DeepSeek 開源 Ascend Kernel Stack，但開發者會真的跳船離開 Nvidia CUDA 嗎

DeepSeek 與華為聯手釋出的開源工具，瞄準的是 Nvidia 最難攻破的護城河：轉換成本。

DeepSeek 新發布兩個完全新建的程式庫——DeepGEMM-Ascend（矩陣乘法）與 DeepEP-Ascend（MoE 模型所依賴的 all-to-all 通訊），同時對 TileKernels、DeepSelect、FlashMLA 三個既有工具推出 Ascend 版更新。媒體報導中被稱為「中國版 CUDA」的核心元件 TileLang，其實早在 2025 年 1 月就已開源，Huawei Ascend 適配器也於 9 月 29 日靜靜發布在外部 repository，比這次聲勢浩大的聯合發布早了整整一年——這意味著這次更多是一次集中宣傳，而不是真正的技術首發。

這套工具的設計邏輯很清楚：DeepGEMM-Ascend 刻意維持與 CUDA 版本相同的 Python package 名稱與 API 介面，DeepEP-Ascend 也對齊 Nvidia 版的 public buffer 介面。目標不是跑出更好的 benchmark，而是讓開發者遷移時少踩一點坑。Nvidia 的護城河本質上是轉換成本——CUDA 生態二十年積累，要開發者拋棄整套工具鏈，代價極高。DeepSeek 這批程式庫的用意正是在這道牆上鑿洞。

但鑿洞的進度，看 GitHub 數字就清楚了。DeepGEMM-Ascend 目前 515 顆星、39 個 fork；原版 DeepGEMM 則是 8,522 顆星、1,359 個 fork。DeepEP-Ascend 的 224 顆星對比原版 DeepEP 的逾 10,200 顆星，落差更大。開發者社群還沒有大規模跟進。

硬體門檻是另一層障礙。DeepGEMM-Ascend 要求 Ascend 950 系列搭配 CANN 9.20；DeepEP-Ascend 還需要 UBMEM 連接規格，適用對象實際上窄至華為自家工程師以及少數能拿到這批矽片的中國 AI 實驗室。已發布的 benchmark 跑在一套 DeepSeek 自己聲稱「不對外發布」的概念驗證硬體組合上——這讓數字的可驗證性大打折扣。

Huawei 的聲譽問題更是積累已久。ChinaTalk 引述《金融時報》，有華為研究員直接說 CANN 讓 Ascend 晶片難用又不穩定，中國開發者也有人形容在 910B 上開發是「一路踩坑」。Epoch AI 的報告顯示，華為會派工程師常駐百度、騰訊等大客戶，協助把 CUDA 訓練程式碼移植過去、維持部署運作——換言之，現階段連自家生態圈都還得靠人力兜底。

DeepSeek 公開自己的生產級 kernel，某種程度上回應了這個批評：有在真實模型上跑過的程式碼，比廠商文件更有說服力。但這批程式碼只跑在一個晶片家族上、只相容一個 toolkit 版本，底層 firmware 對外部開發者基本上不可及。

對企業決策者而言，這批開源工具短期內還不足以讓多數開發團隊動搖。美國對 Nvidia 晶片出口限制持續收緊、中國也難以取得，逼著中國 AI 產業必須往 Ascend 走——但工具鏈就位是一回事，開發者願不願意用、能不能順暢用，是另一回事。GitHub 的星數不說謊：現在的局面，是 Nvidia 的領先仍以數量級計，而 Ascend 生態圈還在說服開發者相信這條路走得通。