一句话看懂：DeepSeek 开源了统一的高性能 GPU 张量核心算子库 DeepGEMM，把大模型训练和推理中最吃算力的几类核心计算整合进一套轻量 CUDA 代码，安装时无需编译 CUDA，却在多种矩阵形状上追平甚至超过专家手工调优的库。
事件核心：发生了什么
根据其 GitHub 仓库信息，DeepGEMM 是一个统一的张量核心算子库，覆盖现代大语言模型的关键计算原语：FP8、FP4、BF16 精度的 GEMM，融合通信的 MoE（Mega MoE），面向 lightning indexer 的 MQA 打分，以及 HyperConnection 等。所有算子通过 DeepJIT 在运行时编译，安装阶段不需要 CUDA 编译。
它的时间线相当密集：2025 年 4 月宣称在 H800 上达到最高 1550 TFLOPS；2025 年 7 月完成重构并同时支持 SM90 / SM100；2025 年 9 月加入 DeepSeek v3.2 的 indexer 打分算子；2026 年 4 月加入 Mega MoE、FP8xFP4 GEMM、PDL 和更快的 JIT 编译；2026 年 9 月 10 日进一步加入 Sparse Indexer、Mega Gate、Mega mHC 等优化；2026 年 9 月 30 日更新还提到 DeepGEMM Ascend 版本。仓库强调设计刻意保持简单，只保留少量核心 kernel 函数，并借用了 CUTLASS 与 CuTe 的部分概念但避免重度依赖其模板体系。
为什么重要
算力是大模型竞争中最硬的成本项，而 GEMM 和 MoE 通信又是训练与推理里占比最高的计算环节。DeepGEMM 把 FP8、FP4 低精度矩阵乘与 MoE、indexer、HyperConnection 这些 DeepSeek 自家模型路线上反复出现的能力，打包成一个免安装编译的开源库，等于把内部优化经验对外释放。目前公开信息显示，它在多种矩阵形状上性能与专家调优库持平或更好，同时代码量小、易读，这对希望学习 NVIDIA GPU kernel 优化的开发者是可用的教材级资源。对行业而言，它进一步强化了“开源算子库 + 低精度 + MoE”的技术路线，也可能压缩商业算子库的溢价空间。
对用户/开发者/创作者的影响
对开发者来说，最直接的价值是接入门槛低：只需 Python 3.8 以上、CUDA 12.9 以上、PyTorch 2.3 以上，并且安装时通过 DeepJIT 运行时编译，不必在部署环境里配置完整 CUDA 编译链路。做 MoE 推理或微调、尤其是采用 contiguous 或 masked 分组 GEMM 的团队，可以优先评估。需要注意接口约定：命名遵循 D = C + A @ B，输入为 NT 布局，SM90 只支持 NT，SM100 支持 NT/TN/NN/TT；缩放因子在 SM90 用 FP32，SM100 用打包的 UE8M0 格式。此外输入转置、FP8 量化等操作仍需用户自己完成或融合到前序 kernel。对使用 DeepSeek 模型 API 或自建推理服务的团队，这更多是底层效率改进，普通终端用户短期内感知有限。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 DeepGEMM Ascend 版本的实际成熟度和性能数据，这关系到它能否从 NVIDIA 生态扩展到国产算力；二是 2026 年 9 月这轮 Sparse Indexer、Mega Gate 等优化是否会同步进入 DeepSeek 正式模型或 API 服务；三是 SM100 / 后续架构上的性能能否继续保持对主流商业库的优势，以及社区是否围绕 DeepJIT 形成二次开发生态。
来源：github
