2025年2月27日，英偉達發佈了2025財年第四季度財報。

公司報告稱，Q4收入達到了393億美元，其中淨利潤220.91億美元，同比增長80%。調整後的每股收益爲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，遠高於分析師預測的417.8億美元

全年收入創紀錄達到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%，創下一個月來最大單日跌幅，市值蒸發約2716億美元（約合1.98萬億元人民幣）。

發生什麼事了？

一週前，DeepSeek發佈公告，稱將迎來“開源周”。

意思是未來一週每天發佈一部分開源技術，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。

我儘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的發佈猶如一顆重磅炸彈，直擊AI算力浪費的痛點。傳統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調配計算資源，實現"精準打擊"。這一創新不僅大幅提升GPU利用率，更被業界視爲國產GPU性能突圍的關鍵一步。發佈僅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）作爲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作爲首個開源EP通信庫，爲MoE模型量身打造了一條"數據高速公路"。它支持優化的全對全通信模式，並原生支持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，其性能優化直接影響大模型的訓練成本和效率。DeepGEMM憑藉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的庫。更令人驚歎的是，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，並行計算效率飆升30%

並行計算是提升AI算力的重要手段，但傳統管道並行存在"氣泡"問題，造成資源浪費。DualPipe通過雙向管道並行算法，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，通過冗餘專家策略和啓發式分配算法，優化GPU間的負載分佈，減少GPU閒置現象。兩者相輔相成，爲AI大模型訓練注入強勁動力。

第五日：3FS文件系統橫空出世，數據訪問速度再創新高

AI模型的訓練和推理離不開海量數據的快速訪問。3FS文件系統專爲現代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，爲AI算力瓶頸的突破再添一把利器。

不難發現，這五天發佈的開源項目，幾乎每一個都最大限度的壓榨N卡的性能。

這也是爲什麼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，這些技術統統開源，人人可用。

如此一來，大模型企業不需要這麼多卡了。

英偉達的高估邏輯發生了變化。

DeepSeek的母公司是幻方量化，作爲一家量化公司，你猜會不會提前做了操作？

原文標題 : 英偉達跌到，DeepSeek喫飽