DeepSeek再开源！EP通信库引爆GPU性能新高度

在AI领域的最新动态中，DeepSeek开源周的第二波发布引发了广泛关注。此次发布的核心是一个专为混合专家（MoE）模型和专家并行（EP）通信设计的开源库——DeepEP。该库发布后不到一小时，就在GitHub上收获了上千颗星标。

DeepEP是专为MoE架构定制的通信解决方案，提供了高吞吐量和低延迟的全对全GPU内核，业内称之为MoE调度与合并。这些内核的设计旨在充分利用现代硬件的优势，提升MoE模型的训练和推理性能。

DeepEP的亮点包括：高性能通信支持，利用NVLink和RDMA实现节点内和节点间的数据传输；FP8低精度运算支持，降低计算需求；针对延迟敏感的推理任务，提供了基于RDMA的低延迟内核；引入基于钩子的通信与计算重叠方法，避免占用流式多处理器资源；以及自适应路由和虚拟通道流量隔离，进一步提升通信效率。

为了与DeepSeek-V3论文中提出的组限制门控算法保持一致，DeepEP还优化了非对称域带宽转发的内核。这些优化内核能够在NVLink域和RDMA域之间高效传输数据，适用于训练和推理预填充任务，并支持流式多处理器数量的控制。

对于对延迟敏感的推理任务，DeepEP提供了基于RDMA的低延迟内核，最大限度地减少了推理解码的延迟。该库引入的基于钩子的通信与计算重叠方法，无需占用任何流式多处理器资源，进一步提升了整体性能。

在具体性能测试中，DeepEP展示了令人瞩目的表现。在配备NVLink和RDMA网卡的H800设备上，DeepEP在常规内核和低延迟内核测试中均取得了优异的结果。这些测试遵循了DeepSeek-V3/R1的预训练和生产环境设置，验证了DeepEP在实际应用中的高效性。

DeepEP的快速启动要求包括下载并安装NVSHMEM依赖项，以及进行必要的开发和网络配置。该库提供了详细的安装指南和网络配置步骤，以及接口和示例代码，方便开发者快速上手。

DeepSeek发布的推文在短短一小时内浏览量高达12万，评论区充满了开发者们对DeepEP的赞誉。他们纷纷表示，DeepEP在MoE模型优化方面的成就令人惊叹，对NVLink和RDMA的支持为大规模MoE模型带来了变革性的影响。甚至有开发者制作了表情包，形象地表达了他们对DeepSeek和DeepEP的认可和期待。