- DeepSeek ha publicado en código abierto las adaptaciones de Ascend de su kernel de producción y sus bibliotecas de comunicación, con el respaldo de Huawei
- Las pruebas de rendimiento publicadas se ejecutaron en un kit de hardware de prueba de concepto que, según DeepSeek, no es una versión distribuida públicamente
- Dos repositorios son realmente nuevos y han recibido cientos de estrellas en GitHub, en comparación con los miles de Nvidia; los demás componentes anunciados son actualizaciones de herramientas ya existentes
DeepSeek ha anunciado que pondrá a disposición como código abierto un conjunto de componentes de infraestructura para los aceleradores Ascend de Huawei.
DeepSeek publicó dos repositorios completamente nuevos: DeepGEMM-Ascend, para la multiplicación de matrices, y DeepEP-Ascend, para la comunicación "todos con todos" de la que dependen los modelos de mezcla de expertos.
Los demás componentes mencionados en el anuncio eran actualizaciones: TileKernels, DeepSelect y FlashMLA son proyectos existentes que recibieron actualizaciones específicas para Ascend, una distinción que FourWeekMBA estableció a partir de las fechas de creación en GitHub.
¿Una solución de código abierto con casos de uso limitados?
Reuters lo presentó como dos empresas chinas que estrechan lazos en busca de una alternativa a Nvidia, mientras que Bloomberg señaló que el elemento central es un lenguaje de programación llamado TileLang, la respuesta de China a CUDA.
La pregunta es si todo esto tiene importancia cuando los ingenieros aún no se deciden a usar estas herramientas y el acceso a la capacidad de cómputo china sigue siendo, en el mejor de los casos, difícil de alcanzar.
La pieza más importante, como lo señala Bloomberg, es que TileLang en sí mismo no es ni nuevo ni un producto propio de DeepSeek. Se convirtió en código abierto en enero de 2025, y sus adaptadores para Huawei Ascend se publicaron en un repositorio externo, tilelang-ascend, el 29 de septiembre de 2025, un año completo antes del reciente anuncio.
Si bien TileLang es compatible con el backend CUDA de Nvidia, también es compatible con Ascend de Huawei como backend del ecosistema, clasificado y mantenido en un repositorio separado. Por lo tanto, se podría argumentar que TileLang no es tanto un arma dirigida contra Nvidia como una capa de abstracción compartida que media docena de proveedores chinos de aceleradores están estandarizando discretamente, con Huawei como el mayor de varios inquilinos en lugar de ser el propietario.
El nuevo software tiene limitaciones: DeepGEMM-Ascend requiere la serie Ascend 950 y CANN 9.20. DeepEP-Ascend requiere chips Ascend 950 con conectividad UBMEM, por lo que está dirigido a un público reducido más allá de los propios ingenieros de Huawei y de unos pocos laboratorios chinos de IA que tienen acceso a esos chips.
A pesar de esto, en un momento en que es poco probable que Estados Unidos exporte generosamente los chips de Nvidia o que China permita su entrada, el chip Ascend de Huawei tiene una gran tarea sobre sus hombros: DeepGEMM-Ascend mantiene el mismo nombre de paquete de Python y la misma estructura de API que su equivalente en CUDA, y DeepEP-Ascend alinea sus interfaces de búfer público con la versión de Nvidia.
Esto se debe a que el objetivo no es presumir de rendimiento, sino reducir los costos de cambio, y los costos de cambio son precisamente de lo que está hecho el foso competitivo de Nvidia: actualmente, a la mayoría de los desarrolladores les resulta demasiado costoso abandonar CUDA o programar su propia alternativa.
Las señales públicas indican que esto sigue siendo una tarea ardua; al momento de escribir este artículo, DeepGEMM-Ascend cuenta con 515 estrellas y 39 bifurcaciones, en comparación con DeepGEMM, que tiene una cómoda ventaja con 8,522 estrellas y 1,359 bifurcaciones, por ejemplo. La situación es similar para DeepEP-Ascend y DeepEP, donde este último supera las 10 200 estrellas frente a las 224 de DeepEP-Ascend.
El problema de reputación que enfrenta Huawei en este caso es anterior a los repositorios. ChinaTalk, citando al Financial Times, menciona a un investigador de Huawei que describe a CANN como algo que hace que los chips Ascend sean difíciles e inestables de usar, y a un desarrollador chino que caracteriza el trabajo en el 910B como un camino lleno de obstáculos.
Epoch AI ha informado que Huawei envía equipos de ingeniería a clientes importantes como Baidu y Tencent para ayudar a adaptar el código de entrenamiento de CUDA y mantener las implementaciones en funcionamiento.
Un laboratorio de vanguardia que publica sus propios núcleos de producción responde en parte a esa queja, ya que reemplaza la documentación del proveedor por código que ha resistido el contacto con un modelo y puede optimizarse aún más. Sin embargo, también se trata de código que se ejecuta en una sola familia de chips, bajo una sola versión de kit de herramientas, en un firmware que el resto del mundo no puede descargar ni siquiera acceder potencialmente.
Sigue a TechRadar en Google Noticias y añádenos como fuente preferida para recibir nuestras noticias, reseñas y opiniones de expertos en tus feeds.
