快科技2月5日消息，华为（昇腾+CANN）+Deepseek，能解决英伟达GPU+CUDA的“卡脖子”吗？

据tomshardware等多家媒体报道，华为最新的AI处理器昇腾910C（Ascend 910C）的推理性能已达NVIDIA H100 GPU的六成。

根据DeepSeek 研究人员的测试，在推理任务中，昇腾910C性能可达H100的60%。据悉，升腾910C采用chiplet封装，第二代7nm级（N+2）工艺，整合约530亿个晶体管。 

虽然昇腾910C并非当前最强AI芯片，但它有助于降低中国对NVIDIA GPU的依赖。

此外，通过手动优化CANN内核，其效率可以进一步提高。DeepSeek对昇腾处理器及其 PyTorch存储库的原生支持允许以最小的的资源代价，实现CUDA到CANN的无缝转换，从而更容易将华为的硬件集成到AI工作流程中。

据了解，DeepSeek的支持为华为芯片带来了关键优势：从第一天起就支持华为昇腾芯片，自主维护PyTorch仓库，只需一行代码就能将CUDA转换为CANN；而且性能优化潜力巨大，通过定制优化可达到更高性能。

据华为官网介绍，CANN（Compute Architecture for Neural Networks）是昇腾针对AI场景推出的异构计算架构，对上支持多种AI框架，对下服务AI处理器与编程，发挥承上启下的关键作用，是提升昇腾AI处理器计算效率的关键平台。同时针对多样化应用场景，提供高效易用的编程接口，支持用户快速构建基于昇腾平台的AI应用和业务。

据了解，CANN分社区版和商用版。前者是快速提供新特性的体验版，供开发者提前试用；而后者是满足商用标准的稳定版本。

目前，CANN社区版已经来到了8.0.0.alpha003版本，针对Ascend C进行了特性增强。而商用版CANN 8.0.RC3版本也已经发布，新增适配7个操作系统，简化了CANN安装流程。

DeepSeek的Yuchen Jin表示，长期训练可靠性是中国处理器的一个关键弱点。

主要是NNVIDIA硬件和软件生态系统的深度集成，该生态系统已经发展了二十多年。虽然推理性能可以优化，但持续的训练工作负载需要华为的硬件和软件堆栈进一步改进。

而随着AI模型架构向Transformer收敛，CUDA和PyTorch编译器的重要性将降低。DeepSeek团队的加入将显著降低对NVIDIA的依赖，大幅节省成本。

无独有偶。此前有消息称，DeepSeek开发的大语言模型绕过了英伟达的CUDA框架，正为未来兼容国产GPU芯片做准备。

最新发现显示，DeepSeek使用英伟达的H800芯片训练时，使用英伟达底层硬件指令PTX（Parallel Thread Execution）语言，而非高级编程语言CUDA。

这样意味着DeepSeek绕过了CUDA，使用更底层的编程语言做优化。

对于程序开发人员来说，CUDA是一种更加友好的高级语言，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。

而PTX在接近汇编语言的层级运行，允许进行细粒度的优化，如寄存器分配和Thread / Warp级别的调整。这种编程非常复杂且难以维护，所以行业通用的做法是使用CUDA这样的高级编程语言。

换句话说，DeepSeek把优化做到了极致。

北京航空航天大学副教授黄雷表示，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。

这也说明DeepSeek拥有一些擅长写PTX语言的内部开发者。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。