跳至内容
最近肝到爆，一直以为昨天是账号建立两周年。然后回溯了下历史，才发现原来是前天。。。
从FlashMLA、DeepEP再到DeepGEMM，开源的世界里真就闯进来一位大神。
老黄辛辛苦苦多年建起来的商业护城河上，DeepSeek居然明目张胆地开始架桥了。。。
但是说实话，DeepSeek的所有开源的项目，全部都是基于英伟达的生态做的，虽然大家戏称说DeepSeek比老黄更懂显卡，但是这些项目开源出来，我咋感觉大家跟英伟达绑定的就更深了呢。。。
他们又一口气开源了俩东西，还有一个性能分析数据库。
一个能把硬件资源，再度榨干到极致的双头流水线DualPipe。
还有一个能平衡所有任务，把效率拉爆的EP调度器EPLB。
https://github.com/deepseek-ai/DualPipe?tab=readme-ov-file
https://github.com/deepseek-ai/eplb
说DeepSeek牛逼已经说麻了，只能跪着给他们鼓掌了。。
这玩意儿是一种贼新的双向并行算法，在DeepSeek v3的论文里面其实已经出现过了。
我用一个做面包的例子给大家解释一下这玩意到底干啥用。
比如说你家里是开面包店的，叫X利来，每天都要卖好吃的面包给大家吃大家也很喜欢你。
你家里呢，有一条面包生产线，就像工厂里那种流水线一样。
面包从揉面、发酵、整形、烘烤到包装，需要很多道工序，而且每道工序都要排队依次进行。
如果是那种单向的传统的流水线就会有一个非常der的问题：比如说一个人先把面揉好然后送给下一个人发酵，等发酵好了再送给下一个人烤，烤好了再送给下一个人包装。。。
这就导致每个人在等待之前那道工序结束的时候，可能都要等上一会儿。如果有几道工序比较耗时，那么后边的人就只能干等，没法同时干点别的，这就拖慢了整体产量。
所以为了提高效率，你就就会想，能不能让前面的操作和后面的操作同时进行？比如这个人一边揉面，另一边又有人可以烤前一批次的面包，不至于让所有人都卡在同一个步骤上面。
这其实就类似最基本的流水线并行思想，也是现在很多工厂的流水线方式，简称，工业化。
可是，这样也会产生一种所谓的“气泡”，就比方说等你揉面的人实在太多了，而烘烤那边一时没得可烤，或者反过来，烘烤还没结束，就阻塞了包装，一来一回会浪费一些时间空档。
这个浪费的空档，形象点说就像流水线上两个工序之间充了空气的“气泡”，它还是没有完美的提升效率，会让人有摸鱼的“气泡”空间。
普通的流水线并行，还会遇到一个问题，就是你的搬运。
比如说你家工厂太大，揉面机在一楼，烤炉在八楼，中间还没电梯。有时候揉面好了要送到烤炉，这个来回搬运也得干死个人，但是又不得不做。
所以，你还在加上搬运的工序，也就是在搬运的同时，炉子、揉面机啥的也都不能闲着。
你现在可以歇一会，来考虑一下他们的计算量，是不是非常的恐怖。
但是相比于大模型的计算，面包厂这个case的复杂度，就是小巫见大巫了。
而DeepSeek掏出来的DualPipe，就是解决这个问题的，就是如果带入我们自己的话，你就可以把它想象成一个非常黑心但又非常聪明的资本家。。。
DualPipe这东西，中文可以叫“双管并行”或“双向流水线”，它直接把整套的逻辑和计算设计，都给你做完了，找到了最优解，你不用想着每个工序怎么安排了，你直接用就完了。
所以，DualPipe到底能把干活的人发呆的时间，降到什么程度？
主要有几个数据：流水线气泡（浪费的时间）和参数（用的资源）、激活（额外用的内存）。
能看得出来，效率最高，浪费时间最少。但用了更多资源（参数翻倍，空间多占一点）。
可能是为了适合需要超快速度的大任务，代价就是资源稍微多点。
我还记得老黄说自己是全世界最好的CEO。确实，一路给市值干到顶峰的人物。
但现在，DeepSeek要冲上山，走一条之前无人问津的羊肠小道，拔下那把勇者的宝剑了。
在开发者那一栏，还有个非常好玩的是，真大佬亲自下场了。。。
再说今天DeepSeek给的第二份大礼：EPLB。
Expert Parallelism Load Balancer，翻译过来可以叫“专家并行负载均衡器”，你也可以说是EP调度器。
会涉及到不少项目：布置会场、教室卫生、文艺汇演彩排、音响灯光调试、食堂伙食安排、礼仪接待……
各个项目可能都由不同的老师或同学去负责。要是这些项目的难度或工作量不一样，有些老师就会被忙得不可开交，而另一些可能比较清闲，这就不公平，也不高效。
那么这个所谓的“专家并行”就意味着，每个老师或同学都可以看作某个“专家”，专门负责一部分工作。
比如语文老师可能负责写文案，音乐老师负责排练合唱等等。
可是总会有一些专家特别抢手，比如PPT做的好的老师，那你肯定懂的，这绝壁是最抢手的专家。
于是这个专家就累死累活。要是能再安排两个PPT专家，这样就可以分担一部分压力，这个就叫“冗余专家”。
EPLB做的事情就是，根据统计到的每个专家最近一段时间的工作量，推测哪几个专家可能会特别繁忙，然后赶紧给它们“复制”一下，也就是直接给PPT大拿来几个复制人。
这样当需要调用这个专家时，一部分请求可以排到复制人那里执行，大家就不用都挤在同一个人那里里，工作可以被分散出去。
然后还得考虑你的学校有不同的教学楼对吧，教学楼之间的距离比较远（类似节点之间用IB连接）。
同一个教学楼里的人肯定近的多（类似节点内用NVLink），所以让同楼里老师之间的合作肯定比跨楼去合作更方便。
EPLB就希望那些经常一起合作的“专家组”能放在同一个楼里，避免来回跑的浪费。比如有几个老师最常交流合作，那就得把他们都排在一个楼层，就能减少在楼间奔跑。
相当于在DeepSeek里就可以减少节点间的数据通信。
所以，总结一下，学校庆典马上开始了，EPLB会先数一数每个专家上个庆典忙了多少，比如看历史统计，某个专家被调用了100次，另一个才10次，差距很大，就说明前者更忙，需要复制，直接就火速复制10个数字人。
然后它要决定这些复制的专家该放到哪张GPU卡上。如果有两张卡特别空闲，就把繁忙专家的复制人放到这两张卡上，以便一旦有请求过来，不管发到哪张卡都能快速处理。
它也会尽量把同一组的专家都放到同一个节点（同一个楼），减少跨节点的大量通信。
同样，DeepSeek并不只为了开源而开源，还给出来详细的接口和例子。
下面这串代码，就是这群聪明人，怎么安排工人干活的。
下面这个图就是他们，在专家少的情况下，做调度的策略（分层负载均衡策略）。
早上这两发完以后，看到这，一堆在技术中摸排滚打的群友坐不住了。。。
用好奇心解开AGI的奥秘，用长期主义回答本质问题。
（文：数字生命卡兹克）
