尽管春节假期已经过半，但是“来自东方的神秘力量的 DeepSeek”仍在引起全世界热议，各路业内人士也仍在从不同角度分析 DeepSeek 的模型和技术文章。
韩国 Mirae Asset Securities Research 的一名分析师在 X 撰写长文分析称：“这一突破是通过实施大量细粒度优化和使用英伟达的汇编式 PTX 编程，而非通过英伟达 CUDA 中的某些功能来实现的。”
（来源：X）
也就是说 DeepSeek 在研发大模型时绕过了 CUDA。CUDA（Compute Unified Device Architecture，统一计算架构），是由英伟达开发的一种通用编程框架，它允许开发者利用英伟达的图形处理器（GPU，Graphics Processing Unit）进行通用计算。
如果 DeepSeek 真的绕过了 CUDA，那么这能说明什么？围绕这一主题，DeepTech 采访了北京航空航天大学黄雷副教授。
图 | DeepSeek logo（来源：DeepSeek）
对于程序开发人员来说，CUDA 好比是一种高级语言，开发者只需要专注于程序和算法最相关的运行逻辑，而不太需要考虑具体的程序是如何在 GPU 等硬件上具体如何执行计算的，从而能够降低开发难度。
举例来说，假如一个人会写汇编语言，虽然能非常高效地操作计算机，但是，汇编语言对于非专业出身的人员难度非常高，哪怕执行一个给变量赋值操作都需要好几条命令，并且还要了解寄存器、内存等计算机基础概念。
因此，开发者们纷纷转去使用高级语言进行编程。这时，要想实现同样操作，开发者只需使用一个变量赋值就可以。CUDA 便是为了方便开发基于 GPU 的算法设计的。
大模型开发商在使用英伟达的 GPU 的时候，一般是基于 CUDA 去做研发。使用 CUDA 的话对于开发者的要求较低，因为 CUDA 里面已经封装好一些函数，使用时直接调用接口就行，完全无需理会太多的细节，但是这样肯定会损失执行效率。
也就是说，CUDA 等于是给开发者框定好了一些常用东西所以具有通用性，这在容易使用的同时也会损失一些灵活性。譬如其设计的矩阵乘法算子，数据加载传输算子等，是深度学习开发者常用的算子，因此其在设计时会考虑通用性（即平均条件下最优）。
但对于有特定需求的 GPU 开发者来说，除了开发常用的能力之外，它还需要有更强大的能力，如比较精细地控制某个节点上某个 GPU 主要是用来干啥，以及如何精细化不同 GPU 之间传输数据、权重和梯度等，这在大模型这种要求多机多卡训练时比较常见。对于这些特定需求下的高效编程，CUDA 目前还未针对性设计一个高效的解决方案。
前面提到，由于 CUDA 是通用型编程框架，因此会损失一些灵活性。当仅仅使用单个 GPU 的时候，CUDA 的确非常适用。但是，当在不同节点使用多个 GPU 的时候，就需要在细粒度上实现更好的控制。
而在这时，如果依然使用 CUDA 那么在抽象层面的效率就会比较低。原因在于 CUDA 被设计得具备通用性，它要考虑到所有开发者的情况。假如一名开发者希望高效利用 CUDA 的性能，那就可以通过组合一些由 GPU 驱动提供的函数接口，来写出更高效的程序。
也就是说，如果一位开发者懂得更接近于底层硬件的编程，那么就可以直接调用硬件提供的接口，从而就能让大模型研发变得更加高效。与此同时，随着同类的开源通用编程框架的出现，人们觉得 CUDA 越来越“封闭”。而绕过 CUDA，可以直接根据 GPU 的驱动函数做一些新的开发，从而实现更加细粒度的操作。
譬如 DeepSeek 在多节点通信时绕过了 CUDA 直接使用 PTX（Parallel Thread Execution），其最多只能实现以算法的方式来高效利用硬件层面的加速。
当然，一旦速度变得更快，打个比方这就意味着别人家的模型要训练十天，而 DeepSeek 只需要训练五天，那么就能给模型喂更多的数据，即能让模型在同等时间内看到更多的数据，间接提高模型的效果。
事实上，绕过 CUDA 也并非一种新鲜做法。现在也有一些和 CUDA 对标的编程框架，如 Triton 并且其是开源的。此前北京智源研究院的相关研究人员也专门基于 Triton 去加速英伟达以及国产的 GPU，且也可以认为这是一种绕过了 CUDA 去调用 GPU 驱动提供的相关函数的做法。
以目前 AI 方向技术人员为例，通常在本科阶段基本上只会接触到基于深度学习框架（通常为 Python 语言）来训练神经网络，还不会直接接触到各类深度学习框架提供的用 C++ 来写 CUDA 相关的编程任务（有一些好学者或者有参与科研项目的人员有可能会利用 C++ 来写 CUDA 实现相关算法的提速）。
这些人员在工作以后有可能由于 AI 项目落地的需要，会接触到针对具体的硬件资源来适配模型的编程，但要绕过 CUDA 来写模型的训练算法，通常没有这样的需求。
但现在大模型的训练的确有这些需求，譬如由于这样或者那样的原因导致英伟达 GPU 算力短缺，逼得大模型训练人员考虑在有限得算力资源下，如何尽可能地高效利用算力。
在 DeepSeek-V3 的技术博文中，DeepSeek 表示其使用了英伟达的 PTX（Parallel Thread Execution）语言。
假如 DeepSeek 的开发者能够很好地使用 PTX（Parallel Thread Execution）语言，那么相比使用 CUDA 提供的编程接口，肯定可以更精细地控制 GPU 之间传输数据、权重和梯度等。但是，使用 PTX 写出来的代码非常复杂，且很难维护，因此需要专业度较高的开发者。
（来源：DeepSeek）
也就是说，绕过 CUDA 的做法具有一定的技术难度，这需要开发者既要懂 AI 模型的算法，又要懂计算机系统架构来高效分配硬件资源。如果没有同时掌握这两方面技能的开发者，那就要分别招聘懂这些技能的开发者，即需要协调好不同人员。
从 DeepSeek 的技术报告来看，其主体实现还是基于 CUDA 的相关接口，其描述中也阐述绕开了 CUDA 来写通信，那就意味着它招聘了掌握不同技能的人才，并能将这些人才很好地串了起来。
这也说明 DeepSeek 拥有一些擅长写 PTX 语言的内部开发者。那么，假如它之后使用国产 GPU，其在硬件适配方面将会更得心应手，其只要了解这些硬件驱动提供的一些基本函数接口，就可以仿照英伟达 GPU 硬件的编程接口去写相关的代码，从而让自家大模型更加容易适配国产硬件。
与此同时，从 DeepSeek 的技术报告来看，其技术从学术研究角度并没有胜出一筹，但是在工程上面的确非常有技巧。考虑到 AMD 已经宣布集成 DeepSeek-V3 到 MI300X GPU，因此未来不排除会有更多 GPU 厂商牵手 DeepSeek。
同时，也正如上述韩国分析师在同一篇 X 文章中所说的：“这凸显了 DeepSeek 非凡的工程水平，并表明美国对华制裁加剧的“GPU 短缺危机”激发了他们紧迫感和创造力。”
运营/排版：何晨龙
