Samarbeidet mellom DeepSeek og Huawei har gått forbi ryktene og blitt konkret realitet: begge kinesiske selskapene har gjort deler av programvaren som tillater programmering av Ascend-akseleratorene tilgjengelig med åpen kildekode. Dette handler ikke så mye om å konkurrere i silisiummarkedet som om å bryte avhengigheten av CUDA , Nvidias plattform som i årevis har fungert som den obligatoriske inngangsporten til kunstig intelligens.
Det som er slående er at kunngjøringen kommer via åpen kildekode. DeepSeek har gitt ut verktøy og biblioteker slik at utviklere kan jobbe med Huawei-brikker uten å fullstendig gjenoppbygge kjernelagene i prosjektene sine. Huawei har støttet arbeidet, og fokuset er på et komplett økosystem, ikke et enkelt produkt.
Åpne verktøy for Ascend-brikker
Den utgitte pakken inneholder seks programvarekomponenter og flere biblioteker for matematiske operasjoner og datautveksling mellom akseleratorer. Den mest omtalte komponenten er TileLang, et høynivåprogrammeringsspråk som laboratoriet har optimalisert for Ascend 950-akseleratorene. Tanken er å gjøre det enklere å skrive kode for disse brikkene enn å bruke Nvidias verktøy, uten å ofre høy ytelse.
TileLang dukket ikke opp fra ingenting: det ble allerede brukt i tidligere Nvidia-kort og blir nå introdusert til Huawei. Selskapet hevder at et felles, lettlært språk som utnytter maskinvaren er nøkkelen til å bygge et AI-økosystem som ikke er avhengig av eksterne leverandører – et mål som Beijing har forfektet i over to år.
I tillegg til språket har DeepSeek og Huawei optimalisert en supernode med 128 Ascend 950-akseleratorer . I denne typen systemer er det ikke nok at hver enhet er kraftig; hvordan data sendes mellom dem er avgjørende. Det er her Nvidia har bygget en del av sin fordel med teknologier som NVLink, og det er derfor den kinesiske tilnærmingen nødvendigvis er omfattende.
DeepSeek er ingen nykommer på dette feltet. De hadde allerede utviklet verktøy for andre AI-akseleratorer, og ifølge flere rapporter ble V4-Flash- modellen optimalisert for å kjøre på Ascend. Deres neste kjente steg er ambisiøst: de planlegger å installere minst 160 000 Huawei-akseleratorer i et datasenter i Indre Mongolia, et tall som gir en idé om omfanget de har som mål å håndtere.
CUDA-veggen og planens grenser
Huawei har ikke bare blitt holdt tilbake av de fysiske komponentene i brikkene sine. I nesten tjue år har mye AI-programvare blitt skrevet med CUDA i tankene , og den installerte basen er vanskelig å erstatte. Det er ikke bare en kompilator: den inkluderer også biblioteker, testverktøy, manualer, eksempler og et veldig stort fellesskap. Ifølge ulike analyser kan CUDA skryte av rundt fire millioner utviklere, et nettverk som Nvidia har gjort til sitt sterkeste forsvar.
Huawei har sitt eget alternativ, CANN , men det er ikke nok med bare en kompilator og noen få biblioteker. For å virkelig konkurrere trenger man diagnostiske verktøy, opplæring og folk som er i stand til å løse problemer i den virkelige verden. Det er gapet DeepSeek prøver å fylle med sin ekspertise innen lavnivåoptimalisering og et eksisterende åpen kildekode-fellesskap.
Den politiske og regulatoriske konteksten spiller også en rolle. Washington fortsetter å begrense salget av avanserte akseleratorer og tilgangen til viktige maskiner for halvlederproduksjon. Disse hindringene begrenser Huaweis internasjonale ekspansjon, selv om markedet i Kina er stort nok til å gjøre eksperimentet økonomisk levedyktig.
Huawei har innrømmet at produksjonen deres er utilstrekkelig til å dekke den innenlandske etterspørselen, og at de foreløpig foretrekker å fokusere på Kina fremfor å ekspandere internasjonalt. Veikartet inkluderer Ascend 960DT for tidlig 2027 og en veikart frem til 2029, med intensjon om å doble datakraften med hver oppgradering.
I mellomtiden følger også DeepSeek markedene. Ifølge Bloomberg forbereder de en finansieringsrunde med en verdsettelse på nærmere 74.000 milliarder dollar , i påvente av en potensiell børsnotering. Denne kombinasjonen av finansiell styrke, åpen kildekode og innenlands utviklet maskinvare forklarer hvorfor operasjonen følges nøye utenfor Kina.
For et utviklingsteam er det virkelige dilemmaet kostnaden ved å bytte plattform. Hver funksjon som for øyeblikket kaller et Nvidia-bibliotek, trenger en tilsvarende versjon for Huawei, og kompatibilitetsproblemer oppstår ofte etter at systemet allerede er oppe og går. DeepSeeks verktøy har som mål å redusere denne friksjonen, men de eliminerer ikke fordelen som CUDA gir, og de garanterer heller ikke at alle modeller vil yte like bra på Ascend.
I Spania og resten av Europa er implikasjonene mindre umiddelbare, men ikke mindre betydningsfulle. De fleste selskaper og datasentre er avhengige av amerikanske leverandører, og det finnes ikke noe sammenlignbart lokalt alternativ til CUDA. Det kinesiske trekket tjener som en påminnelse om at teknologisk autonomi ikke utelukkende bestemmes av chipfabrikker, men også av programvare, språk og fellesskap.
Kampen vil ikke vinnes med en pressemelding. Det som vil bety noe er hvor mange prosjekter som forlater CUDA, hvor mange som begynner å bruke TileLang , og om Huawei har nok brikker til å møte etterspørselen. Hvis verktøyene ikke overbeviser, vil mange team gå tilbake til sine gamle vaner uten særlig problemer.
DeepSeek og Huaweis trekk plasserer konkurrentene på et mindre synlig lag enn maskinvaren: programvaren som gjør hver brikke brukbar. Det er ikke et definitivt slag for Nvidia, men det er et skritt som reduserer kostnadene ved å forlate økosystemet sitt, og på mellomlang sikt kan det endre kjøpsbeslutninger i Kina. Utenfor Kina vil effekten avhenge av Huaweis produksjonskapasitet og presset USA legger på sine allierte.
