DeepSeek 开源周：用软件重写摩尔定律

“This will kill OpenAI.”

这是 DeepSeek 开源周后，周六的一条“One More Thing”下的评论，在这里，DeepSeek 公布了自己的成本与收入，理论成本利润率达到了惊人的 545%。

DeepSeek 还非常谦逊地表示：我们希望本周的见解可以为开源社区提供价值，共同实现我们的 AGI 目标。

五大核心组件，重新定义硬件性能天花板

当我们回头来看 DeepSeek 开源周发布的五大核心组件（FlashMLA、DeepEP、DeepGEMM、DualPipe、EPLB），你就会发现它们并非孤立技术，而是一同构成了一套算力系统：从软件出发，重新定义硬件性能。

用 FlashMLA 动态分配算力，仅用 300 行代码就突破了硬件限制，将 H800 的计算效率提升到了榨干的级别，接下来再通过 DeepEP 打通数据“高铁”，解决了多专家协作的通信瓶颈；最后再通过 DualPipe 和 EPLB 这两个流水线调度员，实现计算和通讯的零闲置。

在这一周的开源风暴中，受到冲击的是基座模型厂商，不开源意味着落后时代，开源意味着商业模式的颠覆，但连最坚定的闭源派百度也宣布 4 月 1 日起文心一言全免费，并即将开源，或许问题已经有了答案。而应用公司、芯片公司、电脑等终端厂商，则成为了受益者。

随着 DeepSeek 开源周收官，以全功能 GPU 为核心的摩尔线程就成功实现对 DeepSeek 各个开源项目的全面支持，DeepSeek 的开源， 确实让本土的芯片公司、腰部的 AI 公司吃到了甜头。这是一场技术开源，更是一场用软件重写摩尔定律的宣言：当硬件因为各种因素进步趋缓，那软件就会成为算力增长的新引擎。

在“iOS or Android”的选择题上，DeepSeek 坚定的站在了 Android 一边。

行业的不可能三角，由 DeepSeek 打破

想同时满足低成本、高性能和环保，几乎是不可能的，但 DeepSeek 做到了。

在不升级硬件的前提下，DeepSeek 的训练效率提升了 40% 到 60%；开源项目均支持二次开发，基于 FlashMLA 优化国产 GPU 的性能完全是有可能的。

DeepSeek 似乎打破了代码最后的封印，甚至有种比英伟达更懂 GPU 基层技术的感觉。

开源周刚启动的第一天，特斯拉、英伟达等美股科技巨头市值蒸发超 1.4 万亿，或许正如黄仁勋所言，投资者误读了 DeepSeek 对 AI 的影响，但资本还是告诉了我们答案。

阿里云副总裁李飞飞在谈 DeepSeek 开源周时表示，AI 的下半场竞争已经回到了传统的系统领域，特别是分布式系统工程。当算法和框架的创新趋缓，那系统层面的优化就成为关键。

AI 普惠化的中国方案

DeepSeek 开源让更多中小厂商得以低成本接入顶级训练框架，对 Hopper 架构的深度优化一定程度上也为未来 GPU 架构的标准化预埋了接口。

在未来，更多的国产 GPU 厂商可能与 DeepSeek 展开合作，用软件来弥补硬件代差；DeepSeek 或许也可以模仿 RedHat 的盈利模式，提供企业级支持服务。

这是 AI 领域的“Android 时刻”，当软件生态足够强大，硬件就将退化为可替换的容器。