专栏名称: 硅星GenAI

比一部分人更先进入GenAI。

DeepSeek开源周Day 2: DeepEP——解锁MoE模型通信瓶颈

硅星GenAI · 公众号 · AI 科技自媒体 · 2025-02-25 12:27

主要观点总结

DeepSeek开源项目发布day2的成果——DeepEP，旨在解决MoE模型训练和推理中的通信效率问题。主要特点包括高效优化的通信库，支持节点内与节点间的通信，原生支持FP8调度等。它有助于提升MoE模型的训练和推理速度，对大规模AI项目具有重要意义。

关键观点总结

关键观点1: DeepEP的发布背景及目标

DeepEP是面向MoE模型训练与推理的开源EP通信库，旨在优化通信效率，解决MoE模型在训练和推理过程中的瓶颈。

关键观点2: DeepEP的主要特点

包括高效优化的全对全通信、通过NVLink和RDMA实现的高吞吐量内核、低延迟推理解码内核、原生FP8调度支持等。

关键观点3: DeepEP在MoE模型中的应用价值

DeepEP通过优化通信效率，提升了MoE模型的训练和推理速度，对于大规模AI项目具有重要意义。它的实施可能影响到未来硬件设计，如NVIDIA SHARP协处理器或统一IB和NVLink网络的发展。

关键观点4: DeepEP的积极反响

DeepEP发布后受到了业界的广泛关注，从评论来看，受到了广泛的积极评价。用户称赞其高效通信和支持低精度操作（如FP8）。赛科传媒的CEO梁赛表示，DeepEP的发布有利于大模型自身的进化演变和催生更多的应用。

正文

作者｜周一笑
邮箱｜ [email protected]

DeepSeek开源周day2正式发布：DeepEP。

昨天的FlashMLA着眼于解决计算性能瓶颈，而今天发布的DeepEP则将目光投向了MoE模型训练与推理中的另一个关键环节——通信。DeepEP是一个面向MoE模型训练与推理的开源EP通信库，专门针对Hopper GPU（未来可能支持更多架构或设备）优化通信效率。

DeepSeek官方总结的DeepEP主要特点包括：

高效优化的全对全通信

通过 NVLink 和 RDMA 实现节点内与节点间支持

用于训练和推理预填充的高吞吐量内核

低延迟推理解码内核

原生 FP8 调度支持

计算与通信重叠的灵活 GPU 资源控制

在MoE模型中，由于专家数量众多且分布在不同设备上，专家之间的通信效率直接影响到整个模型的训练和推理速度。因此，一个高效的通信库对于MoE模型至关重要。

EP通信库，通常指的是用于高效数据传输和通信的协议或库，特别是在分布式计算环境中。在EP（Expert Parallel）模式是一种并行计算策略，能够有效地处理巨大的计算负载。

在使用MoE（Mixture of Experts）模型时，EP通信库可以帮助在不同设备之间实现专家并行，使每个设备只需处理其所负责的专家，从而减轻了单个设备的负担。

从 GitHub 页面提供的描述来看，DeepEP就像是为前面提到的专家团队提供了一种超快的“信使服务”，让这些专家之间的通信尽可能快速。

它优化了速度和效率，支持低精度操作如 FP8，这是一种计算更快但精度稍低的数字表示方式，类似于用更简单的工具完成任务。它还针对特定的硬件连接（如 NVLink 和 RDMA）进行了优化，这些是 GPU 之间的高速通信方式，确保在大规模 AI 项目中通信效率最高。

想象你有一个很大的团队，每个成员（我们称之为“专家”）负责不同的任务，比如一个擅长写文章，另一个擅长算数学。这些专家分布在不同的电脑上，使用强大的处理器叫 GPU。DeepEP 就像一个超级快的信息传递系统，让这些专家能快速分享数据，确保团队合作顺利。

具体来看，DeepEP包括以下关键功能：

正常内核：用于训练和推理预填充，支持对 Streaming Multiprocessor (SM) 数量的控制。SM 是 GPU 执行 CUDA 内核的部分，控制其数量可以优化性能。

低延迟内核：针对延迟敏感的推理解码，使用纯 RDMA（远程直接内存访问）技术，并采用基于钩子的通信-计算重叠方法，不占用 SM 资源。这对于实时应用（如语言模型的逐 token 生成）尤为重要。

低精度支持：支持 FP8 操作，FP8 是一种 8 位浮点格式，相比标准 FP32（32 位）计算更快，内存占用更少。这在大型模型中尤为关键，可以显著提高效率。

硬件优化：针对非对称域带宽转发（如 NVLink 到 RDMA 域）进行了优化，符合 DeepSeek-V3 论文中提到的组限制门控算法。NVLink 和 RDMA 是 GPU 之间的高速互连方式，优化这些连接可以充分利用硬件性能。

性能方面，在实测中，DeepEP在H800上4096个token同时处理的场景下，达到了153GB/s的传输速度，接近硬件理论极限（160GB/s）。

具体来看，正常内核性能（NVLink 和 RDMA，H800，CX7 InfiniBand 400 Gb/s，DeepSeek-V3/R1 预训练：4096 tokens/batch，7168 hidden，top-4 groups，top-8 experts，FP8 dispatch，BF16 combine）：

低延迟内核性能（纯 RDMA，H800，CX7 InfiniBand 400 Gb/s，DeepSeek-V3/R1 生产：128 tokens/batch，7168 hidden，top-8 experts，FP8 dispatch，BF16 combine）：

DeepEP项目描述还提到，实施可能与 DeepSeek-V3 论文略有不同，表明DeepEP可能是一个独立开发但与DeepSeek-V3 密切相关的工具，专门处理通信优化。

总的来看，DeepEP 的价值主要体现在以下几个方面：

效率提升：通过优化通信，减少训练和推理所需的时间和计算资源。例如，低延迟内核通过通信-计算重叠方法不占用 SM 资源，适合实时推理。