繞開CUDA，DeepSeek爲國產GPU“破局”？

看了DeepSeek技術方案，有一個技術細節令人印象深刻：DeepSeek模型竟然繞開了CUDA，轉而採用GPU低級彙編語言PTX進行優化。

PTX（Parallel Thread Execution）是英偉達GPU的中間指令集架構，它處於高級GPU編程語言CUDA和低級機器代碼（流處理彙編或SASS）之間。由於開發難度極高，PTX往往被大多數算法工程師忽視。

作爲一名曾在大廠AI部門工作多年的人，深知身邊同事大多使用谷歌TensorFlow開發AI模型，真正使用CUDA很少。在國內大廠中，雖然肯定有工程師能夠熟練運用PTX等低級彙編語言，但他們大多不在算法團隊。而在國外大廠，算法工程師們擁有更高性能的GPU以及更大規模的集羣，自然也不需要在PTX級別進行優化。

更何況在早些年，人工智能三大頂會之一的NeurIPS更傾向於欣賞具有數學創新的AI模型，而彙編語言的優化並不被視爲創新，完全不在頂會的考慮範圍內。因此，大部分算法工程師們也就不願意去研究PTX優化。

然而，DeepSeek的母公司幻方作爲中國頭部量化公司，在高頻策略中使用匯編進行優化是再正常不過的行爲。面對有限的GPU算力，採用PTX低級彙編語言進行優化無疑是理所當然的技術方案。調試PTX這樣低級的編程代碼，需要極大的毅力和出色的能力，DeepSeek的算法工程師們在這方面展現出的水平令人歎服。

對於長期苦於CUDA生態限制的AMD以及國內的GPU公司來說，這無疑是一個絕佳的機會。事實上，在此前DeepSeek本地部署的文檔中，已經明確支持華爲昇騰芯片。可以預見的是，華爲等國內GPU公司針對DeepSeek訓練的硬件升級已經在緊鑼密鼓地攻克中。畢竟，構建一個完整的CUDA生態難度極大，而模仿PTX優化則相對容易得多。

這無疑是國之幸事。早在幾年前，A股市場養育出了幻方量化。如今，它們在技術上的突破和創新，不僅爲自身的發展開闢了新路徑，也爲國內整個AI行業的生態建設帶來了新的希望和機遇。