作者｜沐风
来源｜AI先锋官
2月24日，的“开源周”，开源了他们第一天的项目FlashMLA。
开源地址：https://github.com/deepseek-ai/FlashMLA
在DeepSeek整个技术路线中，MLA（多头潜在注意力机制）是DeepSeek已经发布的V2、V3两款模型中，最为核心的技术之一。
其可以显著减少大模型训练和推理过程中的内存占用。
此前，中国工程院院士、清华大学计算机系教授郑纬民曾提及：“DeepSeek自研的MLA架构为其自身的模型训练成本下降，起到了关键作用。”
他指出，“MLA通过改造注意力算子压缩了KV Cache大小，实现了在同样容量下可以存储更多的KV Cache，该架构和DeepSeek-V3模型中FFN 层的改造相配合，实现了一个非常大的稀疏MoE 层，成为DeepSeek训练成本低最关键的原因。”
而FlashMLA则是针对Hopper GPU开发的高效MLA解码内核，专为处理可变长度序列而设计，目前已投入了生产。
Hopper GPU是指基于英伟达Hopper架构研发的H系列GPU产品。
目前，英伟达该系列芯片已经发布H100、H800和H20等多款芯片。
据DeepSeek方面介绍，在基准测试性能表现上，FlashMLA可以使得H800达到3000GB/s内存，实现580TFLOPS（每秒浮点运算次数）计算性能。
可以说，DeepSeek真的把自己最牛*的东西开源出来了。
公开资料显示，根据美国出口管制规定，H800的带宽上限被设定为600 GB/s，相比一些旗舰产品有所降低。
这意味着，使用FlashMLA优化后，H800的内存带宽利用率有望进一步提高甚至突破H800 GPU理论上限，在内存访问上达到极致，能让开发群体充分“压榨”英伟达H系列芯片能力，以更少的芯片实现更强的模型性能，最大化GPU价值。
对于整个AI生态来说，这是一件天大的好事。
妥妥的GPU性能红利。
虽然FlashMLA是一个针对Hopper GPU的优化代码库，但对于国产GPU而言，此次开源也有利好。
对于国产GPU而言，现在可以通过FlashMLA提供的优化思路和方法论，尝试让国产卡大幅提升性能，即使架构不同，后面国产卡的推理性能提升将是顺理成章的事儿。
结合此前DeepSeek发布的论文《Native Sparse Attention: Hardware-Aligned and Natively Trainable Sparse Attention》。
如果将FlashMLA视为针对推理解码做的“终极性能提升”，那么Native Sparse Attention就是对训练和推理做更全面的“稀疏化改革”。
两者结合到一起，DeepSeek的意思就很明显，“无论训练还是推理，我都要把硬件榨干。”
目前，FlashMLA在Github上已经达到了5.9kStar。