英伟达刚刚从DeepSeek-R1引发的4万亿元暴跌中缓过劲来，又面临新的压力？
硬件媒体Tom‘s Hardware带来开年新热议：
DeepSeek甚至绕过了CUDA，使用更底层的编程语言做优化。
这一次是DeepSeek-V3论文中的更多细节，被人挖掘出来。
来自Mirae Asset Securities Research（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。
变相绕过了硬件对通信速度的限制。
△ DeepSeek-V3 Technical Report
这种操作是用英伟达的PTX（Parallel Thread Execution）语言实现的，而不是CUDA。
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。
换句话说，他们把优化做到了极致。
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……
那么事情是否真会如此？
DeepSeek真的绕过了CUDA？
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。
PTX类似汇编语言，代码大概长这样：
△来自tinkerd.net
在实际编译流程中，CUDA代码首先被编译为PTX代码，PTX代码再被编译为目标GPU架构的机器码（SASS,Streaming ASSembler）。
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DeekSeek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。
One More Thing
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DeekSeek-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。
llama.cpp项目的创始人检查了这段代码后表示“比预期的更爆炸”。
