DeepSeek tillkännagav på onsdagen att de har samarbetat med Huawei för att utveckla programmeringsverktyg för Huaweis Ascend AI-processorer – och öppnar upp resultaten, inklusive en version av dess TileLang-språk placerad som ett enklare alternativ till Nvidias CUDA.
Draget riktar sig mot den mjukaste platsen i Nvidias rustning. Företagets dominans inom AI-datorer har aldrig bara handlat om kisel; den vilar på CUDA, mjukvaruekosystemet som praktiskt taget alla AI-utvecklare har tränat på. För sammanhanget om varför det är viktigt har vår AI-industribevakning upprepade gånger dokumenterat att hårdvaran bara vinner när mjukvaran runt den gör bytet smärtsamt.
Sex öppen källkodsverktyg för Ascend
Enligt Reuters släpper DeepSeek sex mjukvarumoduler med öppen källkod byggda för Huaweis Ascend-plattform. Paketet innehåller bibliotek som syftar till att förbättra dator- och kommunikationsprestanda över chipsen, utvecklade med vad DeepSeek beskriver som omfattande teknisk support från Huawei.
Mittpunkten är TileLang, ett högnivåprogrammeringsspråk med öppen källkod designat för AI-acceleratorer. DeepSeek hävdar att utvecklare behöver ett språk som är både tillgängligt och kapabelt att extrahera maximal prestanda från den underliggande hårdvaran, och säger att TileLang erbjuder en enklare programmeringsmodell än CUDA. Om den levererar sjunker barriären för att skriva kod för kinesiska AI-chips avsevärt - vilket är precis poängen.
En 128-chips supernod som bevis på skalan
Samarbetet gav också hårdvaruresultat. DeepSeek och Huawei säger att de arbetade på ett supernodsystem som kombinerar 128 Ascend 950-chips, med fokus på att optimera kommunikationen mellan processorer såväl som övergripande datorprestanda – sammankopplingsproblemet som historiskt har separerat nischacceleratorer från äkta datacenterplattformar.
Tillkännagivandet kommer kort efter att Huawei introducerade sin nästa generation av AI-processorer och "supernode"-datorsystem, och företaget förväntar sig att dess AI-infrastruktur kommer att se bredare användning för modellträning från och med nästa år. Ett gränslabb som publicerar sin systemmjukvara för en inhemsk chipplattform är den starkaste signalen hittills om att kinesiska AI-företag avser att köra seriösa träningsbelastningar utan Nvidias hårdvara.
Varför CUDAs vallgrav är den verkliga slagfältet
CUDA har blivit en central del av Nvidias dominans på grund av det enorma mjukvaruekosystemet som byggts upp kring dess GPU:er – kompilatorer, bibliotek och två decennier av utvecklare. Varje PyTorch-släpp, varje slutledningsramverk, varje forskningsrepo förutsätter att CUDA fungerar. Den trögheten, mer än specifikationer för råa chip, är det som har hållit rivalerna på avstånd.
Den strategiska logiken med öppen källa är lika medveten. Proprietära chipmjukvarustackar vinner genom att vara standard; öppna ekosystem vinner genom att vara allas fallback. Genom att publicera Ascend-verktyget under öppna licenser, sänker DeepSeek växlingskostnaden för alla utvecklare eller molnoperatörer som letar efter hävstång mot Nvidia-priser – och gör Huaweis hårdvara lönsam för exakt de köpare som aldrig skulle acceptera en stack med en leverantör.
Det är därför som DeepSeek-Huawei-samarbetet är viktigt utanför Kina. Det återspeglar en bredare insats inom landet för att utveckla inhemsk AI-hårdvara och den mjukvara som krävs för att driva den effektivt, vilket minskar beroendet av Nvidias teknologi i en tid då amerikanska exportkontroller redan har begränsat åtkomsten till Nvidias mest avancerade chips. New York Times inramade partnerskapet som ett direkt angrepp på nyckelkällan till Nvidias AI-dominans – inte själva chipsen, utan koden som gör dem oumbärliga.
Bygger på ett befintligt partnerskap
Onsdagens release är inte det första tecknet på att DeepSeek satsar på inhemskt kisel. Redan i april rapporterade både Benzinga och South China Morning Post att DeepSeeks V4-modell byggdes och tränades på Huawei-chips, i vad SCMP beskrev som ett samarbete som stärkte Kinas AI-självtillit. Vad som är annorlunda nu är mjukvaran: V4 visade att modellerna kunde köras på Ascend, medan den här utgåvan ger alla andra kinesiska utvecklare verktygen att följa.
Vägen har inte varit slät. Generation-NT rapporterade att DeepSeek tidigare försenat sin R2-modell på grund av svårigheter med Huawei Ascend-chips, ett beslut som enligt uttaget avslöjade bräckligheten hos det begynnande ekosystemet. Huawei, å sin sida, har fortsatt att accelerera - The Business Times rapporterade i mitten av september att företaget flyttade upp lanseringen av ett nytt AI-chip för att ta sig an Nvidia. Utgåvan med öppen källkod omvandlar effektivt dessa växtvärk till delad infrastruktur: problem som DeepSeek löser för sig själv blir problem som varje Ascend-utvecklare tjänar på att ha löst.
Vad du ska titta på härnäst
Tre saker kommer att avgöra om denna ansträngning biter. För det första, adoption: verktyg med öppen källkod spelar bara roll om kinesiska utvecklare faktiskt bygger med dem, och TileLangs sanna test är om modellträning på Ascend-kluster blir rutin snarare än experimentell. För det andra, prestanda: DeepSeeks egna modeller har redan rapporterats köra på Huawei-kisel, men att matcha CUDA-erans träningsgenomströmning över heterogena arbetsbelastningar är en annan bar. För det tredje, spridning: om TileLang mognar till ett genuint bärbart språk för AI-acceleratorer, kan det komplicera Nvidias position långt utanför Kinas gränser.
För nu är budskapet tydligt. Nästa fas av AI-hårdvarutävlingen utkämpas i mjukvara, och DeepSeek publicerade just sina inledande argument offentligt.
---
Stay ahead of AIFå de senaste AI-nyheterna, analyserna och genombrotten – allt på ett ställe.
Läs mer AI-nyheter →
