2025年2月27日，英伟达发布了2025财年第四季度财报。          

公司报告称，Q4收入达到了393亿美元，其中净利润220.91亿美元，同比增长80%。调整后的每股收益为0.89美元，均超过了分析师预期的380.5亿美元和0.84美元。此外，英伟达预计第一季度收入将达到430亿美元，远高于分析师预测的417.8亿美元          

全年收入创纪录达到1305亿美元，同比增长114%。

然而，英伟达股价当天却暴跌！          

股价下跌8.48%，创下一个月来最大单日跌幅，市值蒸发约2716亿美元（约合1.98万亿元人民币）。          

发生什么事了？ 

一周前，DeepSeek发布公告，称将迎来“开源周”。  

意思是未来一周每天发布一部分开源技术，模仿起了OpenAI的骚操作。 

不过，和OpenAI挤牙膏不同的是，DeepSeek放出的每一个开源工具都是刺向英伟达的刺刀，刀刀见血。          

让我们看看这个周，DeepSeek都开源了些啥。          

我尽量用大家都能看得懂的大白话描述。

首日：FlashMLA横空出世，GPU算力调度迎来智能时代  

FlashMLA的发布犹如一颗重磅炸弹，直击AI算力浪费的痛点。传统GPU在处理自然语言等任务时，面对长短不一的数据序列往往"大材小用"，造成算力浪费。FlashMLA则如同一位智能交通调度员，能够根据序列长度动态调配计算资源，实现"精准打击"。这一创新不仅大幅提升GPU利用率，更被业界视为国产GPU性能突围的关键一步。发布仅6小时，GitHub收藏量便突破5000次，其影响力可见一斑。

次日：DeepEP打通MoE模型任督二脉，通信效率飙升

MoE（混合专家模型）作为AI大模型的重要架构，其训练和推理效率高度依赖专家模型间的通信效率。DeepEP作为首个开源EP通信库，为MoE模型量身打造了一条"数据高速公路"。它支持优化的全对全通信模式，并原生支持FP8低精度运算调度，在降低计算资源消耗的同时，实现数据的高速传输。DeepEP的出现，让MoE模型的训练和推理效率迈上新台阶。

第三日：DeepGEMM剑指矩阵计算，FP8性能突破天际  

矩阵乘法是AI计算的基石，其性能优化直接影响大模型的训练成本和效率。DeepGEMM凭借DeepSeek-V3的细粒度scaling技术，仅用300行代码便实现了高效的FP8通用矩阵乘法。在Hopper GPU上，其计算性能最高可达1350+ FP8 TFLOPS，媲美甚至超越专家调优的库。更令人惊叹的是，DeepGEMM无需编译，通过轻量级JIT模块即可实现运行时编译，极大降低了使用门槛。 

第四日：DualPipe+EPLB双剑合璧，并行计算效率飙升30% 

并行计算是提升AI算力的重要手段，但传统管道并行存在"气泡"问题，造成资源浪费。DualPipe通过双向管道并行算法，实现计算与通信阶段的双向重叠，将硬件资源利用率提升超30%。EPLB则针对MoE架构，通过冗余专家策略和启发式分配算法，优化GPU间的负载分布，减少GPU闲置现象。两者相辅相成，为AI大模型训练注入强劲动力。 

第五日：3FS文件系统横空出世，数据访问速度再创新高

AI模型的训练和推理离不开海量数据的快速访问。3FS文件系统专为现代SSD和RDMA网络带宽设计，能够实现高速数据访问，显著提升AI模型训练和推理的效率。它的出现，为AI算力瓶颈的突破再添一把利器。

不难发现，这五天发布的开源项目，几乎每一个都最大限度的压榨N卡的性能。

这也是为什么DeepSeek能用几千张卡训练出的大模型，能和OpenAI几万张卡Grok几十万张卡的效果打的有来有回。 

要命的是，这些技术统统开源，人人可用。          

如此一来，大模型企业不需要这么多卡了。          

英伟达的高估逻辑发生了变化。   

DeepSeek的母公司是幻方量化，作为一家量化公司，你猜会不会提前做了操作？

       原文标题 : 英伟达跌到，DeepSeek吃饱