2月24日，DeepSeek啟動了“開源周”，并開源了首個代碼庫FlashMLA。該代碼庫是針對Hopper GPU優(yōu)化的高效MLA解碼內(nèi)核，專為處理可變長度序列設(shè)計，現(xiàn)已投入生產(chǎn)使用。在H800 GPU上，F(xiàn)lashMLA能實現(xiàn)3000 GB/s的內(nèi)存帶寬和580 TFLOPS的計算性能。

簡單來說，F(xiàn)lashMLA是一種優(yōu)化方案，使大語言模型在H800這樣的GPU上運行得更快、更高效，特別適用于高性能AI任務(wù)。這一代碼能夠加速大語言模型的解碼過程，提高模型的響應(yīng)速度和吞吐量，對于實時生成任務(wù)（如聊天機器人、文本生成等）尤為重要。

MLA（多層注意力機制）是一種改進的注意力機制，旨在提高Transformer模型在處理長序列時的效率和性能。通過多個頭的并行計算，MLA讓模型能夠同時關(guān)注文本中不同位置和不同語義層面的信息，從而更全面、更深入地捕捉長距離依賴關(guān)系和復雜語義結(jié)構(gòu)。

此前，有從業(yè)者解析DeepSeek架構(gòu)時提到，MLA的本質(zhì)是對KV（Key-Value緩存機制）的有損壓縮，提高了存儲信息的效率。這項技術(shù)首次在DeepSeek-V2中引入，目前是開源模型中顯著減小KV緩存大小的最佳方法之一。

DeepSeek表示，F(xiàn)lashMLA就像給AI推理引擎裝上了一臺“渦輪增壓器”，使大模型在處理復雜任務(wù)時更快、更省資源，并降低了技術(shù)門檻。FlashMLA的意義不僅在于技術(shù)優(yōu)化，更是打破算力壟斷、加速AI普及的關(guān)鍵一步。

具體來說，F(xiàn)lashMLA可以突破GPU算力瓶頸，降低成本。傳統(tǒng)解碼方法在處理不同長度的序列時，GPU的并行計算能力會被浪費，而FlashMLA通過動態(tài)調(diào)度和內(nèi)存優(yōu)化，使Hopper GPU（如H100）的算力得到充分利用，相同硬件下吞吐量顯著提升。這意味著企業(yè)可以用更少的GPU服務(wù)器完成同樣的任務(wù)，直接降低推理成本。

另一方面，F(xiàn)lashMLA可以推動大模型落地應(yīng)用。現(xiàn)實場景中的可變長度序列（如聊天對話、文檔生成）需要動態(tài)處理，但傳統(tǒng)方法需要填充到固定長度，導致計算冗余。FlashMLA支持動態(tài)處理變長輸入，讓AI應(yīng)用（如客服機器人、代碼生成）響應(yīng)更快、更流暢，用戶體驗提升，加速商業(yè)化落地。

此前高效的解碼內(nèi)核多由科技巨頭閉源壟斷（如CUDA優(yōu)化庫），中小企業(yè)和研究者難以復現(xiàn)。FlashMLA開源后，開發(fā)者可以免費獲得“工業(yè)級優(yōu)化方案”，降低技術(shù)門檻，促進更多創(chuàng)新應(yīng)用（如垂直領(lǐng)域小模型）的誕生。

有網(wǎng)友在DeepSeek的帖子下留言稱，“鯨魚正在掀起波浪！”（注：DeepSeek的企業(yè)LOGO是鯨魚）。也有網(wǎng)友希望DeepSeek開源網(wǎng)頁搜索相關(guān)的代碼，并提到，“DeepSeek是真正的開放人工智能”。

這僅僅是開始，上周2月21日DeepSeek宣布，接下來會陸續(xù)開源五個代碼庫，“以完全透明的方式分享我們微小但真誠的進展”。這些在線服務(wù)中的基礎(chǔ)構(gòu)建模塊已經(jīng)經(jīng)過文檔化、部署，并在生產(chǎn)環(huán)境中經(jīng)過實戰(zhàn)檢驗。DeepSeek表示自己是探索AGI的小公司，作為開源社區(qū)的一部分，每分享一行代碼都會成為加速AI行業(yè)發(fā)展的集體動力。DeepSeek強調(diào)沒有高不可攀的象牙塔，只有純粹的車庫文化和社區(qū)驅(qū)動的創(chuàng)新。