突破H800计算上限！DeepSeek放出第一个开源库，FlashMLA再掀降本潮？
2月24日周一，DeepSeek宣布启动“开源周”，首个开源的代码库为Flash MLA，目前已投入生产。
据介绍，FlashMLA的灵感来自 FlashAttention 2&3 和 cutlass 项目，是针对英伟达Hopper架构的GPU优化的高效MLA解码内核，主要在变长序列 (variable-length sequences) 的场景进行了深度优化，能够显著提升大模型推理效率。
突破GPU算力瓶颈，推理成本进一步降低
MLA是DeepSeek提出的创新注意力架构，是DeepSeek在系列模型中实现成本大幅降低的关键所在。分析认为，随着FlashMLA的应用，算力成本有望继续下降。
一般来说，大模型主要包含训练和推理解码两个阶段。有分析表示，如果能在解码阶段有更强的核优化序列，意味着大模型可以更快地产出结果，这对实时生成任务（如聊天机器人、长上下文对话等）来说尤为关键。
开源网页信息显示，FlashMLA 的运行环境要求包括Hopper GPU、CUDA 12.3及以上版本以及PyTorch 2.0及以上版本，只需通过`python setup.py install`即可完成配置。
性能方面，FlashMLA在CUDA 12.6环境下，H800 SXM5内存受限配置下可实现3000 GB/s的带宽，计算受限配置下则可达580 TFLOPS的算力。
因此，可以将FlashMLA理解为：DeepSeek专门针对英伟达H800这一代高端加速卡做的深度优化。
有网友指出，FlashMLA的计算速度已达行业平均水准的8倍，甚至超过了H800 1681GB/s的传输峰值。
这意味着，通过使用FlashMLA，可以在更少的Hopper GPU服务器的情况下部署完成相同的任务量，而无需昂贵的硬件升级，使推理成本大大下降。
上周五，DeepSeek宣布，接下来一周会陆续开源5个代码库，每日都有新内容解锁，进一步分享新的进展。
DeepSeek还表示，当前在线服务的模块已经经过测试、部署完备，可以投入生产环境。这个领域没有高高在上的象牙塔，只有纯粹的车库创业精神与社区共筑的创新力量。
