国产GPU海光DCU适配Kimi K3，896专家并行稳跑万亿大模型

国产算力突破：万亿大模型跑在国产GPU上

海光信息近日宣布，已完成对月之暗面（Moonshot AI）万亿参数大模型Kimi K3在其DCU（Deep Computing Unit）平台上的全栈适配与性能验证。这标志着国产算力首次有能力稳定承载万亿级参数模型，不再局限于少数几款海外旗舰芯片。

零改代码，迁移成本极低

海光DCU从底层算子优化到推理引擎，模型代码无需任何改动即可直接运行，开发者拿到算力即可上线部署，迁移成本几乎为零。这种兼容性对于希望采用国产算力的团队来说是一大利好。

针对MoE架构的深度优化

Kimi K3采用KDA注意力机制与896专家组成的MoE（混合专家）架构。海光团队为DCU做了算子级的定制打磨：

• 针对KDA注意力进行了特殊优化，减少通信开销
• 896个专家同时并行时，通过算力调度确保推理高效稳定
• 百万级上下文的超长文本场景下，依然保持流畅，不会出现卡顿

应用场景：长程智能体到芯片设计

在DCU上，Kimi K3能够支撑多种前沿应用场景：

• 长程智能体工程：处理复杂多步骤任务
• 视觉闭环创作：结合视觉与语言的多模态能力
• 自主芯片设计：辅助EDA工具进行大规模逻辑综合

国产算力用户因此也能亲手跑通万亿级的开源模型，打破了过去依赖海外硬件的局面。

三方联合调优：月之暗面、海光与中科曙光

值得指出的是，月之暗面在发布K3之前，便已联合海光与中科曙光完成了完整的兼容性调优：

• 中科曙光基于海光DCU硬件栈，打通了Kimi MoE架构的分布式训练与多卡并行推理链路
• 海光DCU则依靠底层硬件与软件栈的协同优化，在曙光8000集群上实现了长文本推理的稳定运行

性能基准：折损控制在12%以内

官方实测数据给出了信心：国产GPU的性能折损被控制在12%以内，已经达到商用部署的门槛。这意味着在成本、供应链安全等维度上，国产算力具备了实际竞争力。

当万亿模型与国产GPU之间的那道墙被推开一道缝，智能时代的算力版图正在悄悄挪动。

海光DCU的突破不仅是一次技术验证，更是国产AI基础设施迈向成熟的重要一步。未来，随着更多模型适配和算力优化，国产芯片将在AI大模型部署中扮演越来越关键的角色。