2025年2月27日，英偉達發(fā)布了2025財年第四季度財報。          

公司報告稱，Q4收入達到了393億美元，其中凈利潤220.91億美元，同比增長80%。調整后的每股收益為0.89美元，均超過了分析師預期的380.5億美元和0.84美元。此外，英偉達預計第一季度收入將達到430億美元，遠高于分析師預測的417.8億美元          

全年收入創(chuàng)紀錄達到1305億美元，同比增長114%。

然而，英偉達股價當天卻暴跌！          

股價下跌8.48%，創(chuàng)下一個月來最大單日跌幅，市值蒸發(fā)約2716億美元（約合1.98萬億元人民幣）。          

發(fā)生什么事了？ 

一周前，DeepSeek發(fā)布公告，稱將迎來“開源周”。  

意思是未來一周每天發(fā)布一部分開源技術，模仿起了OpenAI的騷操作。 

不過，和OpenAI擠牙膏不同的是，DeepSeek放出的每一個開源工具都是刺向英偉達的刺刀，刀刀見血。          

讓我們看看這個周，DeepSeek都開源了些啥。          

我盡量用大家都能看得懂的大白話描述。

首日：FlashMLA橫空出世，GPU算力調度迎來智能時代  

FlashMLA的發(fā)布猶如一顆重磅炸彈，直擊AI算力浪費的痛點。傳統(tǒng)GPU在處理自然語言等任務時，面對長短不一的數據序列往往"大材小用"，造成算力浪費。FlashMLA則如同一位智能交通調度員，能夠根據序列長度動態(tài)調配計算資源，實現"精準打擊"。這一創(chuàng)新不僅大幅提升GPU利用率，更被業(yè)界視為國產GPU性能突圍的關鍵一步。發(fā)布僅6小時，GitHub收藏量便突破5000次，其影響力可見一斑。

次日：DeepEP打通MoE模型任督二脈，通信效率飆升

MoE（混合專家模型）作為AI大模型的重要架構，其訓練和推理效率高度依賴專家模型間的通信效率。DeepEP作為首個開源EP通信庫，為MoE模型量身打造了一條"數據高速公路"。它支持優(yōu)化的全對全通信模式，并原生支持FP8低精度運算調度，在降低計算資源消耗的同時，實現數據的高速傳輸。DeepEP的出現，讓MoE模型的訓練和推理效率邁上新臺階。

第三日：DeepGEMM劍指矩陣計算，FP8性能突破天際  

矩陣乘法是AI計算的基石，其性能優(yōu)化直接影響大模型的訓練成本和效率。DeepGEMM憑借DeepSeek-V3的細粒度scaling技術，僅用300行代碼便實現了高效的FP8通用矩陣乘法。在Hopper GPU上，其計算性能最高可達1350+ FP8 TFLOPS，媲美甚至超越專家調優(yōu)的庫。更令人驚嘆的是，DeepGEMM無需編譯，通過輕量級JIT模塊即可實現運行時編譯，極大降低了使用門檻。 

第四日：DualPipe+EPLB雙劍合璧，并行計算效率飆升30% 

并行計算是提升AI算力的重要手段，但傳統(tǒng)管道并行存在"氣泡"問題，造成資源浪費。DualPipe通過雙向管道并行算法，實現計算與通信階段的雙向重疊，將硬件資源利用率提升超30%。EPLB則針對MoE架構，通過冗余專家策略和啟發(fā)式分配算法，優(yōu)化GPU間的負載分布，減少GPU閑置現象。兩者相輔相成，為AI大模型訓練注入強勁動力。 

第五日：3FS文件系統(tǒng)橫空出世，數據訪問速度再創(chuàng)新高

AI模型的訓練和推理離不開海量數據的快速訪問。3FS文件系統(tǒng)專為現代SSD和RDMA網絡帶寬設計，能夠實現高速數據訪問，顯著提升AI模型訓練和推理的效率。它的出現，為AI算力瓶頸的突破再添一把利器。

不難發(fā)現，這五天發(fā)布的開源項目，幾乎每一個都最大限度的壓榨N卡的性能。

這也是為什么DeepSeek能用幾千張卡訓練出的大模型，能和OpenAI幾萬張卡Grok幾十萬張卡的效果打的有來有回。 

要命的是，這些技術統(tǒng)統(tǒng)開源，人人可用。          

如此一來，大模型企業(yè)不需要這么多卡了。          

英偉達的高估邏輯發(fā)生了變化。   

DeepSeek的母公司是幻方量化，作為一家量化公司，你猜會不會提前做了操作？

       原文標題 : 英偉達跌到，DeepSeek吃飽