open-infra-index：DeepSeek 开源基础设施仓库索引与资源导航
open-infra-index 是 DeepSeek 官方维护的开源基础设施索引仓库，集中收录 DeepSeek 在 2025 年 2 月「开源周」集中放出的一系列生产级基础设施组件，以及配套的 ISCA25 / SC24 论文，是梳理 DeepSeek 技术栈与选型的一手索引。
一、项目官方信息
| 项目 | 信息 |
|---|---|
| GitHub 仓库 | https://github.com/deepseek-ai/open-infra-index |
| 开源协议 | CC0-1.0 |
| 主要语言 | 文档/索引类（无主代码语言） |
| Star 数 | 8.1k+ |
| 关联论文 | ISCA25、SC24 |
二、官方图片
open-infra-index 仓库社交预览图：
三、环境要求
本项目为索引/文档类仓库，无需编译运行；浏览器打开 GitHub 仓库页面即可阅读各组件链接与论文。
四、开源周仓库清单
DeepSeek 在 2025 年 2 月 24 日起连续开源 5 个仓库，均为在线服务中经过生产验证的组件：
Day 1 — FlashMLA
Hopper GPU 上高效的 MLA 解码 kernel，针对变长序列优化，支持 BF16、Paged KV cache（块大小 64），H800 上内存受限约 3000 GB/s、计算受限 BF16 约 580 TFLOPS。 仓库：https://github.com/deepseek-ai/FlashMLA
Day 2 — DeepEP
首个开源的 MoE 训练/推理 EP 通信库，支持节点内 NVLink 与节点间 RDMA，提供高吞吐（训练/prefill）与低延迟（decoding）kernel，原生 FP8 dispatch。 仓库：https://github.com/deepseek-ai/DeepEP
Day 3 — DeepGEMM
FP8 GEMM 库，同时支持 dense 与 MoE GEMM，驱动 V3/R1 的训练与推理；Hopper 上 FP8 最高 1350+ TFLOPS，核心逻辑约 300 行，全 JIT 编译。 仓库：https://github.com/deepseek-ai/DeepGEMM
Day 4 — 并行策略优化
- DualPipe：双向流水线并行算法，用于 V3/R1 训练的计算-通信重叠；
- EPLB：V3/R1 的专家并行负载均衡器；
- profile-data：分析 V3/R1 计算-通信重叠的生产数据。
Day 5 — 3FS 与 smallpond
- 3FS（Fire-Flyer File System）：并行文件系统，充分利用现代 SSD 与 RDMA 带宽，180 节点集群聚合读吞吐 6.6 TiB/s，GraySort 25 节点集群 3.66 TiB/min；
- smallpond：构建在 3FS 上的数据处理框架。
五、配套论文与选型建议
ISCA25 论文
《Insights into DeepSeek-V3: Scaling Challenges and Reflections on Hardware for AI Architectures》（arXiv:2505.09343）——从 V3 训练成本剖析硬件设计。
SC24 论文
《Fire-Flyer AI-HPC: A Cost-Effective Software-Hardware Co-Design for Deep Learning》（arXiv:2408.14158）。
选型建议
- 做 MoE 训练/推理通信优化 → DeepEP；
- 做 FP8 GEMM kernel 集成 → DeepGEMM；
- 做 MLA 解码加速 → FlashMLA；
- 搭大规模数据/检查点存储 → 3FS + smallpond；
- 研究并行策略 → DualPipe / EPLB。
六、常见问题 FAQ
Q1：open-infra-index 是什么？ DeepSeek 官方开源基础设施索引，集中收录开源周放出的组件与配套论文。
Q2：需要编译吗？ 不需要，它是文档/索引类仓库，阅读链接即可。
Q3：开源周放了哪些核心仓库？ FlashMLA、DeepEP、DeepGEMM、DualPipe/EPLB、3FS/smallpond。
Q4：3FS 的性能指标？ 180 节点聚合读 6.6 TiB/s，GraySort 25 节点 3.66 TiB/min。
Q5：有哪些论文可读？ ISCA25（V3 扩展挑战）与 SC24（Fire-Flyer AI-HPC 软硬协同）。
Q6：按场景怎么选？ 通信选 DeepEP、GEMM 选 DeepGEMM、MLA 解码选 FlashMLA、存储选 3FS。
七、跳转链接
- GitHub 仓库：https://github.com/deepseek-ai/open-infra-index
- DeepSeek 官网：https://www.deepseek.com
- ISCA25 论文：https://arxiv.org/abs/2505.09343