一、什么是 DeepEP？

DeepEP 是 DeepSeek 推出的開源通信庫(kù)，專為混合專家模型（MoE）的訓(xùn)練和推理設(shè)計(jì)。它提供了高吞吐量和低延遲的全對(duì)全 GPU 內(nèi)核，支持節(jié)點(diǎn)內(nèi) NVLink 和節(jié)點(diǎn)間 RDMA 通信。DeepEP 針對(duì) DeepSeek-V3 論文中的組限制門控算法進(jìn)行了優(yōu)化，支持 FP8 數(shù)據(jù)格式調(diào)度，并引入了基于 Hook 的通信-計(jì)算重疊方法，顯著提升計(jì)算效率。

二、DeepEP 的主要功能

1. 高效通信內(nèi)核 DeepEP 提供高吞吐量和低延遲的全對(duì)全 GPU 內(nèi)核，適用于 MoE 的分發(fā)（dispatch）和合并（combine）操作，優(yōu)化了節(jié)點(diǎn)內(nèi)和節(jié)點(diǎn)間的通信效率。

2. 低精度計(jì)算支持 支持 FP8 和 BF16 等低精度數(shù)據(jù)格式，顯著提升計(jì)算效率并降低內(nèi)存需求，適用于大規(guī)模模型訓(xùn)練。

3. 優(yōu)化的通信機(jī)制 針對(duì) DeepSeek-V3 論文中的組限制門控算法，DeepEP 提供了優(yōu)化的內(nèi)核，支持從 NVLink 到 RDMA 的非對(duì)稱帶寬轉(zhuǎn)發(fā)，適用于訓(xùn)練和推理預(yù)填充任務(wù)。

4. 低延遲推理解碼 提供純 RDMA 的低延遲內(nèi)核，特別適合對(duì)延遲敏感的推理解碼場(chǎng)景，延遲低至 163 微秒。

5. 通信與計(jì)算重疊 引入基于 Hook 的通信-計(jì)算重疊方法，不占用 GPU 的流多處理器（SM）資源，最大化計(jì)算效率。

6. 靈活的資源管理 支持靈活的 GPU 資源管理，允許用戶控制 SM 的使用數(shù)量，適應(yīng)不同的工作負(fù)載。

7. 網(wǎng)絡(luò)配置優(yōu)化 DeepEP 在 InfiniBand 網(wǎng)絡(luò)上進(jìn)行了全面測(cè)試，支持通過(guò)虛擬通道（VL）實(shí)現(xiàn)流量隔離，防止不同類型流量之間的干擾。

三、DeepEP 的性能表現(xiàn)

1. 高吞吐量?jī)?nèi)核

   1. 內(nèi)節(jié)點(diǎn)通信：使用 NVLink 的內(nèi)節(jié)點(diǎn)通信中，分發(fā)和合并操作的瓶頸帶寬分別達(dá)到 153 GB/s 和 158 GB/s。

   2. 跨節(jié)點(diǎn)通信：使用 RDMA 的跨節(jié)點(diǎn)通信中，分發(fā)和合并操作的瓶頸帶寬分別達(dá)到 43-47 GB/s。

2. 低延遲內(nèi)核

   1. 在處理 8 個(gè)專家時(shí)，分發(fā)操作的延遲為 163 微秒，合并操作的延遲為 318 微秒，RDMA 帶寬為 46 GB/s。

   2. 隨著專家數(shù)量增加，延遲略有上升，但在 256 個(gè)專家時(shí)，分發(fā)和合并操作的延遲分別為 194 微秒和 360 微秒。

3. 系統(tǒng)兼容性

   1. 主要與 InfiniBand 網(wǎng)絡(luò)兼容，也支持在收斂以太網(wǎng)（RoCE）上運(yùn)行。

   2. 需要 Hopper 架構(gòu) GPU（如 H100、H800）、Python 3.8 及以上版本、CUDA 12.3 及以上版本以及 PyTorch 2.1 及以上版本。

四、DeepEP 的系統(tǒng)要求

1. 硬件要求

   1. 支持 Hopper 架構(gòu)的 GPU（如 H100、H800），未來(lái)可能會(huì)支持更多架構(gòu)。

   2. 需要支持 GPUDirect RDMA 的設(shè)備，具體要求可參考 NVSHMEM 的硬件規(guī)格。

   3. 節(jié)點(diǎn)內(nèi)通信需要 NVLink，節(jié)點(diǎn)間通信需要 RDMA 網(wǎng)絡(luò)。

2. 軟件要求

   1. Python 3.8 及以上版本。

   2. CUDA 12.3 及以上版本。

   3. PyTorch 2.1 及以上版本。

   4. 需要安裝修改版的 NVSHMEM，具體安裝指南可參考相關(guān)文檔。

   5. 推薦安裝 GDRCopy（v2.4 及以上版本），用于低延遲 GPU 內(nèi)存拷貝。

3. 網(wǎng)絡(luò)要求

   1. 主要測(cè)試環(huán)境為 InfiniBand 網(wǎng)絡(luò)，兼容 RDMA over Converged Ethernet (RoCE)。

   2. 支持通過(guò)虛擬通道（VL）進(jìn)行流量隔離，以防止不同工作負(fù)載之間的干擾。

4. 其他要求

   1. 在容器化環(huán)境中，需要確保主機(jī)加載了必要的內(nèi)核模塊（如 gdrdrv），正確安裝了相關(guān) DEB 包。

   2. 安裝完成后，需要設(shè)置環(huán)境變量（如 NVSHMEM_DIR）以供 DeepEP 使用。

五、DeepEP 的應(yīng)用場(chǎng)景

1. 大規(guī)模模型訓(xùn)練 DeepEP 提供高效的并行通信支持，適用于混合專家模型（MoE）的訓(xùn)練，顯著提升訓(xùn)練效率。

2. 推理任務(wù) 適合對(duì)延遲敏感的推理解碼場(chǎng)景，能顯著降低延遲，提高推理吞吐量。

3. 高性能計(jì)算 支持多種硬件平臺(tái)，包括 Hopper GPU 架構(gòu)，優(yōu)化了 NVLink 和 RDMA 網(wǎng)絡(luò)的通信性能。

4. 智能客服 通過(guò)優(yōu)化推理過(guò)程，DeepSeek 的智能客服系統(tǒng)能快速響應(yīng)用戶問(wèn)題，提升服務(wù)效率。

5. 金融領(lǐng)域 用于風(fēng)險(xiǎn)評(píng)估、自動(dòng)化報(bào)告生成等，通過(guò)分析企業(yè)財(cái)報(bào)和輿情數(shù)據(jù)，預(yù)測(cè)違約概率。

六、如何獲取 DeepEP？

DeepEP 的 Github 倉(cāng)庫(kù)地址為：https://github.com/deepseek-ai/DeepEP。開發(fā)者可以在此找到詳細(xì)的文檔和安裝指南。