今天是DeepSeek开源周的第二天，DeepSeek团队如约发布了开源代码库DeepEP，这是一款专为MoE（Mixture of Experts）模型设计的EP（Efficient Parallelism）通信库，它的出现为MoE模型的训练和推理提供了专门的通信工具，解决了大规模分布式AI训练和实时推理场景中效率低下的问题。

以下是DeepEP的一些技术性能特点简要介绍：

1. 高效通信架构：DeepEP支持全对全通信模式的优化，实现了节点内和节点间的NVlink与RDMA互联，显著提升了数据传输的效率。

2. 多精度与调度优化：DeepEP原生支持FP8低精度运算调度，有效降低计算资源的消耗。

3. 重性能内核：高吞吐量内核设计，适用于训练和推理预填充场景，最大化数据处理能力。

4. 低延迟内核：针对推理解码场景，采用纯RDMA通信和自适应路由技术，有效减少延迟。

5. 资源控制与重叠机制：通过灵活的GPU资源控制策略，实现计算与通信过程的高效重叠，避免资源闲置。

6. 深度优化场景：对NVlink到RDMA的非对称带宽转发场景进行专项优化，提升异构网络下的传输性能。

此外，DeepEP还支持SM（Streaming Multiprocessors）数量的动态控制，以平衡不同任务（如训练与推理）的吞吐量需求。（Suky）