DeepSeek 周三宣布，它已与华为合作，为华为的 Ascend AI 处理器开发编程工具，并将成果开源，其中包括定位为 Nvidia CUDA 的更简单替代品的 TileLang 语言版本。
此举瞄准了英伟达盔甲上最软的地方。该公司在人工智能计算领域的主导地位从来不仅仅与芯片有关。它依赖于 CUDA，这是几乎每个人工智能开发人员都接受过培训的软件生态系统。为了说明这一点为何如此重要，我们的人工智能行业报道已经多次证明，只有当周围的软件让切换变得痛苦时，硬件才会获胜。
Ascend 的六个开源工具
据路透社报道，DeepSeek 正在发布为华为 Ascend 平台构建的六个开源软件模块。该软件包包括旨在提高芯片计算和通信性能的库，这些库是在 DeepSeek 所说的华为广泛的技术支持下开发的。
核心是 TileLang，一种专为人工智能加速器设计的开源高级编程语言。 DeepSeek 认为开发人员需要一种既易于访问又能够从底层硬件中获取最大性能的语言，并表示 TileLang 提供了比 CUDA 更简单的编程模型。如果它实现了，那么为中国人工智能芯片编写代码的门槛就会大大降低——这正是重点。
一个 128 芯片的超级节点作为规模证明
这次合作还产生了硬件成果。 DeepSeek 和华为表示，他们致力于开发一个由 128 个 Ascend 950 芯片组成的超级节点系统，重点是优化处理器之间的通信以及整体计算性能——这一互连问题历来将小众加速器与真正的数据中心平台区分开来。
这一消息是在华为推出下一代人工智能处理器和“超级节点”计算系统后不久发布的，该公司预计从明年开始，其人工智能基础设施将更广泛地用于模型训练。前沿实验室为国内芯片平台发布系统软件是迄今为止最强烈的信号，表明中国人工智能公司打算在没有英伟达硬件的情况下运行大量的训练工作。
为什么CUDA的护城河才是真正的战场
CUDA 已成为 Nvidia 主导地位的核心部分，因为围绕其 GPU 构建了庞大的软件生态系统——编译器、库和二十年来开发人员的熟悉程度。每个 PyTorch 版本、每个推理框架、每个研究库都假设 CUDA 可以工作。这种惰性（不仅仅是原始芯片规格）才是让竞争对手望而却步的原因。
开源的战略逻辑同样是经过深思熟虑的。专有芯片软件堆栈因成为默认软件堆栈而获胜；开放的生态系统通过成为每个人的后备力量而获胜。通过在开放许可下发布 Ascend 工具，DeepSeek 降低了任何寻求对抗 Nvidia 定价的开发人员或云运营商的转换成本，并使华为的硬件适合那些永远不会接受单一供应商堆栈的买家。
这就是为什么 DeepSeek 与华为的合作在中国之外具有重要意义。这反映出该国更广泛地推动开发国内人工智能硬件和高效运行所需的软件，从而在美国出口管制已经限制对英伟达最先进芯片的访问之际，减少对英伟达技术的依赖。 《纽约时报》将此次合作视为对英伟达人工智能主导地位的关键来源的直接攻击——不是芯片本身，而是使芯片变得不可或缺的代码。
建立在现有合作伙伴关系的基础上
周三的发布并不是 DeepSeek 押注国产芯片的第一个迹象。早在 4 月份，Benzinga 和《南华早报》就报道称 DeepSeek 的 V4 模型是在华为芯片上构建和训练的，《南华早报》称这是一次加强中国人工智能自力更生的合作。现在不同的是软件：V4 证明了模型可以在 Ascend 上运行，而这个版本为所有其他中国开发人员提供了可以遵循的工具。
道路并不平坦。 Generation-NT 报道称，DeepSeek 此前因华为 Ascend 芯片遇到困难而推迟了 R2 型号的发布，该媒体称这一决定暴露了新生生态系统的脆弱性。华为则一直在加速前进——《商业时报》9月中旬报道称，该公司正在加快推出一款新的人工智能芯片，以与英伟达抗衡。开源版本有效地将这些成长的烦恼转化为共享基础设施：DeepSeek 自己解决的问题成为每个 Ascend 开发人员都受益的问题。
接下来看什么
三件事将决定这一努力是否有效。首先，采用：开源工具只有在中国开发者真正使用它们进行构建时才重要，而 TileLang 的真正考验是 Ascend 集群上的模型训练是否成为常规而不是实验性的。其次，性能：据报道 DeepSeek 自己的模型已经在华为芯片上运行，但跨异构工作负载匹配 CUDA 时代的训练吞吐量是一个不同的标准。第三，溢出效应：如果 TileLang 成熟为人工智能加速器的真正可移植语言，它可能会使 Nvidia 在中国境外的地位变得复杂。
目前，信息已经很明确了。人工智能硬件竞赛的下一阶段将在软件中展开，DeepSeek 刚刚公开发表了开场陈词。
---
保持人工智能领先地位获取最新的人工智能新闻、分析和突破——尽在一个地方。
阅读更多人工智能新闻 →
