萬眾矚目的DeepSeek“開源周”，第一彈來了。

2月24日，DeepSeek開源了首個代碼庫FlashMLA。據(jù)了解，這是DeepSeek針對Hopper GPU優(yōu)化的高效MLA（Multi-Head Latent Attention，多頭潛在注意力）解碼內(nèi)核，專為處理可變長度序列而設(shè)計，現(xiàn)在已經(jīng)投入生產(chǎn)使用。

上周四，DeepSeek宣布將在本周舉辦“開源周”活動，連續(xù)開源五個代碼庫，由此引燃了大家的期待。作為“開源周”的第一彈，F(xiàn)lashMLA給業(yè)界帶來頗多驚喜。本周的剩下四個工作日，DeepSeek還將繼續(xù)開源四個代碼庫。業(yè)內(nèi)人士分析，其余四個代碼庫可能會與AI算法優(yōu)化、模型輕量化、應(yīng)用場景拓展等相關(guān)，涵蓋多個關(guān)鍵領(lǐng)域。

進(jìn)一步突破GPU算力瓶頸

根據(jù)DeepSeek的介紹，F(xiàn)lashMLA主要實現(xiàn)了以下的突破：

一是BF16支持，提供更高效的數(shù)值計算能力，減少計算精度損失，同時優(yōu)化存儲帶寬使用率。

二是分頁KV（Key-Value，一種緩存機(jī)制）緩存，采用高效的分塊存儲策略，減少長序列推理時的顯存占用，提高緩存命中率，從而提升計算效率。

三是極致性能優(yōu)化，在H800GPU上，F(xiàn)lashMLA通過優(yōu)化訪存和計算路徑，達(dá)到了3000GB/s內(nèi)存帶寬和580TFLOPS的計算能力，最大化利用GPU資源，減少推理延遲。

據(jù)了解，傳統(tǒng)解碼方法在處理不同長度的序列時，GPU的并行計算能力會被浪費，就像用卡車運小包裹，大部分空間閑置。而FlashMLA通過動態(tài)調(diào)度和內(nèi)存優(yōu)化，將HopperGPU的算力“榨干”，提升相同硬件下的吞吐量。

簡單理解，F(xiàn)lashMLA能夠讓大語言模型在H800這樣的GPU上跑得更快、更高效，尤其適用于高性能AI任務(wù)，進(jìn)一步突破GPU算力瓶頸，降低成本。

值得注意的是，DeepSeek之所以能夠?qū)崿F(xiàn)大模型訓(xùn)練與成本的大幅降低，與其提出的創(chuàng)新注意力架構(gòu)MLA密不可分。MLA（多頭潛在注意力機(jī)制）又被稱為低秩注意力機(jī)制，是與傳統(tǒng)的多頭注意力機(jī)制（Multi-head Attention）不同的一種創(chuàng)新性注意力機(jī)制。自從V2模型開始，MLA就幫助DeepSeek在一系列模型中實現(xiàn)成本大幅降低，但是計算、推理性能仍能與頂尖模型持平。

浙江大學(xué)計算機(jī)科學(xué)與技術(shù)學(xué)院和軟件學(xué)院黨委書記、人工智能研究所所長吳飛表示，我們理解一篇文章，更關(guān)切單詞所刻畫的主題概念，而非單詞從頭到尾的羅列等。傳統(tǒng)大模型中的注意力機(jī)制由于需要記錄每個單詞在不同上下文中的左鄰右舍，因此其變得龐大無比。DeepSeek引入低秩這一概念，對巨大的注意力機(jī)制矩陣進(jìn)行了壓縮，減少參與運算的參數(shù)數(shù)量，從而在保持模型性能的同時顯著降低了計算和存儲成本，把顯存占用降到了其他大模型的5%-13%，極大提升了模型運行效率。

由于Flash MLA進(jìn)一步突破了GPU算力瓶頸，記者注意到，有英偉達(dá)股民跑到DeepSeek的評論區(qū)祈禱，希望DeepSeek在讓GPU更為高效的同時，能夠不影響英偉達(dá)的股價。

以持續(xù)開源加速行業(yè)發(fā)展進(jìn)程

作為開源社區(qū)的“頂流”，DeepSeek以完全透明的方式與全球開發(fā)者社區(qū)分享最新的研究進(jìn)展，加速行業(yè)發(fā)展進(jìn)程。

在開源公告中，DeepSeek還表示，自己只是探索通用人工智能的小公司，作為開源社區(qū)的一部分，每分享一行代碼，都會成為加速AI行業(yè)發(fā)展的集體動力。同時，DeepSeek稱，沒有高不可攀的象牙塔，只有純粹的車庫文化和社區(qū)驅(qū)動的創(chuàng)新。

記者注意到，在DeepSeek開源FlashMLA的帖子下，有不少網(wǎng)友點贊其公開透明的開源精神。有網(wǎng)友表示，“OpenAI應(yīng)該將它的域名捐給你”，還有網(wǎng)友說，“（開源周）第五天，我猜會是通用人工智能”。

由于DeepSeek的圖標(biāo)是一只在大海里探索的鯨魚，還有網(wǎng)友形象生動地描述稱，“這條鯨魚正在掀起波浪”（The whale is making waves）。

據(jù)證券時報記者了解，（Open Source Initiative，開源代碼促進(jìn)會）專門針對AI提出了三種開源概念，分別是：

開源AI系統(tǒng)：包括訓(xùn)練數(shù)據(jù)、訓(xùn)練代碼和模型權(quán)重。代碼和權(quán)重需要按照開源協(xié)議提供，而訓(xùn)練數(shù)據(jù)只需要公開出處（因為一些數(shù)據(jù)集確實無法公開提供）。

開源AI模型：只需要提供模型權(quán)重和推理代碼，并按照開源協(xié)議提供。（所謂推理代碼，就是讓大模型跑起來的代碼。這是一個相當(dāng)復(fù)雜的系統(tǒng)性工程，涉及到了GPU調(diào)用和模型架構(gòu)）。

開源AI權(quán)重：只需要提供模型權(quán)重，并按照開源協(xié)議提供。

業(yè)內(nèi)普遍認(rèn)為，DeepSeek的勝利是開源的勝利，開源大模型的創(chuàng)新模式為人工智能的發(fā)展開辟了新的路徑。DeepSeek此前開源的是模型權(quán)重，并沒有開放訓(xùn)練代碼、推理代碼、評估代碼、數(shù)據(jù)集等更為重要的組件，因此屬于第三種類型的開源。

一名資深的業(yè)內(nèi)人士告訴記者，在DeepSeek推出R1并發(fā)布技術(shù)報告后，許多團(tuán)隊都在試圖復(fù)現(xiàn)R1模型，但由于背后還涉及許多重要和關(guān)鍵的技術(shù)細(xì)節(jié)，因此要實現(xiàn)真正的復(fù)現(xiàn)其實比較困難，而且也需要較長的時間。不過，業(yè)內(nèi)的開源基本上也都是開源模型權(quán)重，而DeepSeek的開源與其他開源模型相比已經(jīng)是最頂級、最徹底的一種。

正因如此，DeepSeek也被業(yè)界稱為“源神”。同樣在今天，DeepSeek-R1在知名的國際開源社區(qū)Hugging Face上獲得了超過一萬個贊，成為該平臺近150萬個模型之中最受歡迎的大模型。Hugging Face的首席執(zhí)行官Clement Delangue也在社交平臺上第一時間分享了這一喜訊。

民生證券研報認(rèn)為，DeepSeek所有模型均為開源模型，即所有應(yīng)用廠商都擁有了可以比肩頂級AI的大模型，而且還可自行二次開發(fā)、靈活部署，這將加速AI應(yīng)用的發(fā)展進(jìn)程。當(dāng)模型的成本越低，開源模型發(fā)展越好，模型的部署、使用的頻率就會越高，使用量就會越大。

研報進(jìn)一步指出，經(jīng)濟(jì)學(xué)上著名的“杰文斯悖論”提出，當(dāng)技術(shù)進(jìn)步提高了資源使用的效率，不僅沒有減少這種資源的消耗，反而因為使用成本降低，刺激了更大的需求，最終導(dǎo)致資源使用總量上升。因此從更長的周期來看，DeepSeek的發(fā)展恰恰會加速AI的普及和創(chuàng)新，帶來算力需求、特別是推理算力需求更大量級提升。

校對：蘇煥文