文 丨 新浪科技 周文猛
2月24日，在上周DeepSeek宣布本周将是开源周（OpenSourceWeek），并将连续开源五个软件库后。今日上午9：30时许，DeepSeek宣布开源了本次开源周首款代码库——针对Hopper GPU进行优化的高效型MLA解码核——FlashMLA。
新浪科技注意到，在GitHub上，目前该项目开源6小时后便已收获了超过5000Star收藏，并且拥有188个Fork（副本创建）。在听到DeepSeek开源FlashMLA并迎来的快速的Star收藏和Fork数据增长后，某港股上市公司CTO在与新浪科技沟通中直呼：“太强了”。
另有专注于AI硬件研究并投资的投资人，在查看FlashMLA后告诉新浪科技，对于国产GPU而言，此次开源算是重大利好。“此前的国产GPU卡，很弱。那现在可以通过FlashMLA提供的优化思路和方法论，尝试让国产卡大幅提升性能，即使架构不同，后面国产卡的推理性能提升将是顺理成章的事儿”。
据DeepSeek官方介绍，FlashMLA基于Hopper GPUs的有效MLA解码内核，可针对可变长度序列进行优化。
在DeepSeek整个技术路线中，MLA（多头潜在注意力机制）是公司已经发布的V2、V3两款模型中，最为核心的技术之一。被用于解决计算效率和内存占用上的性能瓶颈，能够显著提升模型训练和推理效率，同时保持甚至增强模型性能。
此前，中国工程院院士、清华大学计算机系教授郑纬民在与新浪科技沟通中曾提及：“DeepSeek自研的MLA架构为其自身的模型训练成本下降，起到了关键作用。”他指出，“MLA通过改造注意力算子压缩了KV Cache大小，实现了在同样容量下可以存储更多的KV Cache，该架构和DeepSeek-V3模型中FFN 层的改造相配合，实现了一个非常大的稀疏MoE 层，成为DeepSeek训练成本低最关键的原因。”
此次DeepSeek直接开放MLA解码核——FlashMLA，意味着DeepSeek将最为核心的MLA底层代码直接免费开放，这让广大开发群体可以直接复用FlashMLA代码库实现用更少的GPU服务器完成同样的任务，直接降低推理成本，这对于更多希望基于DeepSeek开源能力进行底层优化和AI应用开发群体而言，无疑是一大福利。
有意思的是，DeepSeek此次开放的MLA解码核，主要是针对Hopper GPU进行优化用途的。通常而言，Hopper GPU是指基于英伟达Hopper架构研发的H系列GPU产品。目前，英伟达该系列芯片已经发布H100、H800和H20等多款芯片。
据DeepSeek方面介绍，在基准测试性能表现上，FlashMLA在英伟达H800 SXM5 GPU上可实现3000 GB/s 的内存速度以及580TFLOPS的计算上限。
公开资料显示，根据美国出口管制规定，H800的带宽上限被设定为600 GB/s，相比一些旗舰产品有所降低。这意味着，使用FlashMLA优化后，H800的内存带宽利用率有望进一步提高甚至突破H800 GPU理论上限，在内存访问上达到极致，能让开发群体充分“压榨”英伟达H系列芯片能力，以更少的芯片实现更强的模型性能，最大化GPU价值。
有专注于AI硬件研究并投资的投资人在查看FlashMLA后表示，“FlashMLA是能让LLM在H800跑得更快、更高效的优化方案，尤其适用于高性能AI任务，他的核心是加速大语言模型的解码过程，提高模型的响应速度和吞吐量，这对于实时生成任务（如聊chatbot等）非常重要，对于大模型的能力和使用体验是巨大的促进，速度会明显提升。”
虽然FlashMLA是一个针对Hopper GPU的优化代码库，但对于国产GPU而言，此次开源也有利好。上述投资人在查看FlashMLA后表示，对于国产GPU而言，此次开源算是重大利好。“此前的国产GPU卡，很弱。那现在可以通过FlashMLA提供的优化思路和方法论，尝试让国产卡大幅提升性能，即使架构不同，后面国产卡的推理性能提升将是顺理成章的事儿”。
---延伸阅读: