摘要：我看了一下，腾讯对开源DeepSeek的DeepEP通信框架进行了深度优化，显著提升了该框架在多种网络环境下的性能表现，解决了此前在低成本RoCE网络中的瓶颈问题，并推动其更广泛的应用。

大家可能还记得5月7日那天的事情，DeepSeek公开致谢腾讯技术团队。

我看了一下，腾讯对开源DeepSeek的DeepEP通信框架进行了深度优化，显著提升了该框架在多种网络环境下的性能表现，解决了此前在低成本RoCE网络中的瓶颈问题，并推动其更广泛的应用。

按道理，这样的优化本来就是DeepSeek自己的事情，反而让腾讯技术团队抢了先，这是为什么呢？

可能，不少人和我一样百思不得解中。

腾讯技术团队还是真给力的，在RoCE网络环境中，优化后的DeepEP通信框架性能提升了100%，而在InfiniBand（IB）网络环境中，性能也提升了30%。这一优化大幅降低了AI大模型训练的通信成本，为企业提供了更高效的解决方案。

从而，腾讯技术团队为DeepSeek解决了原有技术痛点。

这里需要明确一下DeepEP框架，最初是在MoE架构大模型中通过突破性方法实现了300%的通信效率提升，减少对英伟达NCCL的依赖，但是这在成本更低的RoCE网络中表现不佳，带宽利用率低且存在CPU控制面延迟问题，限制了实际应用。

腾讯星脉网络团队针对两大关键瓶颈展开攻关，也是令人刮目相看。

一是，针对双端口网卡带宽利用率不足，通过拓扑感知的多QP建链技术的智能分配数据流，实现最大化利用带宽。

二是，针对CPU控制面交互延迟的挑战，采用基于IBGDA技术的优化，绕过CPU中转，降低延迟和能耗。

可见，两个方面的技术攻关都基本很到位了。

就此，腾讯还提出了QP内时序锁机制，解决GPU数据传输顺序混乱问题，即使同时处理上千任务也能保证顺序精准。

值得一提的是，近水楼台先得月。优化后的代码已全面开源，并成功应用于腾讯混元大模型的训练与推理，验证了其在高性能计算环境，如腾讯星脉网络与H20服务器中的通用性。

在公开致谢中，DeepSeek称腾讯这次优化是“huge speedup”，标志着开源社区协作的重要成果，也为AI大模型的分布式训练提供了更优选择。

再次为腾讯技术团队点赞👍。

因此，通过解决DeepEP在RoCE网络中的性能瓶颈并显著提升效率，推动了该框架的广泛应用，这是DeepSeek致谢的核心原因。

由此可见，开源大模型的技术创新迭代不仅要靠DeepSeek这样的创新公司，也需要腾讯等技术生态伙伴的共同努力。

众人拾柴火焰高，AI创新助力靠大家。期待开源大模型迎来更大的技术突破。

阿明书法：众人拾柴火焰高

- END-

你怎么看？

欢迎文末评论补充！

【科技明说｜全球存储观察 ｜全球云观察｜阿明观察】专注科技公司分析，用数据说话，带你看懂科技。本文和作者回复仅代表个人观点，不构成任何投资建议。

来源：阿明观察