DeepSeek V3与CUDA解耦：国产AI算力芯片的崛起？

华泰证券近期发布研报指出，DeepSeek在V3版本中采用PTX指令集优化硬件算法，此举意图绕开CUDA，加速模型训练。PTX作为CUDA编译的中间代码，位于CUDA和最终机器码之间，此举使得DeepSeek能够更直接地与底层硬件交互，提升效率。

相比之下，另一些AI加速方案，例如基于OpenAI Triton的方案，则允许开发者使用更高级的编程语言编写GPU代码，同时支持CUDA、ROCm以及国产算力芯片的指令集，例如寒武纪思元590和海光信息深算一号（DCU）的HYGON ISA。这意味着Triton能更好地适应多样的硬件平台。

虽然目前大型语言模型（LLM）的训练仍依赖CUDA生态，但DeepSeek和类似的尝试正在逐步打破这种依赖。DeepSeek V3使用PTX的策略，以及Triton语言对多种GPU的支持，都展现了AI加速领域与CUDA解耦的趋势。这种解耦不仅能提高效率，还能增强AI系统的灵活性，使其能够更好地适应不同厂商的硬件。

值得关注的是，以异腾为代表的国产AI加速芯片已经能高效适配DeepSeek-R1等国产模型。在国际形势日益复杂的大环境下，海外算力受限的风险日益增加，针对国产算力芯片的优化势必成为未来发展的重点。华泰证券的报告也强调了这一点，认为未来国产算力芯片适配和优化的进展值得密切关注。

总而言之，DeepSeek V3采用PTX指令集的举动并非孤立事件，而是国产AI算力芯片蓬勃发展的一个缩影。未来，随着更多类似技术的涌现，AI领域可能会出现一个更加多元化和开放的硬件生态系统，从而摆脱对单一厂商的依赖，进一步推动人工智能技术的发展与创新。