DeepSeek открыла стек для чипов Huawei Ascend: что это значит

DeepSeek выложила в открытый доступ шесть инструментов для программирования ускорителей Huawei Ascend. Набор повторяет инфраструктуру, на которой лаборатория обучала свои модели на железе NVIDIA, но перенесённую на китайские чипы.

Что вошло в набор

Стек состоит из языка TileLang и пяти библиотек. DeepGEMM отвечает за матричные операции, DeepEP — за межчиповый обмен данными в MoE-моделях, FlashMLA — за внимание на длинном контексте, TileKernels — за векторные вычисления, DeepSelect — за фильтрацию данных. TileLang позиционируется как более простая альтернатива CUDA. По данным Startup Fortune, набор покрывает большинство операторов, использованных при обучении DeepSeek V4.

Параллельно Huawei рассказала о совместно спроектированной с DeepSeek суперноде на 128 чипах Ascend 950. Анонс вышел сразу после Huawei Connect 2026. Отдельно отмечается оценка, что Ascend 910C даёт около 60% инференс-производительности NVIDIA H100 — цифра из одного источника и по прошлому поколению, независимых замеров для Ascend 950 пока нет.

Что это значит

Главный барьер Huawei всегда был не в железе, а в экосистеме: CUDA удерживает клиентов, потому что миграция означает месяцы переписывания кода. Теперь стек перенесла лаборатория с реальным опытом обучения фронтирных моделей — для китайских команд это куда более весомый аргумент, чем документация вендора. Для рынка инфраструктуры это сигнал, что конкуренция за ускорители смещается в софт: выигрывает не тот, у кого больше чипов, а тот, у кого проще путь миграции. Пока на практике это касается в первую очередь тех, кто строит инференс и обучение MoE-моделей; аренда GPU под такие задачи обычно берётся на выделенных конфигурациях, а не на обычном VPS — сравнить доступные варианты можно в каталоге VPS.