【独家】腾讯与DeepSeek合作背后：一场中国开发者开源的胜利|界面新闻 · 科技 - 趣味生活 - 52黑料

界面新闻记者 | 陆柯言
界面新闻编辑 | 文姝琪

几乎在马化腾与梁文锋同框引起关注的同时，DeepSeek与腾讯悄悄进行了一次技术合作。用腾讯工程师的话来说，此次合作的成果，相当于实现了AI落地“最后一公里”的突破。

近日，DeepSeek工程师在Github首页透露了此次合作细节。这名工程师表示，腾讯团队的代码贡献，让DeepEP实现了“huge speedup ”般的性能提升。这一次提升，也直接影响到每一位使用DeepSeek的用户。

为此，界面新闻独家采访了腾讯混元大模型背后的星脉网络团队，还原了此次合作背后的故事。

此次技术交流最早要追溯到今年2月。当时，DeepSeek宣布开源五个核心代码库，以全透明的方式公开其如何用1/5的硬件资源实现传统万卡集群效能的核心技术，使得更多开发者能够以低成本复现高性能AI训练方案，成为中国大模型开源生态的一个里程碑。

其中一个被开源的代码库名为DeepEP 。这是一个专门为MoE模型训练和推理打造的通信库，旨在解决阻碍MoE架构可扩展性的关键瓶颈，重点是优化通信、减少延迟和提高GPU资源利用率。

MoE架构以其对模型训练及推理成本的极大优化能力而著称，正是为GPT-4 、DeepSeek等超大参数模型而生。24年初，腾讯自研的混元大模型，也在国内率先采用了MoE架构。过去MoE架构的大模型训练都需要依赖成本高昂的英伟达NCCL通信库，而DeepEP的出现则让它们摆脱了这种依赖。

但DeepEP并不是万能的，它有“富贵病”：在成本较高的InfiniBand（IB）专用网络中如鱼得水，却难以适配更普适的RoCE（基于以太网）。而中国互联网厂商采用的大多都是RoCE网络，因此多数企业在部署DeepEP时都发现了网络性能不佳的问题。

网络性能不佳带来的影响是显著的。腾讯星脉网络团队首席架构师夏寅贲博士解释道，大模型的训练和推理需要大量GPU，背后是极高的成本。网络表现不佳会导致训练或推理过程中通信时间过长，相当于GPU在等待通信，浪费了昂贵的GPU资源，同时也造成了用户在屏幕前的长时间等待。

每家互联网厂商都在部署DeepEP ，为什么最先解决问题的是腾讯？夏寅贲博士认为，一个重要的前提是，得益于QQ、微信、游戏、腾讯云等高并发业务的需求，腾讯在过去十几年间实现了网络通信软硬件的全面自研，也积累了丰富的实战经验。

2022年，腾讯发现针对AI场景的网络需求与传统的数据中心业务存在极大差异，因此开始设计针对AI大模型的专用网络，即星脉网络，旨在为腾讯混元大模型搭建高性能网络底座。

腾讯开始着手解决DeepEP在RoCE网络性能不佳的问题。基于新一代自研TRMT（Tencent Remote Memory Transport）通信库，腾讯星脉网络团队结合在RoCEv2网络协议栈与双端口网卡架构的研究经验，对DeepEP进行了优化和增强：

一方面，利用流量预规划技术来最大化双端口网卡的带宽利用率，另一方面，使GPU绕过CPU的控制，由GPU直控RDMA（远程直接内存访问）通信来消除控制面开销，将通信时延降低至硬件极限。最终，实现了DeepEP在RoCEv2网络性能提升100%、IB网络性能提升30%。

“在训练场景中，性能提升10%意味着成本可以下降10%，而在推理任务当中，除了成本下降，用户等待的时间也可以减少10%。也就是说，过去问DeepSeek一个问题，过去要十秒钟才能得到答案，现在平均可以下降到九秒。当然，我们还会继续努力缩短这个时间。”腾讯星脉网络团队通信库架构师黄晓洁表示。

AI网络按照传输协议的不同可分为两类：IB网络和RoCE网络。其中IB网络专为高性能计算和AI训练而生，以低延迟著称。但由于英伟达几乎垄断了IB网络的核心硬件，生态封闭且成本较高。考虑到供应“卡脖子 ”风险，腾讯星脉网络一开始就选择了基于以太网的RoCE网络部署，并自研了适应新型AI业务需求的通信库TCCL ，并进一步演进到新一代TRMT通信库。