AI在线附开源地址：https://github.com/deepseek-ai/DeepEP
官方表示其具备如下特征：
高效优化的全到全通信方式
支持节点内外通信，兼容 NVLink 和 RDMA 技术
提供高吞吐量的内核，提升训练和推理前期填充效率
提供低延迟内核，优化推理解码速度
完全支持 FP8 数据格式调度
提供灵活的 GPU 资源管理，支持计算与通信的重叠执行
详细介绍的大意如下：
DeepEP 是一款专为混合专家（MoE）和专家并行（EP）设计的通信库，提供了高吞吐量和低延迟的 all-to-all GPU 内核，常用于 MoE 派发和合并操作。该库还支持低精度计算，包括 FP8。
为了与 DeepSeek-V3 论文中提出的组限制门控算法兼容，DeepEP 提供了一些针对不对称带宽转发优化的内核，比如将数据从 NVLink 域转发到 RDMA 域。这些优化的内核能够提供高吞吐量，适合用于训练和推理的预填充任务，同时支持 SM（流式多处理器）数量控制。
对于延迟敏感型的推理解码任务，DeepEP 提供了一套低延迟内核，采用纯 RDMA 技术以最大程度减少延迟。此外，该库还采用了一种基于 Hook 的通信与计算重叠方法，不会占用任何 SM 资源。
需求：
Hopper GPUs (may support more architectures or devices later)
Python 3.8 及以上版本
CUDA 12.3 及以上版本
PyTorch 2.1 及以上版本
使用 NVLink 进行节点间通信
基于 RDMA 网络的节点间通信
