国产显卡动作神速！摩尔线程全面支持DeepSeek开源周成果
快科技 3 月 2 日消息，日前摩尔线程宣布，随着 DeepSeek 开源周收官，摩尔线程在短时间内，成功实现对 DeepSeek 各个开源项目的全面支持，涵盖 FlashMLA、DeepEP、DeepGEMM、DualPipe 以及 Fire-Flyer 文件系统（3FS）。
摩尔线程表示，这一成果充分验证了 MUSA 架构和全功能 GPU 在生态兼容与快速适配方面的强大优势。
以下是摩尔线程支持 DeepSeek 开源周 " 全家桶 " 代码合集：
FlashMLA：
FlashMLA 是一款高效的 MLA（Multi-Head Latent Attention）推理内核开源仓库，旨在加速 MLA 机制的计算，特别适用于 DeepSeek 系列模型（如 DeepSeek-V2、V3 和 R1）。
摩尔线程基于全新 MUSA Compute Capability 3.1 计算架构，可提供原生 FP8 计算能力，同时升级了高性能线性代数模板库 MUTLASS，快速支持了 FlashMLA。
借助 MUTLASS 0.2.0，摩尔线程发布开源仓库 MT-FlashMLA，能够快速对 DeepSeek FlashMLA 进行兼容部署。
MT-FlashMLA 开源地址：
https://github/MooreThreads/MT-flashMLA
MUTLASS FlashAttention3 地址：
https://github/MooreThreads/mutlass/tree/main/experimental/mp31_flash_attention_fwd
DeepEP：
DeepEP 是一个用于 MoE（混合专家）模型训练和推理的开源 EP（expert parallelism，专家并行）通信库，主要适用于大模型训练，特别是需要 EP 的集群训练。
它通过优化通信信道的使用率，显著提升了训练效率。摩尔线程基于 MUSA Compute Capability 3.1 全功能 GPU，第一时间适配了 DeepEP。
MT-DeepEP 开源地址：
https://github/MooreThreads/MT-DeepEP
DeepGEMM：
DeepGEMM 是一个支持密集矩阵与混合专家（MoE）矩阵乘法的 FP8 GEMM 库，为 V3/R1 的训练与推理提供强大动力。
这个开源仓库基于高性能通用矩阵乘法（GEMM）的 C++ 模板库进行开发，摩尔线程基于 MUTLASS 在全新 GPU 架构上优化实现了 FP8 矩阵乘法，支持 DeepGEMM 的相应功能。
MUTLASS FP8 GEMM 地址：
https://github/MooreThreads/mutlass/tree/main/examples/02_mp31_fp8_gemm_with_collective_builder
https://github/MooreThreads/mutlass/tree/main/examples/03_mp31_fp8_scaling_gemm
DualPipe：
DualPipe 是 DeepSeek-V3 提出的双向流水线并行算法，通过前向计算与后向计算阶段的计算与通信完全重叠，显著减少了 " 流水线气泡 "（设备空闲等待）。
与传统流水线并行相比，DualPipe 采用双向数据流设计，使数据从两端相向处理，大幅提升了资源利用率与训练效率。
摩尔线程依托深度学习框架 Torch-MUSA（已开源）和 MUSA 软件栈全方位的兼容性，实现了对 DualPipe 这一算法的高效支持。
MT-DualPipe 可以完整接入摩尔线程 MT-Megatron 框架和 MT-TransformerEngine 框架（即将开源），实现 DeepSeek V3 训练流程的完整复现。
MT-DualPipe 开源地址：
https://github/MooreThreads/MT-DualPipe
Torch-MUSA 开源地址：
https://github/MooreThreads/Torch_MUSA
3FS：
Fire-Flyer 文件系统（3FS）是一种利用现代 SSD 和 RDMA 网络的全部带宽的并行文件系统，可以把固态硬盘的带宽性能利用到极致。
摩尔线程在一天内完成了高性能分布式文件系统 3FS 的搭建，并高效开发了存储插件，成功实现与夸娥智算集群的无缝集成，为 AI 训练、AI 推理、科学计算等场景提供全栈存储加速方案。
3FS CSI Driver 地址：
https://github/MooreThreads/csi-driver-3fs
