Samarbejdet mellem DeepSeek og Huawei har bevæget sig ud over rygter og er blevet konkret realitet: Begge kinesiske virksomheder har open source-udviklet en del af softwaren, der muliggør programmering af Ascend-acceleratorerne. Skridtet handler ikke så meget om at konkurrere på siliciummarkedet, som det handler om at bryde deres afhængighed af CUDA , Nvidias platform, der i årevis har fungeret som den obligatoriske indgangsport til kunstig intelligens.
Det slående er, at annonceringen kommer via open source. DeepSeek har udgivet værktøjer og biblioteker, så udviklere kan arbejde med Huawei-chips uden fuldstændigt at genopbygge kernelagene i deres projekter. Huawei har støttet arbejdet, og fokus er på et komplet økosystem, ikke et enkelt produkt.
Åbne værktøjer til Ascend-chips
Den udgivne pakke indeholder seks softwarekomponenter og adskillige biblioteker til matematiske operationer og dataudveksling mellem acceleratorer. Den mest omtalte komponent er TileLang, et programmeringssprog på højt niveau, som laboratoriet har optimeret til Ascend 950-acceleratorerne. Ideen er at gøre det enklere at skrive kode til disse chips end at bruge Nvidias værktøjer, uden at gå på kompromis med den høje ydeevne.
TileLang opstod ikke ud af ingenting: det blev allerede brugt i tidligere Nvidia-kort og bringes nu til Huawei. Virksomheden fastholder, at et fælles, letlært sprog, der udnytter hardwaren, er nøglen til at opbygge et AI-økosystem, der ikke er afhængigt af eksterne leverandører – et mål, som Beijing har argumenteret for i over to år.
Ud over sproget har DeepSeek og Huawei optimeret en supernode med 128 Ascend 950 acceleratorer . I denne type systemer er det ikke nok, at hver enhed er kraftfuld; hvordan data overføres mellem dem er afgørende. Det er her, Nvidia har opbygget en del af sin fordel med teknologier som NVLink, og derfor er den kinesiske tilgang nødvendigvis omfattende.
DeepSeek er ingen nybegynder på dette område. De havde allerede udviklet værktøjer til andre AI-acceleratorer, og ifølge flere rapporter var deres V4-Flash- model optimeret til at køre på Ascend. Deres næste kendte skridt er ambitiøst: de planlægger at installere mindst 160.000 Huawei-acceleratorer i et datacenter i Indre Mongoliet, et tal der giver en idé om den skala, de sigter mod at håndtere.
CUDA-muren og planens grænser
Huawei er ikke kun blevet holdt tilbage af de fysiske komponenter i sine chips. I næsten tyve år er meget AI-software blevet skrevet med CUDA i tankerne , og den installerede base er svær at erstatte. Det er ikke bare en compiler: den inkluderer også biblioteker, testværktøjer, manualer, eksempler og et meget stort fællesskab. Ifølge forskellige analyser kan CUDA prale af omkring fire millioner udviklere, et netværk som Nvidia har gjort til sit stærkeste forsvar.
Huawei har sit eget alternativ, CANN , men det er ikke nok med blot en compiler og et par biblioteker. For virkelig at kunne konkurrere har man brug for diagnosticeringsværktøjer, træning og folk, der er i stand til at løse problemer i den virkelige verden. Det er det hul, DeepSeek forsøger at udfylde med sin ekspertise inden for lavniveauoptimering og et eksisterende open source-fællesskab.
Den politiske og regulatoriske kontekst spiller også en rolle. Washington fortsætter med at begrænse salget af avancerede acceleratorer og adgangen til vigtige maskiner til fremstilling af halvledere. Disse hindringer begrænser Huaweis internationale ekspansion, selvom markedet i Kina er stort nok til at gøre eksperimentet økonomisk levedygtigt.
Huawei har indrømmet, at deres produktion er utilstrækkelig til at imødekomme den indenlandske efterspørgsel, og at de foreløbig foretrækker at fokusere på Kina frem for at ekspandere internationalt. Deres køreplan inkluderer Ascend 960DT til starten af 2027 og en køreplan frem til 2029 med den hensigt at fordoble computerkraften med hver opgradering.
I mellemtiden holder DeepSeek også øje med markederne. Ifølge Bloomberg forbereder de en finansieringsrunde med en værdiansættelse på tæt på 74.000 milliarder dollars i forventning om en potentiel børsnotering. Denne kombination af finansiel styrke, open source-kode og indenlandsk udviklet hardware forklarer, hvorfor operationen følges nøje uden for Kina.
For et udviklingsteam er det virkelige dilemma omkostningerne ved at skifte platform. Enhver funktion, der i øjeblikket kalder et Nvidia-bibliotek, ville kræve en tilsvarende version til Huawei, og kompatibilitetsproblemer opstår ofte, efter at systemet allerede er oppe at køre. DeepSeeks værktøjer sigter mod at reducere denne friktion, men de eliminerer ikke den fordel, der opnås ved CUDA, og de garanterer heller ikke, at alle modeller vil præstere lige godt på Ascend.
I Spanien og resten af Europa er konsekvenserne mindre umiddelbare, men ikke mindre betydelige. De fleste virksomheder og datacentre er afhængige af amerikanske leverandører, og der findes intet sammenligneligt lokalt alternativ til CUDA. Det kinesiske skridt tjener som en påmindelse om, at teknologisk autonomi ikke udelukkende bestemmes af chipfabrikker, men også af software, sprog og fællesskaber.
Kampen vindes ikke med en pressemeddelelse. Det, der betyder noget, er, hvor mange projekter der opgiver CUDA, hvor mange der begynder at bruge TileLang , og om Huawei har nok chips til at imødekomme efterspørgslen. Hvis værktøjerne ikke overbeviser, vil mange teams vende tilbage til deres gamle vaner uden større problemer.
DeepSeek og Huaweis træk placerer konkurrencen på et mindre synligt lag end hardware: den software, der gør hver chip brugbar. Det er ikke et endegyldigt slag for Nvidia, men det er et skridt, der reducerer omkostningerne ved at forlade deres økosystem, og som på mellemlang sigt kan ændre købsbeslutninger i Kina. Uden for Kina vil effekten afhænge af Huaweis produktionskapacitet og det pres, USA lægger på sine allierede.