“DeepSeek甚至繞過了CUDA”，論文細節再引熱議，工程師靈魂提問：英偉達護城河還在嗎？

來源：量子位（ID: QbitAI）作者夢晨 西風

英偉達剛剛從DeepSeek-R1引發的緩過勁來，又面臨新的壓力？

硬件媒體Tom‘s Hardware帶來開年最新熱議：

DeepSeek甚至繞過了CUDA，使用更底層的編程語言做優化。

這一次是DeepSeek-V3論文中的更多細節，被人挖掘出來。

來自Mirae Asset Securities Research（韓國未來資產證券）的分析稱，V3的硬件效率之所以能比Meta等高出10倍，可以總結爲“他們從頭開始重建了一切”。

在使用英偉達的H800 GPU訓練DeepSeek-V3時，他們針對自己的需求把132個流式多處理器（SMs）中的20個修改成負責服務器間的通信，而不是計算任務。

變相繞過了硬件對通信速度的限制。

△ DeepSeek-V3 Technical Report

這種操作是用英偉達的PTX（Parallel Thread Execution）語言實現的，而不是CUDA。

PTX在接近彙編語言的層級運行，允許進行細粒度的優化，如寄存器分配和Thread/Warp級別的調整。

這種編程非常複雜且難以維護，所以行業通用的做法是使用CUDA這樣的高級編程語言。

換句話說，他們把優化做到了極致。

有網友表示，如果有一羣人嫌CUDA太慢而使用PTX，那一定是前量化交易員。

一位亞馬遜工程師提出靈魂質問：CUDA是否還是護城河？這種頂尖實驗室可以有效利用任何GPU。

甚至有網友開始暢想，如果“新源神”DeepSeek開源了一個CUDA替代方案……

那麼事情是否真會如此？

DeepSeek真的繞過了CUDA？

首先要明確的是，PTX仍然是英偉達GPU架構中的技術，它是CUDA編程模型中的中間表示，用於連接CUDA高級語言代碼和GPU底層硬件指令。

PTX類似彙編語言，代碼大概長這樣：

△來自tinkerd.net

在實際編譯流程中，CUDA代碼首先被編譯爲PTX代碼，PTX代碼再被編譯爲目標GPU架構的機器碼（SASS,Streaming ASSembler）。

CUDA起到了提供高級編程接口和工具鏈的作用，可以簡化開發者的工作。而PTX作爲中間層，充當高級語言和底層硬件之間的橋樑。

另外，這種兩步編譯流程也使得CUDA程序具有跨架構的兼容性和可移植性。

反過來說，像DeepSeek這種直接編寫PTX代碼的做法，首先不僅非常複雜，也很難移植到不同型號的GPU。

有從業者表示，針對H100優化的代碼遷移到其他型號上可能效果打折扣，也可能根本不工作了。

所以說，DeepSeek做了PTX級別的優化不意味着完全脫離了CUDA生態，但確實代表他們有優化其他GPU的能力。

事實上，我們也能看到DeekSeek已經與AMD、華爲等團隊緊密合作，第一時間提供了對其他硬件生態的支持。

One More Thing

還有人提出，如此一來，讓AI擅長編寫彙編語言是AI自我改進的一個方向。

我們不知道DeepSeek內部是否使用AI輔助編寫了PTX代碼——

但是確實剛剛見證DeepSeek-R1編寫的代碼顯著提升大模型推理框架的運行速度。

Llama.cpp項目中的一個新PR請求，使用SIMD指令（允許一條指令同時處理多個數據）顯著提升WebAssembly在特定點積函數上的運行速度，提交者表示：

llama.cpp項目的創始人檢查了這段代碼後表示“比預期的更爆炸”。

參考鏈接：[1]https://www.tomshardware.com/tech-industry/artificial-intelligence/deepseeks-ai-breakthrough-bypasses-industry-standard-cuda-uses-assembly-like-ptx-programming-instead[2]https://x.com/bookwormengr/status/1883355712191123666[3]https://tinkerd.net/blog/machine-learning/cuda-basics/[4]https://www.amd.com/en/developer/resources/technical-articles/amd-instinct-gpus-power-deepseek-v3-revolutionizing-ai-development-with-sglang.html[5]https://x.com/ggerganov/status/1883888097185927311

2025，信心同行，美好可期