在人工智能技术迅猛发展的背景下，DeepSeek采用避开CUDA的策略，转而使用更基础的编程语言进行优化，这一举措受到了广泛关注。此举可能标志着对更高效率的探索，亦或是向传统方法发起的挑战。究竟这一做法的实质如何，亟需进一步深入研究。
DeepSeek的硬件优化方式
韩国未来资产证券分析报告显示，DeepSeek - V3的硬件效率之所以超越Meta等品牌达10倍，主要归功于全面重构技术。在H800 GPU的训练过程中，通过将132个流式多处理器中的20个调整用途，使其专注于服务器间通信而非计算，这种做法展现了其独特的优化策略。这种策略反映出DeepSeek - V3在硬件资源利用上具有独到见解，与传统计算资源分配模式不同。通过调整计算资源的使用方向，这种创新方法可能是其提升硬件效率的关键所在。
PTX被学界视为一种接近汇编语言的技术，具备细粒度优化的能力，但其操作相对复杂。与直接采用CUDA高级语言的常规方法相比，CUDA能够简化开发者的工作流程，并提供了一套完整的工具链。相比之下，PTX要求开发者对寄存器分配和细节调整有更深入的理解，难度较大，且需要掌握更多的底层知识。
DeepSeek如此操作的复杂性与移植性
PTX编程在复杂性和维护性方面存在挑战，因此CUDA高级编程语言在业界得到了广泛应用。据业内人士透露，针对H100芯片的优化代码，若迁移至其他型号的GPU，可能效果不佳，甚至无法正常运行。DeepSeek对PTX进行了优化，尽管这并不意味着完全脱离CUDA生态系统，但该操作过程极为复杂，且面临移植的困难。
不同型号的GPU拥有各自的架构设计，CUDA技术通过其独特的两阶段编译流程，实现了架构间的兼容与代码的可迁移性。若直接以PTX编写代码并计划在多种GPU型号上应用，则必须针对不同架构进行代码的重新编写，这一过程无疑会提升开发成本和复杂性。
网友对DeepSeek的畅想与观点
部分网友认为，那些因CUDA速度问题而转向PTX的用户可能是从事量化交易的专业人士。这种选择似乎暗示了它需要一定的专业背景或对效率有极高要求。同时，也有网友在讨论DeepSeek是否将公开CUDA的替代方案，若实现开源，无疑会在业界激起强烈反响，这一设想体现了网友们对行业动态的密切关注。
在一定程度上，网友的此类设想揭示了行业发展趋势的不明确性及探索性质。众人普遍期盼新兴事物的诞生，这或许将颠覆现有的较为稳定的开发模式。开源带来的资源共享与优化，对行业的发展将起到更显著的促进作用。
DeepSeek与其他团队的合作
尽管DeepSeek运用了独特的PTX编写优化技术，然而，它已与AMD、华为等团队建立了紧密的协作关系，并迅速为其他硬件生态系统提供了支持。此举反驳了部分人关于其若脱离CUDA生态将受限的猜想。此类合作有助于持续挖掘硬件优化潜力，并推动不同硬件生态系统的共同进步。
这种合作促进了技术交流，同时显著扩大了DeepSeek的市场覆盖和应用领域，为硬件设备的优化创造了条件。此外，合作还汇集了各团队的技术优势，使DeepSeek能在应对不同硬件特性时，充分发挥自身优化功能，实现最佳匹配。
AI与编写汇编语言的关联
有人建议，AI在精通汇编语言方面的发展方向值得关注。在此背景下，DeepSeek - R1编写的代码显著提高了大模型推理框架的运行效率。这一现象可能表明，AI已参与到PTX代码的编写过程中。
在Llama.cpp项目的一个最新Pull Request中，通过应用SIMD指令，实现了性能的显著提升。提交者认为，这一成果展现了大型模型在编写高效底层代码及自我优化方面的能力。项目创始人经过审核后，认为这一成就超出了预期。这一发现从侧面证实了AI在参与高质量底层代码编写及优化过程中的潜在能力。
行业对新行为的影响判定
尽管不清楚DeepSeek是否运用人工智能来协助生成PTX代码，但它的行为无疑对业界产生了显著影响。首先，其自身优化显著提高了硬件效率，这在业界竞争中占据优势。其次，其独特的行为模式以及与其他厂商的合作方式，也在一定程度上改变了行业发展的战略方向。
众多开发团队可能正对现有编程模式进行深入评估，探讨其是否达到最优，并考虑是否应加大PTX级别优化力度，或寻求如DeepSeek的合作模式等创新途径。这一系列变化对行业动力的影响，是值得业界持续关注的焦点。
您是否看好DeepSeek这种绕过CUDA的优化策略在将来成为业界主流？期待您在评论区留下宝贵意见，并给予点赞与分享。
