本周Deepseek启动了“开源周”，连续5天每天开源1个核心代码库。这些代码库有何技术亮点？DeepSeek一直秉持的开源又有何深层意义？解放日报记者专访了上海交通大学人工智能学院严骏驰教授，为您揭秘。

【盘点“开源周”技术亮点】

　　DeepSeek第一天开源的FlashMLA项目，旨在提高大模型在计算注意力过程中的效率。其采用的多头潜在注意力（MLA）机制，由DeepSeek去年5月首次提出，能有效降低模型冗余参数。FlashMLA则作为高效计算MLA的工具，通过优化算法，充分发挥图形处理单元（GPU）芯片的算力，让AI运行更流畅。

　　严骏驰教授比喻，大模型处理文本的过程类似于快递分拣包裹，而FlashMLA就像一位聪明的调度员，能根据包裹自动安排合适的车辆进行装车和运输，有效降低了成本。这种技术的应用，不仅提升了国产芯片运行AI的效率，还可能让未来的手机和电脑在处理复杂任务时更快且更省电。AI的高效运行，是算法、硬件和软件精妙协作的结果。

　　第二天，DeepSeek开源了DeepEP技术，该技术优化了“混合专家模型”中各模型之间的通信过程。严骏驰表示，DeepEP就像是在专家之间修建了一条高速公路，实现了多个专家之间的数据快速传输和快速聚合，同时降低了计算量和成本。这一技术的应用，意味着未来AI服务的响应速度可能会更快，成本也会更低。

　　第三天，DeepSeek开源的DeepGEMM技术，仅用300行代码就打造了一个针对FP8（一种8位浮点数据格式）的矩阵乘法“数学天才”。这种优化不仅缩短了AI模型的训练时间，还降低了硬件成本，对天气预报、药物研发等科学计算领域具有重要意义。

　　第四天，DeepSeek开源了DualPipe和EPLB技术，解决了AI模型训练过程中芯片在计算和数据传输之间的等待问题。DualPipe通过实现计算与通信的高效重叠，让芯片在原本等待的时间内同时开展其他任务；EPLB则通过动态调整任务分配，平衡各环节的工作量。这两项技术的结合，降低了大模型训练的成本，为未来AI技术的普及降低了门槛。

　　第五天，DeepSeek开源了3FS文件系统，通过结合高性能硬盘和网络技术，大幅提升了数据存取速度。这一高性能的存储系统，不仅显著缩短了AI训练的时间，还降低了硬件成本，为AI学习新知识提供了有力支持。

【AI竞赛的下半场是“基建赛”】

　　开源一直是DeepSeek的精神内核之一。当ChatGPT等生成式AI惊艳世界时，DeepSeek的开源揭示了AI发展的另一个真相：底层技术的优化和升级才是AI模型能否真正落地的关键。

　　严骏驰教授认为，AI竞赛的下半场是“基建赛”。AI的算力调度、通信效率、存储速度等底层技术，极大地影响了AI模型在使用过程中的用户体验。DeepSeek五天连开五炮，瞄准的正是这些“地基工程”。

　　生成式AI需要“多轮驱动”，算法、芯片、通信、存储等各个环节都需要共同升级。DeepSeek的技术布局证明，软硬件协同才是AI发展的关键。

　　在西方芯片封锁背景下，DeepSeek通过开源让国产GPU、存储系统与AI技术深度适配，为国产AI的破局提供了新思路。

　　展望未来，AI的发展需要“工匠的积累”。DeepSeek的爆发看似突然，实则是深耕底层技术的厚积薄发。只有那些低头修路的人，才能真正定义AI时代。

（文章来源：上观新闻）