英伟达刚刚从DeepSeek-R1引发的4万亿元暴跌中缓过劲来，又面临新的压力？ 硬件媒体Tom‘s Hardware带来开年最新热议： DeepSeek甚至绕过了CUDA，使用更底层的编程语言做优化。 这一次是DeepSeek-V3论文中的更多细节，被人挖掘出来。 来自Mirae Asset Securities Research（韩国未来资产证券）的分析称，V3的硬件效率之所以能比Meta等高出10倍，可以总结为“他们从头开始重建了一切”。 在使用英伟达的H800 GPU训练DeepSeek-V3时，他们针对自己的需求把132个流式多处理器（SMs）中的20个修改成负责服务器间的通信，而不是计算任务。 变相绕过了硬件对通信速度的限制。 △DeepSeek-V3 Technical Report 这种操作是用英伟达的PTX（Parallel Thread Execution）语言实现的，而不是CUDA。 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，他们把优化做到了极致。 有网友表示，如果有一群人嫌CUDA太慢而使用PTX，那一定是前量化交易员。 一位亚马逊工程师提出灵魂质问：CUDA是否还是护城河？这种顶尖实验室可以有效利用任何GPU。 甚至有网友开始畅想，如果“新源神”DeepSeek开源了一个CUDA替代方案… 那么事情是否真会如此？DeepSeek真的绕过了CUDA？ 首先要明确的是， PTX类似汇编语言，代码大概长这样： 在实际编译流程中，CUDA代码首先被编译为PTX代码，PTX代码再被编译为目标GPU架构的机器码（SASS,Streaming ASSembler）。 CUDA起到了提供高级编程接口和工具链的作用，可以简化开发者的工作。而PTX作为中间层，充当高级语言和底层硬件之间的桥梁。 另外，这种两步编译流程也使得CUDA程序具有跨架构的兼容性和可移植性。 反过来说，像DeepSeek这种直接编写PTX代码的做法，首先不仅非常复杂，也很难移植到不同型号的GPU。 有从业者表示，针对H100优化的代码迁移到其他型号上可能效果打折扣，也可能根本不工作了。 所以说，DeepSeek做了PTX级别的优化不意味着完全脱离了CUDA生态，但确实代表他们有优化其他GPU的能力。 事实上，我们也能看到DeekSeek已经与AMD、华为等团队紧密合作，第一时间提供了对其他硬件生态的支持。 还有人提出，如此一来，让AI擅长编写汇编语言是AI自我改进的一个方向。 我们不知道DeepSeek内部是否使用AI辅助编写了PTX代码—— 但是确实刚刚见证 Llama.cpp项目中的一个新PR请求，使用SIMD指令（允许一条指令同时处理多个数据）显著提升WebAssembly在特定点积函数上的运行速度，提交者表示：这个PR中的99%的代码都是由DeekSeek-R1编写的。我唯一做的就是开发测试和编写提示（经过一些尝试和错误）。 llama.cpp项目的创始人检查了这段代码后表示“比预期的更爆炸”。
