英偉達剛從DeepSeek-R1引發的4兆元暴跌中緩過勁來，又面臨新的壓力？硬體媒體Tom’s Hardware帶來開年最新熱議：DeepSeek甚至繞過了CUDA，使用更底層的程式語言做最佳化。

這次是DeepSeek-V3論文中的更多細節，被挖掘出來。

來自Mirae Asset Securities Research（韓國未來資產證券）的分析稱，V3的硬體效率之所以能比Meta等高出10倍，可以總結為「他們從頭開始重建了一切」。

在使用英偉達的H800 GPU訓練DeepSeek-V3時，他們針對自己的需求把132個流式多處理器（SMs）中的20個修改成負責伺服器間的通信，而不是計算任務。

變相繞過了硬體對通訊速度的限制。

△ DeepSeek-V3技術報告

這種操作是用英偉達的PTX（Parallel Thread Execution）語言實現的，而不是CUDA。

PTX在接近彙編語言的層級上運行，允許進行細粒度的最佳化，如暫存器分配和Thread/Warp層級的調整。

這種程式設計非常複雜且難以維護，所以業界通用的做法是使用CUDA這樣的高階程式語言。

換句話說，他們把優化做到了極致。

有網友表示，如果有一群人嫌CUDA太慢而使用PTX，那一定是前量化交易員。

一位亞馬遜工程師提出靈魂質疑：CUDA是否還是護城河？這種頂尖實驗室可以有效利用任何GPU。

甚至有網友開始暢想，如果「新源神」DeepSeek開源了一個CUDA替代方案…

那麼事情是否真是如此？

01 DeepSeek真的繞過了CUDA？

首先要明確的是，PTX仍然是英偉達GPU架構中的技術，它是CUDA程式設計模型中的中間表示，用來連接CUDA高階語言程式碼和GPU底層硬體指令。

PTX類似組合語言，程式碼大概長這樣：

△來自tinkerd.net

在實際編譯流程中，CUDA程式碼先編譯為PTX程式碼，PTX程式碼再被編譯成目標GPU架構的機器碼（SASS，Streaming ASSembler）。

CUDA扮演了提供高階程式介面和工具鏈的作用，可以簡化開發者的工作。而PTX作為中間層，充當高階語言和底層硬體之間的橋樑。

另外，這種兩步驟編譯流程也使得CUDA程式具有跨架構的兼容性和可移植性。

反過來說，像DeepSeek這種直接寫PTX程式碼的做法，首先不僅非常複雜，也很難移植到不同型號的GPU。

有從業人員表示，針對H100優化的程式碼遷移到其他型號上可能效果打折扣，也可能根本不工作了。

所以說，DeepSeek做了PTX等級的最佳化不代表完全脫離了CUDA生態，但確實代表他們有優化其他GPU的能力。

事實上，我們也能看到DeekSeek已經與AMD、華為等團隊緊密合作，第一時間提供了對其他硬體生態的支援。

02 還有一件事

還有人提出，如此一來，讓AI擅長編寫組合語言是AI自我改進的一個方向。

我們不知道DeepSeek內部是否使用AI輔助編寫了PTX程式碼——

但是确实刚刚见证DeepSeek-R1编写的代码显著提升大模型推理框架的运行速度。

Llama.cpp项目中的一个新PR请求，使用SIMD指令（允许一条指令同时处理多个数据）显著提升WebAssembly在特定点积函数上的运行速度，提交者表示：

這個PR中的99%的程式碼都是由DeekSeek-R1編寫的。我唯一做的就是開發測試和編寫提示（經過一些嘗試和錯誤）。

是的，這個PR旨在證明大模型現在能夠編寫良好的底層程式碼，甚至能夠優化自己的程式碼。

llama.cpp專案的創始人檢查了這段程式碼後表示「比預期的更爆炸」。