Samarbetet mellan DeepSeek och Huawei har gått bortom ryktena och blivit konkret verklighet: båda kinesiska företagen har öppnat upp en del av programvaran som möjliggör programmering av Ascend-acceleratorerna. Åtgärden handlar inte så mycket om att konkurrera på kiselmarknaden som om att bryta sitt beroende av CUDA , Nvidias plattform som i åratal har fungerat som den obligatoriska inkörsporten till artificiell intelligens.
Det som är slående är att tillkännagivandet kommer via öppen källkod. DeepSeek har släppt verktyg och bibliotek så att utvecklare kan arbeta med Huawei-chips utan att helt bygga om kärnlagren i sina projekt. Huawei har stöttat arbetet, och fokus ligger på ett komplett ekosystem, inte en enskild produkt.
Öppna verktyg för Ascend-chips
Det släppta paketet innehåller sex programvarukomponenter och flera bibliotek för matematiska operationer och datautbyte mellan acceleratorer. Den mest omtalade komponenten är TileLang, ett högnivåprogrammeringsspråk som labbet har optimerat för Ascend 950-acceleratorerna. Tanken är att göra det enklare att skriva kod för dessa chip än att använda Nvidias verktyg, utan att offra hög prestanda.
TileLang uppstod inte från ingenstans: det användes redan i tidigare Nvidia-kort och lanseras nu även hos Huawei. Företaget hävdar att ett gemensamt, lättlärt språk som utnyttjar hårdvaran är nyckeln till att bygga ett AI-ekosystem som inte är beroende av externa leverantörer – ett mål som Peking har förespråkat i över två år.
Utöver språket har DeepSeek och Huawei optimerat en supernod med 128 Ascend 950-acceleratorer . I den här typen av system räcker det inte att varje enhet är kraftfull; hur data skickas mellan dem är avgörande. Det är här Nvidia har byggt en del av sin fördel med tekniker som NVLink, och det är därför den kinesiska strategin nödvändigtvis är heltäckande.
DeepSeek är ingen nykomling inom detta område. De hade redan utvecklat verktyg för andra AI-acceleratorer, och enligt flera rapporter optimerades deras V4-Flash- modell för att köras på Ascend. Deras nästa kända steg är ambitiöst: de planerar att installera minst 160 000 Huawei-acceleratorer i ett datacenter i Inre Mongoliet, en siffra som ger en uppfattning om vilken skala de siktar på att hantera.
CUDA-muren och planens gränser
Huawei har inte bara hållits tillbaka av de fysiska komponenterna i sina chip. I nästan tjugo år har mycket AI-programvara skrivits med CUDA i åtanke , och den installerade basen är svår att ersätta. Det är inte bara en kompilator: den inkluderar också bibliotek, testverktyg, manualer, exempel och en mycket stor community. Enligt olika analyser kan CUDA skryta med cirka fyra miljoner utvecklare, ett nätverk som Nvidia har förvandlat till sitt starkaste försvar.
Huawei har sitt eget alternativ, CANN , men det räcker inte med bara en kompilator och några få bibliotek. För att verkligen kunna konkurrera behöver man diagnostiska verktyg, utbildning och personer som kan lösa verkliga problem. Det är den luckan som DeepSeek försöker fylla med sin expertis inom lågnivåoptimering och en befintlig öppen källkodsgemenskap.
Det politiska och regulatoriska sammanhanget spelar också en roll. Washington fortsätter att begränsa försäljningen av avancerade acceleratorer och tillgången till viktiga maskiner för halvledartillverkning. Dessa hinder begränsar Huaweis internationella expansion, även om marknaden i Kina är tillräckligt stor för att göra experimentet ekonomiskt hållbart.
Huawei har medgett att deras produktion är otillräcklig för att möta den inhemska efterfrågan och att de för närvarande föredrar att fokusera på Kina snarare än att expandera internationellt. Deras färdplan inkluderar Ascend 960DT för början av 2027 och en färdplan fram till 2029, med avsikt att fördubbla datorkraften med varje uppgradering.
Samtidigt har DeepSeek också blickar på marknaderna. Enligt Bloomberg förbereder de en finansieringsrunda med en värdering på nära 74.000 miljarder dollar , i väntan på en potentiell börsintroduktion. Denna kombination av finansiell styrka, öppen källkod och inhemskt utvecklad hårdvara förklarar varför verksamheten följs noga utanför Kina.
För ett utvecklingsteam är det verkliga dilemmat kostnaden för att byta plattform. Varje funktion som för närvarande anropar ett Nvidia-bibliotek skulle behöva en motsvarande version för Huawei, och kompatibilitetsproblem uppstår ofta efter att systemet redan är igång. DeepSeeks verktyg syftar till att minska denna friktion, men de eliminerar inte fördelen som CUDA ger, och de garanterar inte heller att alla modeller kommer att prestera lika bra på Ascend.
I Spanien och resten av Europa är konsekvenserna mindre omedelbara, men inte mindre betydande. De flesta företag och datacenter förlitar sig på amerikanska leverantörer, och det finns inget jämförbart lokalt alternativ till CUDA. Det kinesiska beslutet fungerar som en påminnelse om att teknologisk autonomi inte enbart bestäms av chipfabriker, utan också av programvara, språk och communities.
Slaget kommer inte att vinnas med ett pressmeddelande. Det som spelar roll är hur många projekt som överger CUDA, hur många som börjar använda TileLang och om Huawei har tillräckligt med chips för att möta efterfrågan. Om verktygen inte övertygar kommer många team att återgå till sina gamla vanor utan större problem.
DeepSeek och Huaweis drag placerar konkurrensen på ett mindre synligt lager än hårdvaran: mjukvaran som gör varje chip användbart. Det är inte ett definitivt slag mot Nvidia, men det är ett steg som minskar kostnaden för att lämna deras ekosystem och på medellång sikt kan förändra köpbeslut inom Kina. Utanför Kina kommer effekten att bero på Huaweis produktionskapacitet och det tryck som USA utövar på sina allierade.