Ren(@Ryrenz):♻️ 真香！DeepSeek 公开的 DeepJIT，让 GPU 算子编译一次就能在多用户、多进程、多台机器之间共享复用，英伟达显卡和华为昇腾 NPU 走的是同一套接口。仓库 9 月 8 号才建，挂在 DeepSeek 官方 GitHub 账号下，只有头文件，引进 C++20 项目就能用。跑大模型时不少自定义算子是运行时现编译的，一个进程编一遍、一台机器又编一遍，卡一多，光等编译就把启动拖慢了。 DeepJIT 的做法是给每份编译产物算一个缓存键，源码、引用的头文件、编译器版本、编译选项都算进去，结果放进本地或分布式文件系统上的共享目录，别的进程、别的节点命中了就直接加载，不用再编。用 PyTorch 的也不用额外折腾，默认跟着当前的 CUDA 流或 torch_npu 流走，通过 pybind11 就能接进来。目前只支持 Linux，按历史记录预热缓存、直接从 Python 传源码编译这两项还在开发中，暂时用不了。编一次到处用，集群越大，省下的等待时间越多。 GitHub：

2026.09.11 09:05

♻️ 真香！DeepSeek 公开的 DeepJIT，让 GPU 算子编译一次就能在多用户、多进程、多台机器之间共享复用，英伟达显卡和华为昇腾 NPU 走的是同一套接口。仓库 9 月 8 号才建，挂在 DeepSeek 官方 GitHub 账号下，只有头文件，引进 C++20 项目就能用。跑大模型时不少自定义算子是运行时现编译的，一个进程编一遍、一台机器又编一遍，卡一多，光等编译就把启动拖慢了。 DeepJIT 的做法是给每份编译产物算一个缓存键，源码、引用的头文件、编译器版本、编译选项都算进去，结果放进本地或分布式文件系统上的共享目录，别的进程、别的节点命中了就直接加载，不用再编。用 PyTorch 的也不用额外折腾，默认跟着当前的 CUDA 流或 torch_npu 流走，通过 pybind11 就能接进来。目前只支持 Linux，按历史记录预热缓存、直接从 Python 传源码编译这两项还在开发中，暂时用不了。编一次到处用，集群越大，省下的等待时间越多。 GitHub：