DeepSeek a annoncé mercredi son partenariat avec Huawei pour développer des outils de programmation pour les processeurs Ascend AI de Huawei – et rend les résultats open source, y compris une version de son langage TileLang positionnée comme une alternative plus simple au CUDA de Nvidia.
Cette décision cible le point le plus faible de l'armure de Nvidia. La domination de l’entreprise dans le domaine de l’IA informatique n’a jamais été uniquement liée au silicium ; il repose sur CUDA, l'écosystème logiciel sur lequel pratiquement tous les développeurs d'IA se sont formés. Pour comprendre pourquoi cela est important, notre couverture de l'industrie de l'IA a documenté à plusieurs reprises que le matériel ne gagne que lorsque le logiciel qui l'entoure rend le changement pénible.
Six outils open source pour Ascend
Selon Reuters, DeepSeek publie six modules logiciels open source conçus pour la plate-forme Ascend de Huawei. Le package comprend des bibliothèques visant à améliorer les performances informatiques et de communication sur les puces, développées avec ce que DeepSeek décrit comme un support technique étendu de Huawei.
La pièce maîtresse est TileLang, un langage de programmation open source de haut niveau conçu pour les accélérateurs d’IA. DeepSeek affirme que les développeurs ont besoin d'un langage à la fois accessible et capable d'extraire des performances maximales du matériel sous-jacent, et affirme que TileLang propose un modèle de programmation plus simple que CUDA. Si cela aboutit, la barrière à l’écriture de code pour les puces d’IA chinoises diminuera considérablement – ce qui est précisément le point.
Un supernode de 128 puces comme preuve d'échelle
La collaboration a également produit des résultats matériels. DeepSeek et Huawei affirment avoir travaillé sur un système de supernode combinant 128 puces Ascend 950, en se concentrant sur l'optimisation de la communication entre les processeurs ainsi que sur les performances informatiques globales – le problème d'interconnexion qui a historiquement séparé les accélérateurs de niche des véritables plates-formes de centres de données.
Cette annonce intervient peu de temps après que Huawei a présenté sa prochaine génération de processeurs d'IA et de systèmes informatiques « supernodes », et la société s'attend à ce que son infrastructure d'IA soit plus largement utilisée pour la formation de modèles à partir de l'année prochaine. Un laboratoire frontalier publiant ses logiciels système pour une plate-forme de puces nationale est le signal le plus fort à ce jour indiquant que les sociétés chinoises d'IA ont l'intention d'exécuter de sérieuses charges de travail de formation sans le matériel Nvidia.
Pourquoi les douves de CUDA sont le véritable champ de bataille
CUDA est devenu un élément central de la domination de Nvidia en raison de l'énorme écosystème logiciel construit autour de ses GPU - compilateurs, bibliothèques et deux décennies de familiarité des développeurs. Chaque version de PyTorch, chaque cadre d'inférence, chaque dépôt de recherche suppose que CUDA fonctionne. Cette inertie, plus que les spécifications brutes des puces, est ce qui a tenu les concurrents à distance.
La logique stratégique de l’open source est également délibérée. Les piles de logiciels de puces propriétaires gagnent en étant la valeur par défaut ; les écosystèmes ouverts gagnent en étant le repli de tous. En publiant les outils Ascend sous licences ouvertes, DeepSeek réduit les coûts de changement pour tout développeur ou opérateur cloud cherchant à tirer parti des prix Nvidia – et rend le matériel Huawei viable précisément pour les acheteurs qui n'accepteraient jamais une pile mono-fournisseur.
C’est pourquoi la collaboration DeepSeek-Huawei est importante au-delà de la Chine. Cela reflète une volonté plus large au sein du pays de développer du matériel d'IA national et les logiciels nécessaires pour le faire fonctionner efficacement, réduisant ainsi la dépendance à l'égard de la technologie de Nvidia à un moment où les contrôles américains à l'exportation ont déjà restreint l'accès aux puces les plus avancées de Nvidia. Le New York Times a présenté le partenariat comme une attaque directe contre la source clé de la domination de Nvidia en matière d'IA : non pas les puces elles-mêmes, mais le code qui les rend indispensables.
S'appuyer sur un partenariat existant
La publication de mercredi n’est pas le premier signe que DeepSeek parie sur le silicium national. En avril, Benzinga et le South China Morning Post ont rapporté que le modèle V4 de DeepSeek avait été construit et formé sur des puces Huawei, dans le cadre de ce que le SCMP a décrit comme une collaboration renforçant l'autonomie de la Chine en matière d'IA. Ce qui est différent maintenant, c'est le logiciel : la V4 a prouvé que les modèles pouvaient fonctionner sur Ascend, tandis que cette version donne à tous les autres développeurs chinois les outils à suivre.
La route n’a pas été facile. Generation-NT a rapporté que DeepSeek avait précédemment retardé son modèle R2 en raison de difficultés avec les puces Huawei Ascend, une décision qui, selon le média, a révélé la fragilité de l'écosystème naissant. Huawei, pour sa part, a continué d'accélérer : le Business Times a rapporté à la mi-septembre que la société avançait le lancement d'une nouvelle puce d'IA pour concurrencer Nvidia. La version open source convertit efficacement ces problèmes de croissance en infrastructure partagée : les problèmes que DeepSeek résout pour lui-même deviennent des problèmes que chaque développeur Ascend bénéficie d'avoir résolus.
Que regarder ensuite
Trois choses détermineront si cet effort sera efficace. Premièrement, l'adoption : les outils open source n'ont d'importance que si les développeurs chinois construisent réellement avec eux, et le véritable test de TileLang est de savoir si la formation de modèles sur les clusters Ascend devient une routine plutôt qu'expérimentale. Deuxièmement, les performances : les propres modèles de DeepSeek ont déjà été signalés fonctionnant sur du silicium Huawei, mais égaler le débit de formation de l'ère CUDA sur des charges de travail hétérogènes est une barre différente. Troisièmement, les retombées : si TileLang devenait un langage véritablement portable pour les accélérateurs d'IA, cela pourrait compliquer la position de Nvidia bien au-delà des frontières chinoises.
Pour l’instant, le message est clair. La prochaine phase de la course au matériel d’IA se déroule dans le domaine logiciel, et DeepSeek vient de publier publiquement ses arguments d’ouverture.
---
Gardez une longueur d'avance sur l'IARecevez les dernières actualités, analyses et avancées en matière d'IA, le tout en un seul endroit.
Lire plus d'actualités sur l'IA →
