DeepSeek开源昇腾训练算子栈

六个昇腾项目覆盖内核与跨卡通信，矩阵算子达到芯片峰值性能的99.8%。

推荐理由：同一套TileLang源码可编译至英伟达和昇腾，且GEMM达到431 BF16 TFLOPS，实质降低大模型迁移国产芯片的工程成本。