2026年4月24日DeepSeek V4-Pro和DeepSeek V4-Flash正式发布并开源模型上下文处理长度由原有的128K显著扩展至1M首次增加了KV Cache滑窗和压缩算法大幅减少Attention计算和访存开销并通过模型架构创新更好地支持了Agent和Coding场景。昇腾一直同步支持DeepSeek系列模型本次通过双方芯模技术紧密协同实现昇腾超节点全系列产品支持DeepSeek V4系列模型。昇腾950通过融合kernel和多流并行技术降低Attention计算和访存开销大幅提升推理性能结合多种量化算法实现了高吞吐、低时延的DeepSeek V4模型推理部署。昇腾A3超节点系列产品也全面适配同时为便于用户快速微调提供了基于昇腾A3集群的训练参考实现。01. 昇腾950超节点重新定义长文本推理的性能天花板实现DeepSeek V4-Pro 20ms 和DeepSeek V4-Flash 10ms低时延推理基于DeepSeek V4-Pro模型在8K输入场景昇腾950超节点可实现TPOT约20ms时单卡Decode 吞吐4700TPS。DeepSeek V4-Flash模型8K长序列输入场景下可实现TPOT约10ms时单卡Decode吞吐1600TPS注上述Benchmark数据均基于Offine推理模式采集不包含Serving调度和框架负载均衡影响。极低时延的实现源于昇腾950代际底层架构的三大升级原生精度加速 全面支持 FP8 、MXFP8、MXFP4等数据格式在保证模型精度的同时可实现内存占用降低50%计算能力翻倍。稀疏访存优化 针对MoE模型的离散访存特征通过大幅提升硬件级稀疏访存能力有效解决了专家路由过程中的带宽瓶颈。Vector与Cube共享Memory创新的存储架构设计实现了向量单元Vector与矩阵单元Cube的Memory共享消除了大量片上数据搬运开销极大地降低了端到端推理时延。除了底层架构的升级昇腾950超节点从基础器件、协议算法到光电互联实现了系统级的创新突破支持用户以64卡为步长按需扩展可实现8192卡无收敛全互联提供业界最大Scale Up能力。同时我们联合定义昇腾超节点进一步大幅提升延迟和吞吐同时实现低成本且兼顾万卡级别的Scale out 集群规模。解决了长序列4K到1M 序列长度范围内都有低延迟和高吞吐。此架构支持基于NAND SSU的超低成本、超大容量、高性能KV cache有效支撑支持长序列应用。02.A3超节点系列产品实现DeepSeek V4-Flash模型单卡Decode吞吐2000 TPSAtlas 900 A3 SuperPoD液冷超节点及Atlas 800 A3风冷超节点采用平等架构、全局内存统一编址、点对点互联带宽达784GB/s。提供32到384多种规格满足不同业务需求昇腾超节点是国内唯一成熟规模商用的超节点产品满足互联网、运营商、金融等行业对大模型推理超高吞吐、超大并发的极致性能需求。基于昇腾A3 64卡超节点结合大EP模式部署DeepSeek v4-Flash 模型8K/1K输入输出场景基于vLLM推理引擎可实现2000 TPS的单卡Decode吞吐单卡吞吐持续提升。针对DeepSeek V4-Pro模型昇腾A3同步支持推理部署性能持续优化中。03. 昇腾同步支持并开源DeepSeek V4 复杂Sparse Attention mHC架构续训练参考实现TorchTitan-NPU 携手 Autofuse助力训练轻松入图、开箱即优昇腾 CANN 基于 A3 64卡超节点正式完成 DeepSeek V4-Flash 模型续训练CPT的0-day 适配支持。通过 TorchTitan-NPU 插件与 Autofuse 自动融合技术的深度协同实测模型吞吐量最高达到 1100 tokens/p/s实现模型训练性能开箱即优。而这一亮眼的开箱表现主要源自以下三大维度的硬核系统级优化极简分布式并行架构 突破传统复杂的混合并行设计采用超节点亲和的大 EP 纯 FSDP 的极简并行切分策略以极低适配成本和通信开销达成内存占用最优实现易用性与性能的较好均衡原生“入图”与自动融合TorchTitan-NPU 深度适配 torch.compile 机制使能训练入图技术依托 Inductor AutoFuse基于Ascend C的Codegen后端实现端到端的 Vector 算子自动融合为整网带来高达 31.8% 的开箱即用性能收益稀疏Attention高效融合算子 针对稀疏注意力等复杂结构开发 SparseAttnSharedkv、LightningIndexer 等多个高效的 NPU 融合算子从负载均衡分核计算、内存与计算均衡等维度协同优化充分释放芯片稀疏算力04. PyPTO编程新范式与TileLang方案同步开源为了解决自定义算子开发门槛高、周期长的痛点昇腾CANN 推出了PyPTO编程范式。PyPTO 提供完善的 Python API使开发者能够以符合Python习惯的语法进行算子开发。高效的算子开发PyPTO 依托内置高级编译优化可自动完成流水编排与内存管理使开发者无需关注硬件细节而专注于计算流表达实现DeepSeek V4新一代模型算子开发周期可缩短至天级。高性能Kernel自动生成针对 Attention、Compressor、mHC 等复杂逻辑算子PyPTO 可自动生成高度优化的 Kernel避免开发者手动处理繁琐的同步与数据搬运显著缩短从算法验证到部署落地的开发周期。PTO ISA虚拟指令集跨代兼容PyPTO 基于PTO虚拟指令集PTO ISA实现了对硬件新特性的“零感适配”针对不同代际芯片统一指令接口实现了同一套算子代码在不同代际芯片上的兼容实现。借助毕昇编译器的VFVector Fusion 自动融合能力可在 micro kernel 级别实现更优融合。TileLang社区生态TileLang-Ascend 是 TileLang 针对华为昇腾平台深度优化的实现分别对应Tilelang-Ascend的Expert和Developer开发模式提供AscendC基础指令和PTO AS两种对接层次为各种编程前端语言和编译器提供多层开放接口。DeepSeek V4模型相关实现已在 TileAI 开源社区正式发布后续将持续推进性能优化与功能迭代。昇腾A2、A3及950全系列产品适配DeepSeek v4-Flash、DeepSeek v4-Pro。昇腾始终致力于为世界提供新选择以极致的算力与开放的生态加速 AI 产业的繁荣。我们期待与广大客户及开发者携手共进在 DeepSeek V4 的新纪元中探索无限可能。05. 资源链接DeepSeek V4 模型推理优化实践https://gitcode.com/cann/cann-recipes-infer/tree/master/docs/models/deepseek-v4/deepseek_v4_inference_guide.mdDeepSeek-V4 Ascend C 融合算子优化:https://gitcode.com/cann/cann-recipes-infer/tree/master/docs/models/deepseek-v4/deepseek_v4_ascendc_operator_guide.md基于CANN平台的TorchTitan-NPU AutoFuse 极简训练优化实践https://gitcode.com/cann/cann-recipes-train/blob/master/docs/llm_pretrain/deepseek-v4_torchtitan_npu_autofuse.md大模型推理引擎 vLLM 及昇腾实现https://docs.vllm.ai/projects/ascend/en/v0.13.0/tutorials/DeepSeek-V4.html大模型推理引擎 SGLang 及昇腾实现https://github.com/sgl-project/sglang/issues/23598TileLang-Ascend 开源社区https://github.com/tile-ai/tilelang-ascend进入社区互动讨论讨论帖直播预约链接点击预约​