DeepSeek開源第一彈：6小時收藏破5000次，利好國產GPU？

文丨新浪科技周文猛

2月24日，在上周DeepSeek宣布本周將是開源周（OpenSourceWeek），並將連續開源五個軟件庫後。今日上午9：30時許，DeepSeek宣布開源了本次開源周首款代碼庫——針對Hopper⠇PU進行優化的高效型MLA解碼核——FlashMLA。

新浪科技注意到，在GitHub上，目前該項目開源6小時後便已收獲了超過5000Star收藏，並且擁有188個Fork（副本創建）。在聽到DeepSeek開源FlashMLA並迎來的快速的Star收藏和Fork數據增長後，某港股上市公司CTO在與新浪科技溝通中直呼：“太強了”。

另有專注於AI硬件研究並投資的投資人，在查看FlashMLA後告訴新浪科技，對於國產GPU而言，此次開源算是重大利好。“此前的國產GPU卡，很弱。那現在可以通過FlashMLA提供的優化思路和方法論，嚐試讓國產卡大幅提升性能，即使架構不同，後麵國產卡的推理性能提升將是順理成章的事兒”。

據DeepSeek官方介紹，FlashMLA基於Hopper GPUs的有效MLA解碼內核，可針對可變長度序列進行優化。

在DeepSeek整個技術路線中，MLA（多頭潛在注意力機製）是公司已經發布的V2、V3兩款模型中，最為核心的技術之一。被用於解決計算效率和內存占用上的性能瓶頸，能夠顯著提升模型訓練和推理效率，同時保持甚至增強模型性能。

此前，中國工程院院士、清華大學計算機係教授鄭緯民在與新浪科技溝通中曾提及：“DeepSeek自研的MLA架構為其自身的模型訓練成本下降，起到了關鍵作用。”他指出，“MLA通過改造注意力算子壓縮了KV Cache大小，實現了在同樣容量下可以存儲更多的KV Cache，該架構和DeepSeek-V3模型中FFN 層的改造相配合，實現了一個非常大的稀疏MoE 層，成為DeepSeek訓練成本低最關鍵的原因。”

此次DeepSeek直接開放MLA解碼核——FlashMLA，意味著DeepSeek將最為核心的MLA底層代碼直接免費開放，這讓廣大開發群體可以直接複用FlashMLA代碼庫實現用更少的GPU服務器完成同樣的任務，直接降低推理成本，這對於更多希望基於DeepSeek開源能力進行底層優化和AI應用開發群體而言，無疑是一大福利。

有意思的是，DeepSeek此次開放的MLA解碼核，主要是針對Hopper⠇PU進行優化用途的。通常而言，Hopper⠇PU是指基於英偉達Hopper架構研發的H係列GPU產品。目前，英偉達該係列芯片已經發布H100、H800和H20等多款芯片。

據DeepSeek方麵介紹，在基準測試性能表現上，FlashMLA在英偉達H800 SXM5 GPU上可實現3000 GB/s 的內存速度以及580TFLOPS的計算上限。

公開資料顯示，根據美國出口管製規定，H800的帶寬上限被設定為600 GB/s，相比一些旗艦產品有所降低。這意味著，使用FlashMLA優化後，H800的內存帶寬利用率有望進一步提高甚至突破H800 GPU理論上限，在內存訪問上達到極致，能讓開發群體充分“壓榨”英偉達H係列芯片能力，以更少的芯片實現更強的模型性能，最大化GPU價值。

有專注於AI硬件研究並投資的投資人在查看FlashMLA後表示，“FlashMLA是能讓LLM在H800跑得更快、更高效的優化方案，尤其適用於高性能AI任務，他的核心是加速大語言模型的解碼過程，提高模型的響應速度和吞吐量，這對於實時生成任務（如聊chatbot等）非常重要，對於大模型的能力和使用體驗是巨大的促進，速度會明顯提升。”

雖然FlashMLA是一個針對Hopper GPU的優化代碼庫，但對於國產GPU而言，此次開源也有利好。上述投資人在查看FlashMLA後表示，對於國產GPU而言，此次開源算是重大利好。“此前的國產GPU卡，很弱。那現在可以通過FlashMLA提供的優化思路和方法論，嚐試讓國產卡大幅提升性能，即使架構不同，後麵國產卡的推理性能提升將是順理成章的事兒”。