量子位
·
“DeepSeek甚至绕过了CUDA”，论文细节再引热议，工程师灵魂提问：英伟达护城河还在吗？
💡
原文中文，约2200字，阅读约需6分钟。
📝
内容提要
DeepSeek-V3论文引发关注，因其绕过CUDA，利用PTX语言提升硬件效率达10倍。分析指出其重建架构挑战英伟达技术壁垒，尽管PTX复杂，DeepSeek仍与AMD等合作，展示优化能力，可能推动AI自我改进。
🎯
关键要点
- DeepSeek-V3论文引发关注，因其绕过CUDA，利用PTX语言提升硬件效率达10倍。
- 分析指出DeepSeek-V3重建架构挑战英伟达技术壁垒。
- DeepSeek-V3在使用英伟达H800 GPU时，修改了20个流式多处理器以优化通信速度。
- PTX语言允许细粒度优化，但编写复杂且难以维护。
- DeepSeek与AMD等公司合作，展示了其优化能力。
- 有观点认为AI自我改进的方向是让AI擅长编写汇编语言。
- DeepSeek-R1编写的代码显著提升了大模型推理框架的运行速度。
❓
延伸问答
DeepSeek-V3是如何提升硬件效率的？
DeepSeek-V3通过绕过CUDA，使用PTX语言进行细粒度优化，提升硬件效率达10倍。
DeepSeek-V3对英伟达的技术壁垒有什么影响？
DeepSeek-V3重建架构挑战了英伟达的技术壁垒，可能影响其市场地位。
PTX语言的复杂性如何影响DeepSeek的开发？
PTX语言允许细粒度优化，但编写复杂且难以维护，这对开发者提出了更高的要求。
DeepSeek与哪些公司合作？
DeepSeek与AMD等公司合作，展示了其优化能力并支持其他硬件生态。
DeepSeek的优化能力如何影响AI自我改进？
DeepSeek的优化能力可能推动AI自我改进，尤其是在编写汇编语言方面。
DeepSeek-V3在使用英伟达H800 GPU时做了哪些修改？
DeepSeek-V3在H800 GPU上修改了20个流式多处理器以优化服务器间的通信速度。
➡️
