这个星期真是热闹非凡，deepseek的开源周（2025年2月24日至28日）连续五天发布了5个核心技术项目，涵盖了ai模型训练、推理优化和文件系统等多个领域。而在今天，deepseek还公布了自己的利润率，真是把用户当成了自家人，哈哈！
接下来，让我们详细了解一下开源周都带来了哪些内容，并探讨这些内容对AI行业的影响。
开源内容详解第一天：FlashMLA（2月24日）
功能：专为英伟达Hopper GPU优化的高效MLA（多头潜在注意力）解码内核，能够动态分配算力资源以处理不同长度的序列（如长/短文本），避免算力浪费。
亮点：在H800 GPU上可达580 TFLOPS峰值性能，内存带宽达3000GB/s，显著提升翻译、生成等任务的效率。
第二天：DeepEP（2月25日）
功能：首个面向MoE（混合专家模型）训练和推理的开源EP（专家并行）通信库，优化专家模型间的数据传输，支持FP8低精度计算。
亮点：减少通信延迟和资源消耗，提升MoE模型整体运行效率，支持NVLink和RDMA网络。
第三天：DeepGEMM（2月26日）
功能：FP8精度的通用矩阵乘法加速库，针对大模型核心计算环节优化，代码仅300行，支持普通和MoE分组的矩阵运算。
亮点：在Hopper GPU上实现1350+ FP8 TFLOPS性能，安装无需编译，直接通过CUDA运行。
第四天：并行优化策略（DualPipe & EPLB，2月27日）
DualPipe：双向管道并行算法，减少计算与通信阶段的等待时间，硬件利用率提升超30%。
EPLB：专家并行负载均衡器，通过冗余专家策略优化GPU负载分配，减少闲置。
第五天：3FS文件系统 & Smallpond（2月28日）
3FS：基于SSD和RDMA的并行文件系统，数据读取吞吐量达6.6TB/s，加速海量数据训练和推理。
Smallpond：轻量化数据处理框架，简化PB级数据管理。
第六天：One More Thing: DeepSeek-V3/R1 推理系统概述（3月1日）
在DeepSeek-V3/R1 推理系统概述里，主要介绍了其高性能推理系统的设计与优化策略。该系统通过以下技术提升效率：
跨节点专家并行（EP）驱动的批量扩展，动态调整计算规模；计算与通信重叠，减少延迟；负载均衡算法，优化GPU资源分配，避免节点过载或闲置。实际运行中，每个英伟达H800节点每秒可处理73.7k输入token和14.8k输出token，理论成本利润率高达545%（受低价策略和夜间折扣影响，实际收入较低）。该系统支撑了DeepSeek-V3/R1模型的高效推理，进一步推动了大模型在低成本、高吞吐场景的落地。
DeepSeek能够将底层技术开源，甚至连自己的利润率都展示给用户看，充分展示了自己的技术实力和自信心（是不是又更高级的模型了？）。这不仅仅是DeepSeek的胜利，更是国内AI行业的胜利。站在DeepSeek的肩膀上，也必然会有越来越多高性能、低费用的大模型被训练出来，为我们的AI普及做出贡献。
