DeepSeek是一款基于AI技术的智能搜索引擎，结合深度学习与自然语言处理，提供精准、高效的搜索体验。探索DeepSeek，感受未来智能搜索的无限可能！（韩国未来资产证券）的分析称，V3 的硬件效率之所以能比 Meta 等高出 10 倍，可以总结为“他们从头开始重建了一切”。
在使用英伟达的 H800 GPU 训练 DeepSeek-V3 时，他们针对自己的需求把 132 个流式多处理器（SMs）中的20 个修改成负责服务器间的通信，而不是计算任务。
PTX 在接近汇编语言的层级运行，允许进行细粒度的优化，如寄存器分配和 Thread / Warp 级别的调整。
这种编程非常复杂且难以维护，所以行业通用的做法是使用 CUDA 这样的高级编程语言。
有网友表示，如果有一群人嫌 CUDA 太慢而使用 PTX，那一定是前量化交易员。
一位亚马逊工程师提出灵魂质问：CUDA 是否还是护城河？这种顶尖实验室可以有效利用任何 GPU。
甚至有网友开始畅想，如果“新源神”DeepSeek 开源了一个 CUDA 替代方案……
首先要明确的是，PTX 仍然是英伟达 GPU 架构中的技术，它是 CUDA 编程模型中的中间表示，用于连接 CUDA 高级语言代码和 GPU 底层硬件指令。
CUDA 起到了提供高级编程接口和工具链的作用，可以简化开发者的工作。而 PTX 作为中间层，充当高级语言和底层硬件之间的桥梁。
另外，这种两步编译流程也使得 CUDA 程序具有跨架构的兼容性和可移植性。
反过来说，像 DeepSeek 这种直接编写 PTX 代码的做法，首先不仅非常复杂，也很难移植到不同型号的 GPU。
有从业者表示，针对 H100 优化的代码迁移到其他型号上可能效果打折扣，也可能根本不工作了。
所以说，DeepSeek 做了 PTX 级别的优化不意味着完全脱离了 CUDA 生态，但确实代表他们有优化其他 GPU 的能力。
事实上，我们也能看到 DeepSeek 已经与 AMD、华为等团队紧密合作，第一时间提供了对其他硬件生态的支持。
还有人提出，如此一来，让 AI 擅长编写汇编语言是 AI 自我改进的一个方向。
我们不知道 DeepSeek 内部是否使用 AI 辅助编写了 PTX 代码 —— 但是确实刚刚见证DeepSeek-R1 编写的代码显著提升大模型推理框架的运行速度。
Llama.cpp项目中的一个新 PR 请求，使用 SIMD 指令（允许一条指令同时处理多个数据）显著提升 WebAssembly 在特定点积函数上的运行速度，提交者表示：
这个 PR 中的 99% 的代码都是由 DeepSeek-R1 编写的。我唯一做的就是开发测试和编写提示（经过一些尝试和错误）。
是的，这个 PR 旨在证明大模型现在能够编写良好的底层代码，甚至能够优化自己的代码。
广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。
再加一把火、造福全人类，Hugging Face 号召打造完全开源版 DeepSeek R1 大模型
OpenAI 阿尔特曼：DeepSeek-R1 令人印象深刻，将推出更好的模型
DeepSeek 认为自己比美国竞品更优秀的原因在于成本效益和定制选项、中文的专业化，而 ChatGPT 是一个多才多艺的全能助手
英伟达市值一夜蒸发近 5900 亿美元再创新纪录，称 DeepSeek 的进展证明需要更多芯片
DeepSeek 深夜再放大招：7B 参数人人可用的视觉多模态模型 Janus-Pro-7B 开源