在DeepSeek啟動的“開源周”上（Open Source Week）DeepSeek將陸續(xù)開源5個代碼庫，大家關心的DeepSeek扔的第二枚開源王炸是什么？我們這里來簡單介紹一下。

DeepSeek在其開源周活動中連續(xù)扔出了兩枚震撼業(yè)界的“開源王炸”--FlashMLA與DeepEP。

在25日，也就是DeepSeek開源周的第二天，DeepSeek發(fā)布了名為DeepEP的開源代碼庫。DeepEP是全球首個專為MoE(混合專家)模型訓練和推理設計的通信庫，它的出現填補了該領域專用工具的空白。MoE模型作為一種能夠有效提升AI模型性能和擴展性的架構，近年來在自然語言處理、計算機視覺等領域得到了廣泛應用。然而，MoE模型在訓練和推理過程中，面臨著通信開銷大、算力需求高等挑戰(zhàn)。DeepEP正是針對這些痛點，通過優(yōu)化GPU之間的信息傳輸效率，極大地緩解了從業(yè)者的算力焦慮。

業(yè)界人士多認為DeepEP是首個用于 MoE 模型訓練和推理的開源 EP 通信庫，它填補了MoE模型專用通信工具的空白，為大規(guī)模分布式AI訓練和實時推理場景提供了更高效的底層支持。

DeepEP的核心優(yōu)勢在于其高效的通信機制。在傳統的分布式AI訓練中，GPU之間的通信往往成為性能瓶頸。DeepEP通過一系列創(chuàng)新技術，如低延遲通信協議、智能數據調度等，顯著提升了GPU之間的通信效率。這意味著，原本需要龐大算力支持的重型任務，現在可以在更少的GPU上高效完成。據DeepSeek官方介紹，使用DeepEP后，某些MoE模型的訓練速度可提升數倍，同時降低了對硬件資源的依賴。

DeepEP的技術性能特點概述：

EP為Expert Parallelism（專家并行），是一種在大規(guī)模分布式AI模型訓練中使用的技術，能用于提升模型并行處理能力和訓練效率。

1、高效通信架構

支持優(yōu)化的全對全通信模式，實現節(jié)點內和節(jié)點間的NVLink與RDMA互聯，提升數據傳輸效率

2、多精度與調度優(yōu)化

原生支持FP8低精度運算調度，降低計算資源消耗。

3、重性能內核

據介紹，高吞吐量內核可適用于訓練和推理預填充場景，最大化數據處理能力；

4、低延遲內核

它針對推理解碼場景設計，采用純RDMA通信和自適應路由技術，減少延遲。

5、資源控制與重疊機制

通過靈活的GPU資源控制策略，實現計算與通信過程的高效重疊，避免資源閑置。

6、深度優(yōu)化場景

針對NVLink到RDMA的非對稱帶寬轉發(fā)場景進行專項優(yōu)化，提升異構網絡下的傳輸性能；

支持SM（Streaming Multiprocessors）數量動態(tài)控制，平衡不同任務（如訓練與推理）的吞吐量需求。

DeepEP與FlashMLA的對比

DeepSeek在其開源周活動中首個開源的項目是FlashMLA；FlashMLA讓AI大模型低成本卻有高性能。

DeepSeek扔的第二枚開源王炸是全棧通信庫DeepEP。與第一枚開源王炸FlashMLA相比，兩者在多個方面存在顯著差異。以下是對這兩者的詳細對比以及外媒的熱議：

1. 功能定位：

● DeepEP：它是全球首個面向MoE（Mixture of Experts）模型的全棧通信庫，旨在優(yōu)化GPU之間的信息傳輸效率，從而極大提升AI模型的訓練與推理效率。

● FlashMLA：專為英偉達Hopper架構GPU（如H800/H100）優(yōu)化的高效MLA解碼內核，旨在顯著提升AI的加速能力，特別是在處理長短句子并行任務時能夠動態(tài)調整計算資源分配，避免算力浪費。

2. 技術特點：

● DeepEP：具備高效的全員通信能力，支持NVLink與RDMA技術，提供高吞吐量的訓練預填充內核以及低延遲的推理解碼內核。原生支持FP8調度，靈活的GPU資源管理能力使得計算和通信可以重疊進行。

● FlashMLA：專為高性能顯卡設計，能夠充分挖掘顯卡性能潛力，被視為AI加速的“渦輪增壓器”。

3. 硬件兼容性：

● DeepEP：具有更廣泛的硬件兼容性，不受特定GPU架構的限制。

● FlashMLA：目前僅適配Hopper架構GPU，國產GPU的兼容性尚待驗證。

DeepSeek的這兩枚開源王炸在國際上引起了廣泛關注。外媒對DeepSeek的評價普遍較高，認為其打破了人們對人工智能研發(fā)需要“高投入、長周期”的傳統認知，提供了低成本、高效能的解決方案。同時，DeepSeek的開源策略也被視為一種促進全球科技進步的積極舉措。

具體來說，外媒對DeepEP和FlashMLA的關注點有所不同。對于DeepEP，外媒主要關注其在優(yōu)化GPU通信效率、提升AI模型訓練與推理效率方面的潛力。而對于FlashMLA，外媒則更側重于其在提升AI加速能力、挖掘顯卡性能潛力方面的表現。

DeepSeek的第二枚開源王炸DeepEP與第一枚開源王炸FlashMLA在功能定位、技術特點、硬件兼容性和開源時間等方面存在顯著差異。外媒對這兩者的評價普遍積極，認為它們?yōu)槿斯ぶ悄茴I域帶來了新的突破和進步。

我們知道每一次技術的突破都可能成為推動行業(yè)發(fā)展的關鍵力量。也能夠帶來更多產業(yè)鏈的機遇。比如AI 能力和性能不斷提升，模型的規(guī)模和復雜度持續(xù)增長，面對信息速率和密度不斷提升的AI，技術進步也會遵循摩爾定律，那硬件互連準備好了嗎？

DeepSeek啟動的“開源周”連續(xù)5天（2月24日至28日）；歡迎大家繼續(xù)關注DeepSeek的大招。期待更多讓我們驚喜的東西能夠面世。