6 天，7 个项目：我学 DeepSeek 这一个月的全局地图
DeepSeek 开源周，6 天，7 个项目。
最近一个月，给了自己一个深入了解 DeepSeek 的机会，汇总记录如下：用通俗易懂的话，讲述 DeepSeek 开源的那些项目。
2 月 24 日：FlashMLA
一个高性能显卡定制的”AI 加速工具”，加速到什么程度？
- 处理速度达到 3000GB/s；
- 算力达到 580 万亿次/s；
2 月 25 日：DeepEP
为混合专家 MOE与并行专家 EP量身定制的通讯库，能达到什么效果？
- 降低延时；
- 提升吞吐量；
训练/计算更快，成本更低，模型迭代更快。
2 月 26 日：DeepGEMM
一个 FP8 通用矩阵乘法库（library），300 行优美的代码，效率提高 N 倍。
2 月 27 日：DualPipe
一个双向管道并行算法，提高了前向传播/反向传播过程中的计算+通信效率，降低了单向流水线的等待时间，作者之中：
梁文锋赫然在列！
2 月 27 日：EPLB
一个动态负载均衡算法，在使用专家并行 EP 时，不同专家会被分配到不同的 GPU，EPLB 保证了 GPU 负载的均衡。
分级，冗余，就近，动态… 工程架构领域，哪有什么新鲜事，可偏偏在 deepseek 手里大放异彩。
2 月 28 日：3FS
一个用 C++ 写的高性能分布式文件系统，幻方官网，最显著的位置，说明了 3FS 是他们最大的三大核心竞争力之一。
它流弊到什么程度？
读：8T/s
写：500G/s
IO 响应：18 亿次/s
集群使用率：96%
GPU 使用率：85%
2 月 29 日：V3/R1 整体架构思路
V3/R1 软件优化架构优化。
为什么 DeepSeek 要走这一条路？
GPU 是瓶颈的时候，有两条路可走：
其一，水平扩展 scale out：囤卡，堆 GPU；
其二，垂直扩展 scale up：GPU 升级换代；
但这两条路，都被死死的卡在漂亮国的手里。
卡，限制你，不让你囤。
先进的卡，不卖给你，谁叫你落后 5 年。
为了突破瓶颈，DeepSeek 被逼无奈的走出了第三条路：通过软件优化架构优化。
想深挖一层，直接去官方仓库翻代码：github.com/deepseek-ai，所有项目细节，git 可查。
这个系列的第 9-16 篇，就是把上面每个项目逐个拆开讲——汇总看不懂没关系，后面的拆解篇会一个一个讲透。
DeepSeek 开源一周，自己学了一个月。在这期间，收获最大的人，一定是我自己。
世界上从来就没有什么腾空出世：
to DeepSeek！
to 我自己！
共勉！
这份汇总里的每个项目，这个系列后面都有单独一篇展开。但我们从头开始——第 1 篇，先讲怎么向 deepseek 提问：达到最佳效果的 3 大原则。
知其然，知其所以然。思路比结论更重要。