DeepSeek gab am Mittwoch bekannt, dass es eine Partnerschaft mit Huawei eingegangen ist, um Programmiertools für Huaweis Ascend AI-Prozessoren zu entwickeln – und stellt die Ergebnisse als Open-Source-Lösung zur Verfügung, darunter eine Version seiner TileLang-Sprache, die als einfachere Alternative zu Nvidias CUDA positioniert ist.
Der Schritt zielt auf die schwächste Stelle in Nvidias Rüstung. Bei der Dominanz des Unternehmens im KI-Computing ging es nie nur um Silizium; Es basiert auf CUDA, dem Software-Ökosystem, auf dem praktisch jeder KI-Entwickler trainiert hat. Als Kontext dazu, warum das wichtig ist, haben wir in unserer Berichterstattung über die KI-Branche wiederholt dokumentiert, dass Hardware nur dann gewinnt, wenn die Software, die sie umgibt, den Wechsel schmerzhaft macht.
Sechs Open-Source-Tools für Ascend
Laut Reuters veröffentlicht DeepSeek sechs Open-Source-Softwaremodule, die für die Ascend-Plattform von Huawei entwickelt wurden. Das Paket umfasst Bibliotheken, die darauf abzielen, die Rechen- und Kommunikationsleistung aller Chips zu verbessern und mit der von DeepSeek beschriebenen umfassenden technischen Unterstützung von Huawei entwickelt zu werden.
Das Herzstück ist TileLang, eine Open-Source-Programmiersprache auf hohem Niveau, die für KI-Beschleuniger entwickelt wurde. DeepSeek argumentiert, dass Entwickler eine Sprache benötigen, die sowohl zugänglich als auch in der Lage ist, maximale Leistung aus der zugrunde liegenden Hardware herauszuholen, und sagt, TileLang biete ein einfacheres Programmiermodell als CUDA. Wenn es gelingt, sinkt die Hürde beim Schreiben von Code für chinesische KI-Chips erheblich – und genau darum geht es.
Ein 128-Chip-Superknoten als Maßstabsnachweis
Die Zusammenarbeit führte auch zu Hardware-Ergebnissen. DeepSeek und Huawei sagen, dass sie an einem Superknotensystem mit 128 Ascend 950-Chips gearbeitet haben und sich dabei auf die Optimierung der Kommunikation zwischen Prozessoren sowie der gesamten Rechenleistung konzentriert haben – das Verbindungsproblem, das in der Vergangenheit Nischenbeschleuniger von echten Rechenzentrumsplattformen getrennt hat.
Die Ankündigung erfolgt kurz nachdem Huawei seine nächste Generation von KI-Prozessoren und „Supernode“-Rechnersystemen vorgestellt hat, und das Unternehmen geht davon aus, dass seine KI-Infrastruktur ab dem nächsten Jahr breiter für das Modelltraining genutzt wird. Ein Grenzlabor, das seine Systemsoftware für eine inländische Chipplattform veröffentlicht, ist das bisher stärkste Signal dafür, dass chinesische KI-Unternehmen beabsichtigen, ernsthafte Trainingsarbeitslasten ohne Nvidia-Hardware auszuführen.
Warum der Wassergraben von CUDA das wahre Schlachtfeld ist
CUDA ist aufgrund des riesigen Software-Ökosystems rund um seine GPUs – Compiler, Bibliotheken und zwei Jahrzehnte Entwicklervertrautheit – zu einem zentralen Bestandteil der Dominanz von Nvidia geworden. Jede PyTorch-Veröffentlichung, jedes Inferenz-Framework, jedes Forschungs-Repo geht davon aus, dass CUDA funktioniert. Diese Trägheit hat, mehr noch als die reinen Chip-Spezifikationen, die Konkurrenz in Schach gehalten.
Die strategische Logik von Open-Sourcing ist ebenso bewusst. Proprietäre Chip-Software-Stacks gewinnen als Standard; Offene Ökosysteme gewinnen dadurch, dass sie der Rückfall für alle sind. Durch die Veröffentlichung der Ascend-Tools unter offenen Lizenzen senkt DeepSeek die Umstellungskosten für jeden Entwickler oder Cloud-Betreiber, der einen Vorteil gegenüber den Nvidia-Preisen sucht – und macht Huawei-Hardware genau für die Käufer erschwinglich, die niemals einen Stack eines einzelnen Anbieters akzeptieren würden.
Deshalb ist die Zusammenarbeit zwischen DeepSeek und Huawei über China hinaus wichtig. Es spiegelt einen breiteren Vorstoß innerhalb des Landes wider, inländische KI-Hardware und die für ihren effizienten Betrieb erforderliche Software zu entwickeln und so die Abhängigkeit von Nvidias Technologie in einer Zeit zu verringern, in der US-Exportkontrollen den Zugang zu Nvidias fortschrittlichsten Chips bereits eingeschränkt haben. Die New York Times bezeichnete die Partnerschaft als direkten Angriff auf die Hauptquelle der KI-Dominanz von Nvidia – nicht auf die Chips selbst, sondern auf den Code, der sie unverzichtbar macht.
Aufbauend auf einer bestehenden Partnerschaft
Die Veröffentlichung vom Mittwoch ist nicht das erste Anzeichen dafür, dass DeepSeek auf inländisches Silizium setzt. Bereits im April berichteten sowohl Benzinga als auch die South China Morning Post, dass das V4-Modell von DeepSeek auf Huawei-Chips gebaut und trainiert wurde, was der SCMP als eine Zusammenarbeit bezeichnete, die Chinas KI-Eigenständigkeit stärkt. Was jetzt anders ist, ist die Software: V4 hat bewiesen, dass die Modelle auf Ascend laufen können, während diese Version jedem anderen chinesischen Entwickler die Tools an die Hand gibt, denen er folgen kann.
Der Weg war nicht glatt. Generation-NT berichtete, dass DeepSeek zuvor sein R2-Modell aufgrund von Schwierigkeiten mit Huawei-Ascend-Chips verzögert hatte, eine Entscheidung, die laut der Quelle die Fragilität des entstehenden Ökosystems offenbarte. Huawei seinerseits hat sein Tempo weiter beschleunigt – die Business Times berichtete Mitte September, dass das Unternehmen die Einführung eines neuen KI-Chips vorantreibt, um es mit Nvidia aufzunehmen. Die Open-Source-Version wandelt diese Wachstumsschwierigkeiten effektiv in eine gemeinsame Infrastruktur um: Probleme, die DeepSeek selbst löst, werden zu Problemen, von deren Lösung jeder Ascend-Entwickler profitiert.
Was Sie als Nächstes sehen sollten
Drei Dinge werden darüber entscheiden, ob diese Anstrengung Erfolg hat. Erstens die Akzeptanz: Open-Source-Tools sind nur dann von Bedeutung, wenn chinesische Entwickler tatsächlich mit ihnen bauen, und der wahre Test von TileLang besteht darin, ob das Modelltraining auf Ascend-Clustern eher zur Routine als zum Experiment wird. Zweitens die Leistung: Es wurde bereits berichtet, dass DeepSeeks eigene Modelle auf Huawei-Chips laufen, aber der Trainingsdurchsatz aus der CUDA-Ära über heterogene Arbeitslasten hinweg ist eine andere Messlatte. Drittens, Spillover: Wenn TileLang zu einer wirklich tragbaren Sprache für KI-Beschleuniger heranreift, könnte dies die Position von Nvidia weit über die Grenzen Chinas hinaus erschweren.
Im Moment ist die Botschaft klar. Die nächste Phase des KI-Hardware-Wettlaufs findet im Bereich Software statt, und DeepSeek hat gerade seine Eröffnungsargumente öffentlich veröffentlicht.
---
Der KI einen Schritt voraus seinErhalten Sie die neuesten KI-Nachrichten, Analysen und Durchbrüche – alles an einem Ort.
Weitere KI-Neuigkeiten lesen →
