Deepseek brengt open-source tools uit voor Huawei Ascend

Deepseek schaart zich met zijn software achter Huawei. De Chinese AI-ontwikkelaar heeft een set programmeertools gebouwd voor de Ascend-AI-chips van Huawei en maakt alles als open source beschikbaar. Het doel is makkelijk te benoemen en moeilijk te bereiken: Chinese chips even eenvoudig programmeerbaar maken als die van Nvidia.

De aankondiging kwam via het officiële WeChat-kanaal van Deepseek. Reuters en The New York Times brachten verdere details naar buiten.

Wat Deepseek heeft uitgebracht

Het pakket bevat bibliotheken om berekeningen uit te voeren op Ascend-chips en om data tussen chips te verplaatsen. Volgens Deepseek heeft Huawei het project "volledig ondersteund". De twee bedrijven werkten ook samen aan de optimalisatie van een supernode: een cluster van 128 Ascend 950-chips die zo zijn gekoppeld dat ze samen als één groot systeem werken.

Het belangrijkste onderdeel is TileLang, een open-source programmeertaal voor AI-chips. Onderzoekers van de Universiteit van Peking ontwikkelden de taal oorspronkelijk, en Deepseek gebruikt haar al ongeveer een jaar. Het bedrijf probeerde TileLang eerst uit op oudere Nvidia-chips. Volgens de NYT is TileLang nu het belangrijkste gereedschap van Deepseek voor zijn werk aan artificial general intelligence (AGI).

De redenering van Deepseek is helder. Wie een eigen software-ecosysteem voor AI-chips wil opbouwen, heeft eerst een universele taal nodig. Die taal moet makkelijk te schrijven zijn en toch de volledige prestaties uit de hardware halen. Volgens Deepseek biedt TileLang een eenvoudiger programmeermodel dan CUDA, het softwareplatform van Nvidia.

Waarom software de echte flessenhals is

Deze samenwerking richt zich op een van de grootste zwakke plekken van de Chinese AI-sector. Chinese chips zijn er wel, maar ze hebben software nodig die er de volledige prestaties uit kan halen.

De voorsprong van Nvidia draaide nooit alleen om chipontwerp. Die rust ook op naar schatting vier miljoen ontwikkelaars wereldwijd die code schrijven voor CUDA. Juist die groep ontwikkelaars houdt concurrenten buiten de deur. Zelfs toen rivalen als AMD hardware uitbrachten die op papier net zo sterk leek, kwamen ze daar niet langs.

Volgens de NYT zijn Chinese modelbouwers zoals Z.ai en Moonshot AI tot nu toe sneller gegaan dan de chipmakers van het land. Huawei probeert die achterstand in te halen. Twee weken voor de aankondiging van Deepseek presenteerde het bedrijf nieuwe AI-processors en supernodesystemen, en zei het dat die volgend jaar op grote schaal zullen worden gebruikt voor het trainen van modellen.

Huawei zegt ook dat het de vraag in eigen land niet aankan en daarom minder chips in het buitenland wil verkopen. Eric Xu, de huidige roulerende voorzitter van Huawei (het bedrijf laat de hoogste leidinggevende functie rouleren tussen meerdere topbestuurders), wees op de Amerikaanse exportbeperkingen. Hij zei dat Huawei geen toekomst kan accepteren die afhangt van de vraag of anderen bereid zijn chips aan China te verkopen.

Houdt de CUDA-gracht nog stand?

Onderzoeksbureau SemiAnalysis meet al een tijd hoeveel er nog over is van de softwarevoorsprong van Nvidia. Na tests met Jalapeño, de inferentiechip van OpenAI, noemden de analisten de gracht rond CUDA "mogelijk dood". Hun reden: de snelheid waarmee OpenAI nieuwe modellen op zijn eigen hardware aan de praat krijgt.

In de meeste geteste scenario's versloeg Jalapeño Nvidia's Blackwell op prestaties per watt. SemiAnalysis merkte daarnaast op dat OpenAI-modellen hebben meegeholpen bij het ontwerp van de chip, en die modellen draaien zelf op GPU's van Nvidia.

De analisten plaatsten er zelf ook kanttekeningen bij:

1. Alleen eenvoudige workloads. Ze testten scenario's die relatief makkelijk te optimaliseren zijn, met ongeveer 8.000 inputtokens en 1.000 outputtokens.
2. Nog geen agentbenchmark. Ze hebben AgentX nog niet gedraaid, een benchmark die meet hoe AI-agents omgaan met taken die uit meerdere stappen bestaan.

Dat tweede punt is belangrijk. In augustus stelde SemiAnalysis vast dat Nvidia juist bij dit soort werk ruim voorlag. Met de huidige softwarestack van AMD zou Nvidia per token nog steeds goedkoper zijn, zelfs als AMD zijn hardware gratis weggaf. Volgens de analisten zit de blijvende voorsprong van Nvidia niet in het silicium, maar in de software die veel chips samenbrengt tot één werkend systeem.

De chips van Huawei maakten geen deel uit van de AgentX-vergelijking. In een eerdere bespreking van DeepSeek V4 merkte SemiAnalysis wel op dat Huaweis softwarestack CANN naast CUDA de enige was die dat model vanaf de eerste dag ondersteunde.

Het grotere geheel

Het patroon is bekend: hardware alleen doorbreekt de greep van Nvidia niet, het echte werk zit in de software. De stap van Deepseek wijst erop dat de Chinese AI-sector die les serieus neemt. Een toonaangevend modellab investeert nu zelf in de programmeerlaag voor Chinese chips, in plaats van te wachten tot de chipmakers die bouwen.

Voor ontwikkelaars en bedrijven die de chiprace volgen, is de open-source release het onderdeel om in de gaten te houden. Een taal die makkelijker is dan CUDA en niet aan één leverancier vastzit, kan het goedkoper maken om van hardware te wisselen, maar alleen als genoeg mensen haar gaan gebruiken. Vier miljoen CUDA-ontwikkelaars is een grote achterban om tegenop te boksen.

De bevindingen van SemiAnalysis geven een nuttige grens aan. Nvidia verslaan op eenvoudige inferentietests is één ding. Nvidia evenaren bij agentworkloads met meerdere stappen, waar de software die veel chips aan elkaar koppelt de doorslag geeft, is iets heel anders. Het is de moeite waard om te volgen of de supernodes van Huawei en de nieuwe tools van Deepseek opduiken in onafhankelijke tests zoals AgentX, en of de trainingssystemen van Huawei volgend jaar echt breed worden ingezet, zoals het bedrijf belooft.