實現運行，更在於達到可接受的性能水平。經過深度優化後，DeepSeek-V4 在昇騰晶片上的推理速度較初期版本提升了 35 倍，顯示了程式碼重寫在性能上的顯著成效。這背後的工作可能包括了對算子進行精細化的調優，例如通過並行計算、記憶體訪問模式的優化、以及利用昇騰架構特有的指令集來加速運算。同時，文章提及與 CUDA 代碼的兼容性達到 95%，這表明在重寫過程中，團隊也力求在功能上盡可能地保留原有的模型行為，減少因架構轉換帶來的額外誤差或行為差異，確保模型在遷移後的準確性。
產業鏈生態的驅動與轉變

DeepSeek 的這一技術決策，直接促成了國產 AI 算力生態的快速發展。透過率先完成對昇騰 CANN 架構的深度適配，DeepSeek V4 的成功運行，為寒武紀、海光、摩爾線程等國產晶片廠商提供了實際的應用場景和驗證機會。這也間接推動了阿里、字節跳動、騰訊等大型科技企業對國產晶片的採購意願，進一步加速了中國 AI 產業鏈向自主化、國產化方向的轉型。中國信通院啟動的 DeepSeek-V4 國產化適配測試，也標誌著從模型到硬體、工具鏈的全面生態驗證正式展開。
技術遷移的潛在挑戰與成本考量

儘管取得了顯著的技術成就，但這種側重底層適配的研發路徑也伴隨著高昂的成本和潛在風險。耗時五個月、重寫 40 萬行程式碼，這本身就是一筆巨大的研發投入。同時，將資源集中於底層架構適配，可能意味著在模型迭代速度上相較於純粹追求前沿技術的團隊有所放緩，這也解釋了為何 DeepSeek 在部分頂尖模型面前，仍存在一定的技術差距。此外，巨額的訓練與研發成本，例如單輪訓練高達約 5 億美元，迫使 DeepSeek 進行了首次大規模外部融資，以支撐其在自主算力上的持續投入。

閱讀紀錄

隱藏 →

此記錄會在頁面關閉後消失

DeepSeek V4如何重寫40萬行程式碼，適配昇騰CANN架構？

Loading

你覺得這篇文章有幫助嗎？

有幫助

沒幫助

回報問題

1

0

0

分享給好友