买到一批人工智能芯片，就能撑起一家大模型公司吗？事实上，就算有芯片，AI大模型可能也跑不快。要想充分发挥芯片性能，就需要有强大的平台。

英伟达最卖芯片，也提供让芯片高效工作的工具。它推出的CUDA并行计算平台和编程模型，通过允许开发者直接调用GPU成千上万个核心进行并行计算，让大模型训练、科学计算和图像处理等复杂任务的运算速度实现了百倍级的飞跃，彻底奠定了当今人工智能时代的算力底座。

如今，DeepSeek与华为的合作，开始深入这片腹地。2026年9月30日，DeepSeek宣布开源面向昇腾平台的基础设施组件。到11月1日查看公开项目，这场合作已经有了可以阅读、测试和继续改进的代码。那么，它能把CUDA这道墙打穿吗？

一、英伟达CUDA强在哪里？

CUDA不只是一种编程语言，CUDA工具体系包含编译器、运行接口、数学库、调试和性能分析工具，它给开发者的是一整套工作环境。

打个比方，一家工厂接到订单，不能只有机床。工人要看得懂图纸，加工后的零件还要符合标准。芯片像机床，软件体系则让生产线真正运转起来。

对于一家已经使用英伟达设备的企业而言，迁移平台，牵涉的不只是采购。原来积累的算子能否复用，模型结果有没有变化，工程师需要学多久，都要重新核算。

因此，CUDA的壁垒相当一部分来自工程积累。成熟工具能减少试错，现有经验能缩短排障时间，已有代码能加快新项目。

但这也揭示了突破方向，只要新的工具能让开发者少改代码、少踩坑，并把主要任务稳定跑起来，原本很高的迁移门槛就可能逐步降低。DeepSeek与华为这次发力，正是瞄准了这一方向。

二、DeepSeek和华为一起做了什么？

DeepSeek与华为的合作，把目光进一步转向了软件。两家公司的长处，恰好能够在这里形成配合。华为清楚自家芯片怎样工作，怎样安排计算更有效率。DeepSeek每天研究和运行大模型，知道哪些地方最耗时，哪些环节一旦变慢，就会拖累整项任务。

此次开放的软件，主要帮助解决几件事。一件是让芯片更快地完成大量计算，一件是让数据搬运得更顺畅，还有一件是让多张芯片之间更好地分工合作。

为什么连搬数据都这么重要？

因为芯片计算之前，必须先拿到需要的数据。多张芯片一起工作，问题会更复杂。一项任务可能分给许多设备，计算完成后还要把结果汇总。计算能力再强，如果一直等材料，就会影响到整体效率。

DeepSeek披露，双方共同推进了基于昇腾950的128卡超节点方案。通俗地说，就是把128张计算卡组织成协作紧密的一套系统，同时改进计算和数据传递的效率。

此次合作的一个重要工具是TileLang，它是一种帮助开发者编写高效计算程序的工具。开发者把计算任务写出来，再由配套软件把其中一部分复杂细节，转成对应芯片可以执行的安排。

为什么需要它？因为人工智能芯片能同时做很多计算，但怎样让这些计算互不耽误、怎样及时送来数据，需要精细安排。过去，不少工作要由工程师花大量时间处理。如果有更好的工具协助，工作就会轻松一些。

TileLang希望降低的正是这类开发负担，开发者可以更多地表达想完成什么计算，让工具承担部分细节处理，同时继续追求较高的运行效率。

它支持面向不同计算设备的开发，如果部分程序能够在较为统一的写法下，为不同芯片分别做好优化，以后更换设备时，就可能少一些从头再来的工作。

只要新项目能够逐步减少对单一平台的依赖，变化就已经发生了。过去开发者做选择时，可能首先想到英伟达。未来如果另一条路也方便好用，选择就有机会变得更多。

DeepGEMM昇腾版公布，在昇腾950DT、指定CANN环境和测试条件下，部分稠密矩阵乘法用例达到了很高的硬件利用率，其中一个BF16用例标注为99.8%。这说明在相应的计算任务上，软件已经能够较充分地发挥该芯片的能力。对于一种新的计算平台，这类优化非常重要。

根据目前公开的进展，更稳妥的判断是它正在补齐部分大模型任务所需的工具，让另一条技术路线变得更加可行。

如果把击穿理解为让所有企业立即换掉英伟达，显然还没有足够依据。CUDA覆盖的工作很多，既有的软件和人员经验也很深厚，全面替代不会因为一次开源就突然完成。

但竞争并不需要等到全面替代才产生影响，假如一家企业准备开展新项目，发现华为芯片配合这些工具，已经能够满足需求，它在采购设备时，就可能多考虑一个方案。这样的选择多起来，变化就会逐渐显现。新增项目愿意使用，工程师便有机会积累经验。经验丰富后，下一个项目遇到类似问题，就可能少走一些弯路。

因此，开源的作用非常大。DeepSeek把代码公开，其他团队可以查看实现、尝试使用、反馈问题，也能够在许可范围内继续改进。

中国人工智能企业正在把芯片之外的配套能力，一项项补起来。DeepSeek联手华为的意义就在于把竞争推进到了芯片怎样协作、经验怎样复用的层面。