华为升腾950PR矩阵计算仅H100四成速度，DeepSeek正从软件里挤性能

BiRun 讯，动察 Beating AI 快讯，去年，DeepSeek 尝试用华为升腾芯片训练 R2，华为工程师驻场协助也没能跑通。芯片稳定性、跨卡通信和软件支持都存在问题。今年双方继续深入合作。9 月底，DeepSeek 集中公开了六套升腾适配代码；10 月又传出华为正在按照 DeepSeek 的模型需求调整下一代芯片设计。

半导体研究机构 SemiAnalysis 最近公布了升腾 950PR 的实测结果。研究人员选取 1055 组大模型常用的矩阵计算，发现华为自己的底层程序已经让 950PR 发挥出自身 86% 的可达算力，高于英伟达 H100 的 75.5%。可实际运算速度仍只有 H100 的 43%，与更新的 B300 相比更只有 21%。这组成绩还没用上 DeepSeek 新移植的算子。

DeepSeek 正在从软件里减少数据搬运和等待时间。比如运行注意力计算时，原本需要分别读取的两份数据，经过 FlashMLA 调整存储方式后，一次就能取齐。另一套工具 TileLang 可以让芯片一边计算，一边提前加载下一批数据。SemiAnalysis 实测，自动调度让部分小型计算任务的耗时最多减少约 40%。DeepSeek 还移植了负责 MoE 专家通信的 DeepEP，但通信与计算仍会争抢内存带宽，华为计划继续改进固件。

此次测试的 950PR 主要面向推理输入处理，DeepSeek 准备最快年底用于大规模预训练的是 950DT。此前双方已开展千卡级测试，但要让上万颗芯片连续完成一轮大模型训练，还需要解决更复杂的协同和稳定性问题。