
DeepSeek用英伟达显卡训练V3,但不再使用英伟达生态:TileLang、华为950与摆脱CUDA之争
Vũ Khôi
Tác giả tại Wotech Electronics Blog

DeepSeek用英伟达显卡训练V3,但不再使用英伟达生态:TileLang、华为950与摆脱CUDA之争
DeepSeek背后的梁文锋刚刚分享了关于公司如何减少对英伟达依赖的引人注目的见解——而令人惊讶的是:DeepSeek仍使用英伟达GPU来训练V3,却在寻找摆脱长期以来被视为这家美国芯片公司最大优势的软件生态的方法。据Hỏi Dân IT Official页面2026年11月15日的帖子,关键在于一个名为TileLang的高级编译器,以及在华为硬件上构建独立计算能力的雄心。本文中的数字和评估均来自该帖子及其引用的评价,未经独立核实。
快速回答:据帖子称,DeepSeek仍使用英伟达GPU来训练V3,但不再使用英伟达生态:该公司开发了高级编译器TileLang,在其上构建计算组件,并主动控制AI模型与硬件之间的软件层,而不是让整个系统依赖CUDA。因此,在转向华为GPU时,DeepSeek可以复用大部分已完成的工作,而不是从头重建。据分享的评估,华为950超节点可以承担与GB200和GB300系统相当的任务,延迟相当;成本高出50%仍可接受,高出100%仍可考虑,即使200%的差距也不是太大的障碍,如果目标是独立计算能力的话——作为交换,华为必须用约4张卡来替代一张英伟达卡,并且在技术上落后对手约两年。DeepSeek还发布了面向华为昇腾的AI组件,包括TileLang、DeepGEMM、DeepEP、TileKernels和FlashMLA。*
CUDA是英伟达的并行计算软件平台:数百万开发者、众多AI框架和无数计算库都是在其上开发和优化的,这形成了一道屏障,使得更换芯片的成本远远高于仅仅寻找一张规格相当的GPU。TileLang,据帖子称,是DeepSeek开发的高级编译器——AI模型与硬件之间的软件层,使公司能够控制计算而不依赖单一芯片供应商的生态。
DeepSeek如何在不“使用英伟达生态”的情况下训练V3?
据帖子称,DeepSeek的做法相当有趣。该公司开发了一个名为TileLang的高级编译器,然后在此平台上构建计算组件。公司不是让整个系统依赖CUDA,而是主动控制AI模型与硬件之间的软件层。
好处在于,当转向华为GPU时,DeepSeek可以复用大部分已完成的工作,而不是从头重建一切。换句话说,DeepSeek正在从根源上解决问题:先减少对软件平台的依赖,再扩大硬件选择。
帖子附带的引言直接表达了这一点:在训练V3时,公司使用英伟达显卡,但不再使用英伟达生态;相反,他们先编写了高级编译器TileLang,然后基于TileLang生态完成了其他所有工作——因此几乎不再依赖英伟达的生态,只需在华为显卡上重复这一流程即可。
据引用的评估,华为950超节点与GB200和GB300相比如何?
帖子中最引人注目的部分是关于华为950和英伟达GB200、GB300的一组数字:
| 方面 | 据分享的评估 |
|---|---|
| 任务能力 | 华为950超节点可以承担与GB200和GB300系统相当的任务 |
| 延迟 | 被评估为相当 |
| 成本高出50% | 仍可接受 |
| 成本高出100% | 仍可考虑 |
| 成本高出200% | 如果目标是独立计算能力,则不是太大的障碍 |
| 付出的代价 | 必须用约4张华为卡来替代一张英伟达卡 |
| 技术差距 | 据引用的评估,华为落后对手约两年 |
帖子附带的引言还表达了一个更大的雄心:彻底扭转此前关于国产显卡生态非常差的偏见,并评估认为时机和有利条件已基本具备,只差时间——而且在一年之内,许多人会意识到这个问题已基本得到解决,剩下的问题是生产能力。发言者对国产计算能力表示乐观,并评论说,在这一点上,英伟达正在“自掘坟墓”。这是帖子中引用的一句话,表达了DeepSeek方面的观点,未经独立核实。

为什么CUDA是英伟达最大的优势?
据帖子称,多年来,英伟达建立优势不仅靠强大的GPU,还靠CUDA。数百万开发者、众多AI框架和无数计算库都是在这个平台上开发和优化的。
一家想要更换芯片的企业必须考虑重写软件、优化性能、测试和培训团队的成本。正是这些障碍使得替代英伟达比寻找一张规格相当的GPU要困难得多。
据帖子称,DeepSeek故事中最值得注意的不是华为已经超越了英伟达,而是保护英伟达地位的最大屏障之一正受到来自软件层本身的挑战。一旦软件不再被紧紧锁定在某一种GPU架构上,AI硬件竞争将进入一个非常不同的阶段:对手不一定非要立即制造出更强的GPU——它可以从让软件减少对英伟达GPU的依赖开始。
DeepSeek为华为昇腾发布了哪些工具?
值得注意的是,据帖子称,DeepSeek还发布了面向华为昇腾的AI组件,表明该公司正在投资于跨多种硬件架构优化计算的能力,而不仅仅是专注于模型开发:
- TileLang——高级编译器,计算组件的基础。
- DeepGEMM——高性能通用矩阵乘法(GEMM)库。
- DeepEP——面向混合专家(Mixture-of-Experts)模型的通信库。
- TileKernels——基于TileLang构建的计算内核。
- FlashMLA——MLA(多头潜在注意力)机制的高效实现。
这对开发者和企业意味着什么?
据帖子称,对开发者而言,编译器、内核优化和高性能计算系统可能成为AI竞赛中日益重要的领域——因为竞争正在下移到模型与硬件之间的软件层。
对企业而言,拥有更多的硬件选择意味着在供应、成本和基础设施投资战略方面更加主动。当获取先进芯片的途径受限时,问题不再是简单地以最便宜的价格购买最强的GPU;更重要的是拥有足够的计算能力来继续开发大型模型,而不完全依赖单一供应商。
帖子以一个开放性问题结尾:如果华为GPU贵一倍但仍能胜任工作,公司是否愿意转换以减少对英伟达的依赖?
常见问题
1. DeepSeek在什么硬件上训练V3? 据帖子称,DeepSeek仍使用英伟达GPU来训练V3,但不再使用英伟达的软件生态。
2. 什么是TileLang? 据帖子称,TileLang是DeepSeek开发的高级编译器;计算组件构建于其上,使公司能够控制AI模型与硬件之间的软件层,而不是依赖CUDA。
3. 华为950超节点与GB200/GB300相比如何? 据帖子中分享的评估:任务能力相当,延迟相当;作为交换,需要约4张华为卡来替代一张英伟达卡,并且华为在技术上落后约两年。
4. 成本高出多少仍可接受? 据帖子称:高出50%仍可接受,高出100%仍可考虑,即使200%的差距也不是太大的障碍,如果目标是独立计算能力的话。
5. 为什么CUDA是保护英伟达的最大屏障? 据帖子称:数百万开发者、AI框架和库都是在CUDA上开发的;更换芯片意味着重写软件、优化性能、测试和培训团队的成本。
本文改写自Hỏi Dân IT Official页面2026年11月15日的帖子。文中的数字、评估和引言均来自原帖及其引用的评价,未经独立核实。
Bài viết liên quan

16 tháng 11, 2026 · 1 phut doc
'看完之后,你的大脑将不再一样':Lara Boyd关于神经可塑性的4堂课
Dung Lê于2026年11月14日在Facebook群组中发表的一篇帖子讲述了观看脑科学家Lara Boyd TEDx演讲的经历——以及这次演讲如何改变了作者对学习的理解。本文转述作者从演讲中得出的4堂课,以及作者的个人故事。文中的科学内容和引文均按作者对演讲的转述,未与原版独立核对。

16 tháng 11, 2026 · 1 phut doc
Breakscale:不要等应用崩溃才知道它在哪里崩溃——先让它崩溃
你用VibeCoding做了一个网站,10个人测试时运行良好,第二天一投广告,人一多就崩溃了——却不知道它在哪里崩溃、该修哪里。这就是Breakscale想要解决的问题:这是一个开源的系统设计模拟器,它反其道而行之:搭建起系统,把用户量加到它崩溃为止,并向你展示它在哪里崩溃、为什么崩溃。本文基于Code Web Không Khó页面2026年11月16日的介绍帖子;各项功能和数据均来自该帖子及…

16 tháng 11, 2026 · 1 phut doc
IT专业学生失业怪AI:'AI没有抢走工作,懒惰和自以为是才正在淘汰你'
2026年11月16日上午,Facebook群组IT for Beginners中的一篇匿名帖子引起了关注,其论点与主流相反:IT专业学生毕业后失业不是因为AI抢走了工作,而是因为他们在大学期间的学习方式和态度。本文转述作者的观点——作者自称自己也还是一名在校学生——以及作者给出的例子和观察。这些是作者的个人意见,未经独立核实。