DeepSeek 近日发布六个面向华为昇腾生态的软件模块，与其此前围绕英伟达 AI 芯片建设的开源工具相对应。公开报道认为，这一动作的重点不只是支持某一颗芯片，而是补齐从底层编程、内核生成到调度优化的软件链路，为国产 AI 加速器建立更独立的开发环境。
其中受到关注的是 TileLang 的昇腾兼容版本。TileLang 是面向高性能计算内核的领域专用语言，目标是降低 GPU、CPU 及其他加速器上关键计算程序的开发复杂度。内核通常决定大模型训练与推理中矩阵计算、访存和通信等任务的效率，是硬件能力能否被充分释放的重要一环。
从芯片适配走向软件工具链
长期以来，CUDA 及其周边工具构成了英伟达在 AI 计算领域的重要优势：开发者不仅使用芯片，也依赖成熟的编程接口、编译器、算子库、调试工具和社区经验。替换硬件并不等于替换生态，模型和应用能否平滑迁移，往往取决于软件层的适配深度。
根据 TileLang 项目公开信息，其主要后端此前覆盖英伟达 CUDA 等平台；项目现已将 AscendC 与昇腾 NPU 中间表示相关工作纳入适配范围。报道指出，面向昇腾 950 加速器的支持提供了原生代码生成、自动调度和同步能力，这些能力有助于开发者直接针对昇腾硬件编写并优化计算内核，而非完全依赖其他平台的转换路径。
降低优化门槛，扩大开发者基础
高性能算子和内核优化过去往往需要理解硬件架构、存储层次和并行执行细节。TileLang 这类工具的价值，在于将一部分复杂工作抽象为更易使用的语言和编译流程，再由后端生成贴近目标硬件的实现。
对昇腾生态而言，原生代码生成可以减少跨平台转换带来的性能损耗；自动调度可根据计算与数据依赖安排执行顺序；同步机制则帮助处理多核或多线程间的协作。这些基础能力是否稳定、可调优并便于集成，将直接影响框架、模型服务和行业应用的迁移效率。
“取代”仍取决于完整工程能力
DeepSeek 的开源动作有助于增强华为芯片的软件可用性，但并不意味着英伟达会在短期内被简单取代。硬件性能、集群互联、工具成熟度、兼容性、开发者生态和大规模生产环境的稳定性仍需共同验证。
更准确地说，这一进展展示了国产 AI 软硬件协同的一条路径：模型公司通过开放工具降低适配成本，芯片与系统厂商提供编译、运行时和集群能力，开发者则在真实工作负载中不断完善算子与应用。随着更多模型、框架和工程工具加入，AI 计算平台之间的选择将更取决于总体拥有成本、可用性和生态完整度。
相关项目： TileLang 开源项目