2025 年 2 月 26 日，在开源周的第三天，deepseek 正式推出了其高效的 fp8 通用矩阵乘法（gemm）库 —— deepgemm。该库不仅支持密集矩阵运算，还兼容混合专家（moe）架构的 gemm 操作，为 v3/r1 模型的训练与推理提供了强大助力。尤为引人注目的是，deepgemm 的核心代码仅约 300 行，却展现出卓越的性能表现。
为何需要 DeepGEMM？
在大规模模型的训练与推理中，矩阵乘法（GEMM，General Matrix Multiplications）是最关键的计算操作之一，尤其在深度学习过程中占据了大量计算资源。随着模型规模的不断扩展，特别是混合专家模型（MoE）的广泛应用，传统 GEMM 实现已难以满足高效计算的需求。MoE 模型通过动态激活部分专家来提升模型容量，但也带来了稀疏性和动态性的问题，使传统的密集矩阵乘法难以高效处理。
此外，低精度计算（如 FP8）在深度学习中的应用日益广泛，因其能够在降低内存消耗的同时维持较高的计算效率。然而，现有 GEMM 库对 FP8 的支持仍较为有限，特别是在 MoE 场景下，缺乏专门优化。DeepGEMM 的推出正是为了应对上述挑战，它实现了高效的 FP8 矩阵乘法，并同时支持密集和 MoE 两种模式，显著提升了大模型训练与推理的效率。
DeepGEMM 的主要特点
- 高性能：在 NVIDIA Hopper GPU 上，DeepGEMM 的 FP8 计算性能超过 1350 TFLOPS，内存带宽峰值达到 2668 GB/s。
- FP8 支持：作为首个专为 Hopper GPU 优化的 FP8 GEMM 库，DeepGEMM 能够有效减少内存占用并加速模型训练与推理过程。
- 简洁而强大的实现：尽管核心代码仅约 300 行，但其性能超越了许多专家级优化内核，这得益于团队在算法设计上的精妙构思及对 GPU 架构特性的深入理解。
- 即时编译（JIT）：采用轻量级 JIT 模块，可根据硬件配置和输入尺寸在运行时动态生成高度优化的代码，从而进一步提升性能。
- 支持密集与 MoE GEMM：不仅适用于传统密集矩阵乘法，还特别针对 MoE 模型中的 GEMM 运算进行了优化，满足多样化的模型计算需求。
DeepGEMM 的性能表现
DeepSeek 团队在 H800 GPU 上使用 NVCC 12.8 对 DeepGEMM 进行了全面测试，涵盖了 DeepSeek-V3/R1 推理中可能涉及的各种矩阵形状（包括预填充和解码阶段，但不包含张量并行）。测试结果表明，DeepGEMM 的计算性能最高可达 1358 TFLOPS，内存带宽峰值达 2668 GB/s。相比基于 CUTLASS 3.6 的优化实现，性能提升幅度最高达 2.7 倍；在 MoE 模型下的分组 GEMM（连续性布局和掩码布局）中，性能提升也超过 1.2 倍。
总结
DeepGEMM 的发布标志着 DeepSeek 在高效矩阵乘法计算领域取得了又一重要突破。该库不仅支持 FP8 低精度计算，还对 MoE 模型进行了深度优化，大幅提升了大模型训练与推理的效率。未来，DeepSeek 还将带来哪些令人期待的开源项目？让我们共同关注其在开源道路上的更多精彩表现。
参考资料
deepseek-ai/DeepGEMM：https://www.php.cn/link/e0c082bdcbcf050ff454698580c89289
