定义¶

Roofline（Williams et al. 2009）是硬件性能分析框架：每个 workload 有一个 arithmetic intensity（FLOPs/byte），与硬件 B_crit（FLOPs/byte 临界值，由 peak FLOPS / peak bandwidth 决定）比较——低于 B_crit 是 bandwidth-bound，高于是 compute-bound。

本页用 Roofline 解码 2026 系统层最重要的一场争论：optics-as-scaling-constraint bandwidth-driven（FundaAI）vs deepseek-v4 6.1 TFLOP/GBps（DeepSeek）。核心修正：两侧不在同一物理层级，把它处理成"对立"过简化。

DeepSeek V4 "6.1 TFLOP/GBps" 的完整推导¶

技术报告 §EP Scheme（page 18 附近）原文：

For DeepSeek-V4-Pro, where each token-expert pair requires 6hd FLOPs (SwiGLU gate, up, and down projections) but only 3h bytes of communication (FP8 Dispatch + BF16 Combine), this simplifies to:

    C / B ≤ 2d = 6144 FLOPs/Byte

That is, each GBps of interconnect bandwidth suffices to hide the communication for 6.1 TFLOP/s of compute. Once bandwidth meets this threshold, it ceases to be the bottleneck, and devoting additional silicon area to further bandwidth brings diminishing returns.

数字推导透明（非黑箱）：

• 每 token-expert pair 计算量 = 6hd FLOPs（SwiGLU gate + up + down 三个 projection）
• 通信量 = 3h bytes（FP8 Dispatch 1 byte + BF16 Combine 2 bytes）
• 阈值 C/B = 6hd / 3h = 2d
• V4-Pro 的 hidden dim d = 3072 → 2d = 6144 FLOPs/byte ≈ 6.1 TFLOPS/GBps

论点的精确边界（必读）¶

阈值 = 2d，与 hidden dim 线性相关：

V4-Pro d=3072 是相对偏小的（GPT-3 是 12288，Llama-3 70B 是 8192）。6.1 这个数字绑定在 V4-Pro 这个特定模型架构上，不是 MoE workload 普遍属性。

其他敏感参数： - dispatch 精度：FP8 → FP4（DeepSeek 论文留的余地）→ 通信量缩 17%，阈值微升 - expert 结构：6hd 系数随 SwiGLU 替换为更复杂结构而上升 → 阈值上升 - 训练精度：BF16/FP8 → FP4 全程 → compute 端翻 3x，直接吃掉边际

GB300 现实数字算账¶

NVIDIA GB300 (Blackwell Ultra) 单 GPU NVLink 5 = 1.8 TBps = 1800 GBps。Dense FLOPS：FP4=15 PF, FP8≈5 PF, BF16≈2.5 PF。

NVL72 rack（130 TBps NVLink fabric / 1.1 EF FP4 / 360 PF FP8）的 ratio 与单 GPU 几乎相同——证明 NVL72 是 chip-level 比例的线性堆叠。

对 V4-Pro × GB300 这个具体组合的判断：按论文 dispatch 用 FP8、combine 用 BF16 的口径，对应 FP8 训练 workload，C/B 实际 = 2.78 TFLOPS/GBps，DeepSeek 6.1 阈值富余 2.2x。GB300 NVLink 对 V4-Pro 不是瓶颈，再加带宽（GB400/GB500 推到 3.6 TBps）边际收益接近零——DeepSeek 论点对这个组合完全成立。

但对 FP4 训练精度（DeepSeek 自己也在推），ratio 升到 8.33，反而超过阈值——FP4 时代 NVLink 偏紧。对 GPT-5 / Claude Opus 6 量级 (d ≥ 8192) 模型，阈值升到 16+ TFLOPS/GBps，GB300 NVLink 远不够用——NVIDIA 把 NVLink 推到 1.8 TBps 不是过度，是按 frontier 模型设计。

两侧讨论的物理层级不同（核心修正）¶

之前知识库把 DeepSeek 与 FundaAI 处理成"对立"过简化。正确的关系是不同物理层级：

DeepSeek 论文没有覆盖 virgo-fabric 那一层（DC 级 134K 芯片 / 跨 DC 100 万 TPU）。论点的精确边界是 rack 内 / pod 内的 EP 通信——这一层确实通过 wave 切分 + 混合精度 + DualPipe 把 ratio 推到 6.1，超过 GB300 现有 NVLink ratio。跨 DC scaling 仍然是 FundaAI bandwidth-driven 论点的领地，DeepSeek 没有反驳，只是没说。

两边其实都对，但场景不重叠。

国产芯片窗口期（具象化）¶

按 V4-Pro × FP8 训练的 ratio = 2.78 TFLOPS/GBps，国产芯片只要 NVLink-equivalent 互联做到约 900 GBps（GB300 一半），就够支撑 V4-Pro 训练。

这才是 6.1 论点对 china-us-ai-gap 与 model-hardware-decoupling 的真正含义——通信门槛具体可量化，不是模糊的"通信不重要"。同样，对 FP4 训练时代或更大 d 模型，国产芯片的窗口期会收紧。

投资 / 战略含义¶

精确化后，三个时间窗下两侧各自适用：

所以两个论点在不同子空间里都正确——读知识库的人不应该把它们读成对立判断，而应该读成 Roofline 框架在不同坐标点上的不同切片。

self-serving 维度的精确化¶

deepseek-v4 此前提到 DeepSeek 6.1 论点有 self-serving（"通信不是 NVIDIA 独家护城河"）成分。具象化后：

DeepSeek 论点确实 for V4-Pro 这个具体模型成立，但绑定在三个前提上： 1. d=3072（小模型量级） 2. FP8 dispatch + BF16 combine（混合精度） 3. SwiGLU 6hd FLOPs/expert 结构

这些前提是 V4 设计自己选的，不是 frontier 模型普遍属性。论点为 DeepSeek 跨硬件解耦战略提供 narrative 支撑——但 narrative 的精确边界在论文里写得很清楚（"For DeepSeek-V4-Pro"），没有过度承诺。外界（包括知识库自己第一版）容易把 6.1 数字读成"通信普遍够用"，那就误读了。

Roofline 框架与 LLM 时代演化¶

每个 LLM 时代都有一段 compute-bound 时期和一段 bandwidth-bound 时期： - GPT-3/4 dense 时代：compute-bound（dense matmul，arithmetic intensity 远超 B_crit） - MoE + reasoning + long context 时代：向 bandwidth-bound 漂移 - 但每次架构创新（FlashAttention / GQA / MoE / sparse attention / Engram / wave 切分）都把 arithmetic intensity 阶跃式推高——roofline 上的"工作点"在向右移

DeepSeek "波"切分本质就是主动把 arithmetic intensity 推高（让 compute 与 communication overlap）的算法实践。这与 LatentMoE (2026-01) 论文测量的 Qwen3-235B-A22B 在 throughput 设置下 communication-bound 不矛盾——前者描述优化后的工作点，后者描述未优化的 baseline。

判断真正的关键：前沿模型 size 增长率 vs 算法推高 arithmetic intensity 的速度——谁主导决定下一代是 bandwidth-bound 还是 compute-bound。

待验证¶

• DeepSeek "波"切分在 NVIDIA + Ascend 双栈的 1.5-1.96x 加速数字未见独立机构复现
• FP4 dispatch（DeepSeek 论文留的余地）实际上线后阈值如何变
• GPT-5 / Claude Opus 6 等更大 d 模型的 C/B 实测，目前只能按论文公式外推
• LatentMoE 2026-01 论文的 Qwen3 测量是否能直接对照 V4-Pro（架构不同）

完整研究链路¶

本概念页是 2026-04-24-deepseek-v4-6.1-tflop-gbps-deep-dive 研究报告的工具页提炼。报告含 PDF 抓取过程、原文完整段落、GB300 综合规格、三档国产追赶门槛、self-serving 边界精确化等完整论证，适合一次读完。

相关概念¶

• deepseek-v4 — 6.1 论点的源出处
• optics-as-scaling-constraint — FundaAI bandwidth-driven 视角的源出处
• model-hardware-decoupling — 6.1 论点对国产硬件窗口期的具象化（~900 GBps NVLink-equivalent）
• virgo-fabric — FundaAI 视角覆盖的 DC fabric 层
• training-inference-bifurcation — 训练 / 推理在 Roofline 上的不同工作点
• google-tpu-v8 — 硬件参照系
• ai-vendor-spec-traps — 6.1 这种"看起来权威但有边界"的数字应纳入批判性阅读 checklist
• china-us-ai-gap — 国产 NVLink-equivalent ~900 GBps 即够 V4-Pro 的窗口期具象化