DeepSeek开源FlashMLA：国产GPU的春天？

摘要： DeepSeek开源FlashMLA：国产GPU的春天？一石激起千层浪，DeepSeek在上周宣布开源周计划后，今日正式开源了首个代码库——FlashMLA。这可不是普通的代码...

DeepSeek开源FlashMLA：国产GPU的春天？

一石激起千层浪，DeepSeek在上周宣布开源周计划后，今日正式开源了首个代码库——FlashMLA。这可不是普通的代码库，它是一个针对Hopper GPU优化的高效型MLA解码核，其意义甚至被业内人士誉为”国产GPU的重大利好”。

FlashMLA的GitHub项目上线6小时内便收获超过5000星，Fork数量也迅速攀升至188。如此火爆的场面，让一位港股上市公司CTO惊呼：”太强了！”

FlashMLA究竟有何魅力？

它基于英伟达Hopper架构GPU，针对可变长度序列进行了优化。而MLA（多头潜在注意力机制）正是DeepSeek V2、V3模型的核心技术，能够显著提升模型训练和推理效率，降低计算成本。此前，清华大学教授郑纬民院士就曾指出，DeepSeek自研的MLA架构是其模型训练成本下降的关键原因。

此次DeepSeek直接开源FlashMLA，意味着将核心MLA底层代码免费开放，让广大开发者可以复用代码，用更少的GPU服务器完成同样的任务，直接降低推理成本。这对希望进行底层优化和AI应用开发的群体来说，无疑是一大福音。

FlashMLA在英伟达H800 SXM5 GPU上的基准测试表现亮眼：内存速度高达3000 GB/s，计算上限达到580TFLOPS。考虑到美国出口管制规定，H800的带宽上限被设定为600 GB/s，FlashMLA的优化效果可见一斑，这将帮助开发者最大限度地“压榨”英伟达H系列芯片的性能。

一位专注于AI硬件研究的投资人表示，FlashMLA能够让LLM在H800上运行得更快、更高效，尤其适用于高性能AI任务，能显著提升大模型的响应速度和吞吐量，对于实时生成任务（如聊天机器人）至关重要。

更重要的是，FlashMLA的开源，对于国产GPU也是重大利好。目前国产GPU性能普遍较弱，但FlashMLA提供的优化思路和方法论，能够帮助国产GPU大幅提升性能。即使架构不同，国产GPU的推理性能提升也指日可待。

FlashMLA的开源，不仅是DeepSeek技术实力的展现，更是对整个AI产业的贡献。它将加速AI应用的开发和普及，推动AI技术的创新和发展，尤其对国产GPU的崛起有着重要的促进作用，或许预示着国产GPU的春天真的来了。