返回博客

开源算力软件如何改变芯片采购议价权?

从 DeepSeek 的 Ascend 工具、NVIDIA Dynamo 与 AMD 软件优化出发,分析接口复用如何影响迁移固定成本,以及什么条件能让替代算力成为真实采购选项。

2026 年 9 月 30 日,DeepSeek 的 DeepGEMM-Ascend 发布 Ascend 950 支持,TileKernels 增加昇腾后端,TileLang 主仓公布 Ascend 950 原生后端。它们让“更换加速器”多了一条可检查的软件路径。对客户而言,更有价值的问题是:这条路径能否让另一套算力成为可实际切换的采购选项,从而影响价格、交付和支持条件?

我的判断是,开放接口和源码首先可能降低试迁移的固定成本;只有在客户负载上持续通过质量、性能和运维验收,这种技术选择才可能转化为议价权。文章依据截至 2026 年 10 月 8 日读到的原始仓库与厂商文档展开,仓库引用固定到具体提交。下面的成本模型和市场方向是分析,不是已测得的迁移收益或市场份额预测。

1. 接口复用减少了什么工作?

DeepGEMM-Ascend 的 README 声明与 DeepGEMM API 兼容,覆盖 BF16、FP8、FP4 GEMM 等算子;TileKernels 则在它覆盖的算子中使用相同 Python API 自动选择后端。对已有工程而言,这可能减少调用层重写、接口学习和一部分测试代码的重复开发。它的作用范围是具体库与算子,不能直接推广成整个 CUDA 应用都能无改动运行。

硬件相关的细节仍然存在。DeepGEMM-Ascend 文档指出,其缩放因子的打包与存储布局不同于 NVIDIA 路径;TileLang 的昇腾指南也保留设备方言、缓冲区、布局和计算 tile 的选择。API 名称一致,可以复用上层意图,但底层实现仍需要根据硬件组织计算。量化数据、缓存元数据或已有自定义算子的兼容性,都应沿实际调用链检查。

此外,9 月 30 日的变化有明确范围:TileLang 主仓新增 Ascend 950 原生后端,旧代昇腾此前已有外部生态适配器。把它写成“第一次支持昇腾”,会把新的原生集成与已有适配历史混在一起。对采购者更有用的表达,是哪一组硬件、编译器和算子现在受到维护,以及更新后能否继续通过验收。

2. 通信库的发布边界,揭示了交付链的长度

截至本文查阅时,DeepEP-Ascend 提供面向 MoE 的 dispatch/combine 通信,并与 NVIDIA 版本的公开 buffer API 对齐。MoE 把 token 分发给被选择的专家,计算完成后再合并;这使芯片间通信、专家负载和矩阵计算能否重叠,成为实际利用率的一部分。单看每块芯片的理论算力,会漏掉等待数据与等待其他专家的时间。

原始 README 对带宽结果给出了重要限定:测量使用 Ascend 950DT、CANN 9.2.0,以及专门提供给 DeepSeek、经过手动配置的 PoC HDK;该配置不是公开发行版。推荐 Q3 商用 HDK 的公开时间仍计划在 2026 年 10 月中旬、约 10 月 15 日,需以华为实际发布为准。测试计时还排除了最终 epilogue。因此这些数据不能视为普通客户已能直接复现的商用栈表现,也不等于完整模型的请求延迟。

这说明交付链至少包含公开代码、可获得的驱动与固件、匹配的编译器和框架、实际互联,以及受维护的功能范围。公开源码让问题更可审查,却不能替代依赖版本的可获得性。许可证也应逐组件核对,不能把一个库的授权推广到整个组合。

客户最终需要的是一套能安装、能持续更新、出错后能定位和恢复的运行环境。这不要求所有组件具有同一种许可或同一个供应商,而是要求接口之间的责任和可用条件足够清楚,能进入上线计划与成本估算。

3. 从算子到服务,至少还有三层验收

第一层是数值与模型质量。相同 checkpoint 在不同量化、缩放布局和 kernel 下,不能仅凭接口一致就假设输出质量相同。应先检查算子误差与异常形状,再检查目标任务指标、长上下文、工具调用格式和失败样本。预先固定质量门槛,才能避免以放松质量换取更高吞吐。

第二层是真实流量下的性能。prefill 处理输入前缀,decode 逐步生成输出;两阶段的计算、权重和 KV 缓存访问特征不同,瓶颈也随 batch、模型、上下文长度与并行方式变化。首 token 时间(TTFT)还包括排队等开销,不能直接当作纯 prefill 时间。用户对生成阶段的感受,又与 token 间隔、长尾请求和中断有关。

因此,建议用同一到达流量、输入输出长度分布、缓存冷热状态与模型质量要求进行回放,并在相同服务目标下比较合格容量。既测稳定负载,也测突发流量与饱和边界;报告尾延迟、拒绝和超时比例。一个配置提高总 token 吞吐,却让交互请求经常错过响应目标,可能适合离线任务,未必适合当前产品。

第三层是持续交付:节点故障后怎样处理正在生成的请求,升级是否使缓存与通信接口失配,新模型需要补多少算子,回滚是否可靠。模型和编译器快速更新时,今天成功的迁移可能变成下一轮维护分支。把每次升级的工程工时和回归失败一起记录,才能知道一次适配正在形成可复用能力,还是形成新的长期负担。本文没有执行这些硬件或流量实验;这是建议的验收方法。

原创因果框架:可复用接口与公开源码可能减少部分适配成本,经数值质量、服务负载与故障升级三层验收,再核算同一规划期总成本,才形成可切换采购选项并可能改善议价;模型和编译器升级需要重新验收。
原创分析框架,非测量数据。箭头表示有条件的机制;开源程度、依赖可获得性和服务验收分别检查,不能从其中一项直接推导客户利润。

4. 迁移何时回本?先把固定成本写出来

考虑一个限定场景:既有平台 \(N\) 和候选平台 \(A\) 都已达到同一质量与服务门槛,在固定规划期、相同标准工作量 \(Q\) 和一个可近似线性的容量区间内比较未来成本。用下面的简式表示:

\[\begin{aligned}C_N(Q)&=F_N+c_NQ,\\C_A(Q)&=M+F_A+c_AQ.\end{aligned}\]

\(M\) 是试迁移、验证、切换和必要并行运行的一次性增量成本;\(F_N,F_A\) 是该规划期内其他固定成本,包含按同一核算方式纳入的容量承诺与持续维护;\(c_N,c_A\) 是每单位标准工作量的增量运行成本。所有金额使用同一币种,\(Q\) 的单位也一致。既有平台不可追回的历史支出不应再次当作本次迁移的可避免成本。失败、重试和资源闲置带来的支出须纳入对应项,不能只计算最终返回的 token。如果切换后旧平台仍有不可取消的未来容量承诺,这笔成本也必须保留在候选方案的 \(F_A\) 中;停用旧平台不代表支出自动消失。

两方案的成本差为:

\[\Delta C(Q)=C_A(Q)-C_N(Q)=M+F_A-F_N-(c_N-c_A)Q.\]

在 \(c_N>c_A\) 且 \(M+F_A-F_N>0\) 的条件下,候选方案才有这个简单的工作量门槛:

\[Q>Q^\star,\qquad Q^\star=\frac{M+F_A-F_N}{c_N-c_A}.\]

这不是芯片报价预测。它解释了一个方向:若接口复用减少 \(M\),在其余条件不变时,迁移所需摊薄的工作量下降。若持续维护使 \(F_A\) 上升,或候选方案在真实流量下没有较低的 \(c_A\),结论便可能反转。上述两个条件不成立时,不能照搬正的回本门槛;特别是固定成本差为正而候选单位成本不低时,增加工作量也无法在此模型里回本。

真实算力采购往往分段、离散且受利用率影响:多一个集群的固定投入、缓存命中变化和突发容量都会使单位成本变动。应对每个可行配置分别做容量与成本估计,而不是拿峰值吞吐和单卡报价填进一个永久不变的斜率。如果 \(Q^\star\) 超出该配置的可行容量或线性近似区间,这个门槛也不能直接采用。对高变动业务,短期试迁移可能更像获得未来选择权:先确认能否切换,再决定承诺多少负载;这项选择权的价值也取决于供货、支持和实际切换时间。

5. 开放生态会怎样改变价值分配?

NVIDIA Dynamo 官方说明把它定位为开放的分布式推理平台,可接入 vLLM、SGLang、TensorRT-LLM 等后端,并支持 NVIDIA、AMD GPU 与 Intel XPU。上层开放与跨硬件支持,已经属于竞争现实。通用接口可以帮助客户复用服务层,同时各硬件路径仍有不同的优化与支持范围。

2026 年 9 月 18 日发布的 Dynamo v1.5.0继续调整路由、KV 索引和部署组件,也列出兼容性与弃用事项。我的推断是,这类持续软件投入可以提高硬件的可用产出,并使供应商参与客户的性能与运维标准。开放软件既可能降低迁移门槛,也可能增加对配套硬件、网络和交付能力的需求;它并不自动把利润从原有厂商转走。

AMD 在 2026 年 9 月 16 日的 MLPerf Inference 6.1 说明也把同一代 MI355X 的跨轮改善归于 ROCm 与开源推理栈的优化。这是厂商对标准基准结果的报告,展示软件持续改善硬件利用的可能性;它没有单独识别某个组件的因果贡献,也没有证明任一客户迁移已经回本。MLPerf 规则的 Closed 分组有质量门槛,Server/Interactive 还有相应延迟约束;Offline 主要测吞吐,没有逐请求延迟门槛,Open 分组则允许放宽约束并报告实际条件。因此要先核对分组与场景,再验证客户流量、可获得配置、可靠性和完整成本。

对华为与 DeepSeek,这次接口对齐的潜在价值是把已知模型的优化经验做成其他团队可检验、可维护的适配路径。若它减少客户采用其他硬件时的重复劳动,就可能扩大可服务的负载。对 NVIDIA 和 AMD,竞争也会继续体现在新模型支持速度、合格容量、可诊断性以及平台更新的工程负担上。

云厂商与服务商可能从中获得更多配置选择,并把迁移与验收成本分摊给多个客户。但维护多个硬件分支也会增加成本;若每个客户都要重新特调,规模化收益有限。客户的采购选项、供应商的收入和利润是三种证据。代码发布、benchmark 提交或合作声明,本身不能证明它们已经同步改善。

6. 三种替代解释,会收窄这个判断

一种解释是,平台选择主要由供货可得性、部署要求或采购政策推动。即使技术迁移成本未显著下降,客户也可能采用候选平台。这可以解释采用数量,却不能单独证明开放软件改善了单位经济。要检验本文论点,应观察这些约束相近的项目,是否仍出现上线工时和长期维护负担下降。

第二种解释是,收益来自特定模型与芯片的深度共同优化,而非广泛可迁移性。为一类 MoE 布局做出的高效通信路径,未必覆盖另一类模型、量化格式或多模态负载。如果模型换代后需要大规模重写,软件仍有价值,但它的商业价值应表述为特定组合的交付能力,而不是通用迁移能力。

第三种情况是,客户负载太小或变化太快,固定成本难以摊薄。相反,现有供应商可能通过更低价格、更快支持或更好的利用率回应竞争,使原先估计的成本差消失。因此,可切换选项可能改善谈判条件,实际切换量却不一定增加;甚至客户从选择权获益,而替代芯片供应商没有获得相同比例的新增收入。评估时应同时记录报价、采用和运行结果。

7. 接下来 6–24 个月,观察什么才有解释力?

下面的窗口从 2026 年 10 月 8 日起算,是观察协议。近期先核对推荐软件与固件是否按计划可获得,再观察可维护的外部交付;不为这些指标预设增长倍数。

窗口观察指标能检验的判断
6 个月内
至 2027 年 4 月
外部团队可获得的完整版本组合;从安装到首次通过相同负载验收的工程工时;合格容量、尾延迟、超时与故障恢复公开接口是否减少了真实上线劳动?性能是否能在可获取的软件栈中复现?
6–12 个月
至 2027 年 10 月
同项目连续模型/编译器升级的回归工时与故障;新增支持负载;固定工作量与规划期下的完整成本差迁移能力是否可持续?一次优化是否形成复用,还是不断新增维护分支?
12–24 个月
至 2028 年 10 月
已通过验收项目的实际可切换份额、采购条款、付费续用;服务商包含多平台工程与支持的利润表现技术选项是否转化为议价权与重复交付?价值流向客户、芯片商还是服务商?

如果开放适配不断增加,却没有减少独立项目的上线与升级负担,应收窄“降低迁移固定成本”的判断。如果合格容量提升,但完整成本和采购条款没有改善,就不能把技术进步直接称作客户经济收益。如果只有一个精调模型组合有效,则应检验这个组合的持续需求,而不是宣称全市场替代。

值得关注的趋势,是客户能否在模型快速演进中保留真正可执行的算力选择。开放接口提高这种可能性;稳定交付与清楚的成本账本,决定它什么时候成为商业现实。

参考资料

  1. DeepSeek — DeepGEMM-Ascend README (initial release 2026-09-30; pinned snapshot) · 2026-09-30 · 查阅 2026-10-08
  2. DeepSeek — TileKernels README (Ascend backend announcement 2026-09-30; pinned snapshot) · 2026-09-30 · 查阅 2026-10-08
  3. TileLang — main README (native Ascend 950 backend announced 2026-09-30; pinned snapshot) · 2026-09-30 · 查阅 2026-10-08
  4. TileLang — Ascend backend guide (same pinned snapshot) · 查阅 2026-10-08
  5. DeepSeek — DeepEP-Ascend README (pinned snapshot; PoC HDK and planned public availability) · 查阅 2026-10-08
  6. NVIDIA — Dynamo overview and hardware/backend coverage · 查阅 2026-10-08
  7. NVIDIA — Dynamo v1.5.0 release notes · 2026-09-18 · 查阅 2026-10-08
  8. AMD — AMD Delivers Its Broadest MLPerf Inference 6.1 Submission · 2026-09-16 · 查阅 2026-10-08
  9. MLCommons — Inference rules (fixed pre-6.1-results revision) · 2026-08-20 · 查阅 2026-10-08
利友诚

关于作者

利友诚 · Youcheng Li

北京大学智能学院人工智能专业博士研究生,导师为王立威教授;Isoplex Intelligence(壹索智能)联合创始人兼 CTO。

研究关注医疗人工智能、生成式基础模型、诊断推理与科学智能体。以第一作者或共同第一作者身份在 Nature Biomedical Engineering、Scientific Data、KDD 和 PLOS Computational Biology 发表研究。