DeepSeek開源周第四日，摩爾線程宣布已成功支持DeepSeek開源通信庫DeepEP和并行算法DualPipe，并發(fā)布相關開源代碼倉庫：MT-DeepEP和MT-DualPipe。

DeepEP是一個用于MoE（混合專家）模型訓練和推理的開源EP（expert parallelism，專家并行）通信庫，主要適用于大模型訓練，特別是需要EP的集群訓練。它通過優(yōu)化通信信道的使用率，顯著提升了訓練效率。摩爾線程基于MUSA Compute Capability 3.1全功能GPU，第一時間適配了DeepEP，支持以下特性：

高效優(yōu)化的 All-to-All 通信，支持 dispatch & combine

支持 MTLink + GPU（MUSA Compute Capability 3.1）節(jié)點內通信

訓練及推理預填充階段的高吞吐量計算核心

推理解碼階段的低延遲計算核心

原生支持 FP8 數據分發(fā)

靈活控制 GPU 資源，實現計算與通信的高效重疊

DualPipe是DeepSeek-V3提出的雙向流水線并行算法，通過前向計算與后向計算階段的計算與通信完全重疊，顯著減少了“流水線氣泡”（設備空閑等待）。與傳統(tǒng)流水線并行相比，DualPipe 采用雙向數據流設計，使數據從兩端相向處理，大幅提升了資源利用率與訓練效率。

摩爾線程依托深度學習框架Torch-MUSA（已開源）和MUSA軟件棧全方位的兼容性，實現了對DualPipe這一算法的高效支持。MT-DualPipe可以完整接入摩爾線程 MT-Megatron框架和MT-TransformerEngine框架（即將開源），實現DeepSeek V3訓練流程的完整復現。

此外，MT-DualPipe結合MT-Megatron可以實現完整DeepSeek V3模型的MLP-FFN分離以及DW-DG分離，進一步降低氣泡占比，優(yōu)化通信效率。同時，MT-DualPipe與MT-TranformerEngine和MT-DeepEP的結合，可以利用MT-DeepEP和異步通信引擎實現更高效的通信掩蓋，大大降低對計算資源的損耗。

DeepEP和DualPipe的第一時間適配，充分驗證了摩爾線程MUSA架構和全功能GPU在生態(tài)兼容與快速適配上的強大優(yōu)勢。我們誠摯歡迎廣大開發(fā)者下載體驗，并期待您的反饋與建議。

關于摩爾線程

摩爾線程成立于2020年10月，以全功能GPU為核心，致力于向全球提供加速計算的基礎設施和一站式解決方案，為各行各業(yè)的數智化轉型提供強大的AI計算支持。

我們的目標是成為具備國際競爭力的GPU領軍企業(yè)，為融合人工智能和數字孿生的數智世界打造先進的加速計算平臺。我們的愿景是為美好世界加速。