国产AI的“伟大闭环”！DeepSeek平常的一句话或改变GPU编程生态

从模型到芯片：国产AI生态闭环初现TileLang：从“高门槛”到“平民化”的跨越

当市场目光聚焦于DeepSeek带来的API价格腰斩时，一个隐藏在公告中的技术细节——“编程语言TileLang”，正在打开一扇新的大门。

9月29日，深度求索（DeepSeek）公告正式发布V3.2-Exp模型（实验性版本），大幅提升了长文本处理效率，并宣布API调用成本降低50%以上。在这篇公告中，有这样一段表述：

• 我们使用高级语言TileLang进行快速原型开发，以支持更深入的探索。

这句话看似技术细节，却可能成为国产算力生态建设的关键支点，其也迅速引发了产业链的连锁反应。

民生证券最新报告指出，同日华为昇腾、寒武纪等国产芯片厂商宣布实现了对DeepSeek新模型的适配。尤其值得关注的是，昇腾已针对TileLang语言启动了核心算子的开发工作，后续将支持更完备的NPU算子。

• 同日，华为昇腾、寒武纪等国产芯片厂商宣布实现了对DeepSeek-V3.2-Exp的适配。针对特有的Tilelang编程语言，昇腾已经实现TileLang的Sparse Flash Attention和Lightning Indexer算子开发，后续将支持更完备的NPU算子并提升性能和泛化性。

从顶尖AI模型提出需求，到新兴编程语言提供工具，再到国产芯片提供硬件支持，这一系列联动被视为构建国产AI“伟大闭环”的关键一步。民生证券团队说道：

• DeepSeek v3.2实现国产AI的伟大“闭环”。

对于国产计算产业而言，TileLang的价值远不止于提升开发效率。它扮演了一个关键的“中间件”角色，连接了上层AI应用与底层国产硬件。

在DeepSeek的案例中，TileLang使其能够快速迭代和验证复杂的稀疏注意力算法。而当这一高效模型被市场验证后，其所依赖的编程工具也自然成为硬件厂商需要兼容的对象。

民生证券的报告明确指出，华为昇腾已实现TileLang的“Sparse Flash Attention”和“Lightning Indexer”算子开发。这意味着，国产AI芯片正在积极拥抱由本土AI应用催生出的新软件标准，逐步构建一个不完全依赖于英伟达CUDA的生态系统。

CUDA是一套英伟达提供给开发人员的编程工具，让工程师能运用CUDA，省下大量撰写低阶语法的时间，进而直接使用高阶语法诸如C++或Java等来编写应用于通用GPU上的演算法，解决平行运算中复杂的问题。

根据TileLang开发社区Tile-AI发起人王磊博士的介绍，TileLang是一种采用类Python语法的领域专用语言（DSL），旨在简化GPU和NPU等加速器上的算子编程。其核心设计理念是将复杂的硬件调度与开发者的算法逻辑解耦。

据民生证券分析，TileLang的核心价值在于大幅降低了GPU编程的技术门槛。

传统GPU编程一直被视为高性能计算领域的“技术高地”，需要开发者精通硬件架构、内存管理等复杂知识。据王磊博士在技术沙龙上透露，传统开发模式下，一个高性能算子的开发需要数周时间，且代码难以维护。

而TileLang通过分层设计，让不同技术背景的开发者都能参与GPU编程。王磊博士在分享中表示：

如果你是完全不懂硬件的初学者，可以像写高级数学表达式一样编程；如果你是专家，也能进行深度优化。

这种设计理念使得GPU编程向更广泛的开发者群体开放。王磊博士在沙龙上强调，TileLang的目标是“桥接程序性与性能”。在实际应用中，这一目标已初见成效——据民生证券转述的测试数据，使用TileLang开发的部分算子在保持95%性能的同时，代码量减少至传统方法的十分之一。

民生证券团队称，Tilelang的主要技术亮点包括：

• 1）简化NPU算子编程复杂度：Tilelang采用类Python语法，大大降低NPU算子开发门槛，封装调度空间为自定义原语，开发者更加关注数据流本身。
• 2）支持灵活扩展：实现调度空间与数据流解耦，NPU算子优化由编译器自动完成，同时充分利用NPU底层硬件特性。
• 3）高性能：Tilelang可以实现高性能NPU算子，允许用户感知NPU硬件特性，相较Triton理论上可以获得更好的性能。