來(lái)源：量子位

開(kāi)源周的第三天，DeepSeek把訓(xùn)練推理V3/R1背后的“動(dòng)力”給亮出來(lái)了——

DeepGEMM：一個(gè)FP8GEMM（通用矩陣乘法）庫(kù)，支持密集（dense）和混合專(zhuān)家（MoE）矩陣乘法運(yùn)算。

深入了解DeepGEMM

DeepGEMM是一個(gè)專(zhuān)門(mén)為實(shí)現(xiàn)簡(jiǎn)潔高效的FP8通用矩陣乘法（GEMMs）而打造的庫(kù)，它還具備細(xì)粒度縮放功能，這一設(shè)計(jì)源于DeepSeekV3。

它既能處理普通的通用矩陣乘法，也能支持MoE分組的通用矩陣乘法。

這個(gè)庫(kù)是用CUDA編寫(xiě)的，安裝的時(shí)候不需要編譯，因?yàn)樗鼤?huì)在運(yùn)行時(shí)通過(guò)一個(gè)輕量級(jí)的即時(shí)編譯（JIT）模塊來(lái)編譯所有的內(nèi)核程序。

目前，DeepGEMM只支持英偉達(dá)的Hopper張量核心。

為了解決FP8張量核心在計(jì)算累積時(shí)不夠精確的問(wèn)題，它采用了CUDA核心的兩級(jí)累積（提升）方法。

雖然DeepGEMM借鑒了CUTLASS和CuTe里的一些理念，但并沒(méi)有過(guò)度依賴(lài)它們的模板或代數(shù)運(yùn)算。

相反，這個(gè)庫(kù)設(shè)計(jì)得很簡(jiǎn)潔，只有一個(gè)核心內(nèi)核函數(shù)，代碼量大概300行左右。

這使得它成為一個(gè)簡(jiǎn)潔易懂的資源，方便大家學(xué)習(xí)Hopper架構(gòu)下的FP8矩陣乘法和優(yōu)化技術(shù)。

盡管其設(shè)計(jì)輕巧，但DeepGEMM的性能可以匹配或超過(guò)各種矩陣形狀的專(zhuān)家調(diào)優(yōu)庫(kù)。

那么具體性能如何呢？

團(tuán)隊(duì)在H800上使用NVCC12.8測(cè)試了DeepSeek-V3/R1推理中可能使用的所有形狀（包括預(yù)填充和解碼，但沒(méi)有張量并行）。

下面這張圖展示的是用于密集模型的普通DeepGEMM的性能：

掩碼布局（maskedlayout）的性能是這樣的：

OneMoreThing

英偉達(dá)這幾天的股票……嗯……一直再跌：

不過(guò)在北京時(shí)間27日凌晨，英偉達(dá)2025財(cái)年第四季度業(yè)績(jī)報(bào)告也即將出爐，我們可以期待一下它的表現(xiàn)~