Deepseek: Open-Source-Werkzeuge für Huaweis Ascend-Chips

Deepseek stellt sich mit seiner Software hinter Huawei. Der chinesische KI-Entwickler hat eine Reihe von Programmierwerkzeugen für Huaweis KI-Chips der Ascend-Reihe entwickelt und veröffentlicht alles als Open Source. Das Ziel ist schnell formuliert und schwer zu erreichen: Chinesische Hardware soll sich so einfach programmieren lassen wie die von Nvidia.

Die Ankündigung kam über Deepseeks offiziellen WeChat-Kanal, weitere Einzelheiten berichteten Reuters und die New York Times.

Was Deepseek veröffentlicht hat

Das Paket umfasst Bibliotheken, mit denen sich Berechnungen auf Ascend-Chips ausführen und Daten zwischen Chips übertragen lassen. Nach Angaben von Deepseek hat Huawei das Vorhaben "voll unterstützt". Gemeinsam optimierten die beiden Unternehmen außerdem einen Supernode, also einen Verbund aus 128 Ascend-950-Chips, die zusammen wie ein einziges großes System arbeiten.

Kernstück ist TileLang, eine Open-Source-Programmiersprache für KI-Chips. Ursprünglich haben Forscher der Peking University sie entwickelt, Deepseek setzt sie seit etwa einem Jahr ein. Zuerst erprobte das Unternehmen sie auf älteren Nvidia-Chips. Laut NYT ist TileLang inzwischen Deepseeks wichtigstes Werkzeug für die Arbeit an allgemeiner künstlicher Intelligenz (AGI).

Deepseeks Überlegung ist einfach. Wer ein unabhängiges Software-Ökosystem für KI-Chips aufbauen will, braucht zuerst eine universelle Sprache. Diese Sprache muss leicht zu schreiben sein und trotzdem die volle Leistung aus der Hardware holen. Nach Deepseeks Darstellung bietet TileLang ein einfacheres Programmiermodell als CUDA, Nvidias Softwareplattform.

Warum die Software der eigentliche Engpass ist

Die Partnerschaft zielt auf eine der größten Schwachstellen der chinesischen KI-Branche. Eigene Chips gibt es, aber ihnen fehlt Software, die ihre volle Leistung ausschöpft.

Nvidias Vorsprung beruhte nie allein auf dem Chipdesign. Er stützt sich auch auf geschätzt vier Millionen Entwickler weltweit, die Code für CUDA schreiben. Diese Entwicklerbasis hält die Konkurrenz auf Abstand. Selbst wenn Wettbewerber wie AMD Hardware auf den Markt brachten, die auf dem Papier genauso stark wirkte, kamen sie daran nicht vorbei.

Laut NYT waren chinesische Modellentwickler wie Z.ai und Moonshot AI bislang schneller als die Chiphersteller des Landes. Huawei versucht aufzuholen. Zwei Wochen vor Deepseeks Ankündigung stellte das Unternehmen neue KI-Prozessoren und Supernode-Systeme vor und kündigte an, dass sie im nächsten Jahr breit für das Training von Modellen eingesetzt werden sollen.

Huawei gibt zudem an, die Nachfrage im eigenen Land nicht decken zu können, und will deshalb weniger Chips ins Ausland verkaufen. Eric Xu, Huaweis derzeitiger rotierender Vorsitzender (das Unternehmen lässt seine Spitzenposition unter mehreren Topmanagern rotieren), verwies auf die US-Exportkontrollen. Huawei könne keine Zukunft akzeptieren, die davon abhängt, ob andere bereit sind, Chips an China zu verkaufen.

Hält der CUDA-Schutzwall noch?

Das Analysehaus SemiAnalysis misst, wie viel von Nvidias Softwarevorsprung noch übrig ist. Nach Tests mit Jalapeño, OpenAIs Inferenzchip, bezeichneten die Analysten den CUDA-Schutzwall als "möglicherweise tot". Als Grund nannten sie, wie schnell OpenAI neue Modelle auf der eigenen Hardware zum Laufen bringt.

In den meisten getesteten Szenarien schlug Jalapeño Nvidias Blackwell bei der Leistung pro Watt. SemiAnalysis wies außerdem darauf hin, dass OpenAI-Modelle beim Design des Chips mitgeholfen haben, und diese Modelle laufen ihrerseits auf Nvidia-GPUs.

Die Analysten machten selbst Einschränkungen:

1. Nur einfache Arbeitslasten. Getestet wurden Szenarien, die sich vergleichsweise leicht optimieren lassen, mit etwa 8.000 Eingabe- und 1.000 Ausgabetokens.
2. Noch kein Agenten-Benchmark. AgentX, ein Benchmark, der misst, wie KI-Agenten mehrstufige Aufgaben bewältigen, haben sie noch nicht durchgeführt.

Der zweite Punkt ist entscheidend. Im August sah SemiAnalysis Nvidia genau bei dieser Art von Arbeit deutlich vorn. Mit AMDs aktuellem Software-Stack wäre Nvidia pro Token sogar dann noch günstiger, wenn AMD seine Hardware verschenken würde. Aus Sicht der Analysten liegt Nvidias dauerhafter Vorteil nicht im Silizium, sondern in der Software, die viele Chips zu einem funktionierenden System verbindet.

Huaweis Chips waren nicht Teil des AgentX-Vergleichs. In einer früheren Analyse von DeepSeek V4 hatte SemiAnalysis allerdings festgestellt, dass Huaweis Software-Stack CANN neben CUDA der einzige war, der das Modell vom ersten Tag an unterstützte.

Die Einordnung

Das Muster ist bekannt: Hardware allein bricht Nvidias Vormacht nicht, die eigentliche Arbeit steckt in der Software. Deepseeks Schritt deutet darauf hin, dass die chinesische KI-Branche diese Lektion ernst nimmt. Ein führendes Modelllabor investiert jetzt selbst in die Programmierebene für heimische Chips, statt darauf zu warten, dass die Chiphersteller sie bauen.

Für Entwickler und Unternehmen, die das Rennen um die Chips verfolgen, ist die Open-Source-Veröffentlichung der entscheidende Teil. Eine Sprache, die einfacher ist als CUDA und an keinen Hersteller gebunden, könnte die Kosten für einen Hardwarewechsel senken, allerdings nur, wenn genug Leute sie nutzen. Vier Millionen CUDA-Entwickler sind eine große Basis, gegen die man antreten muss.

Die Ergebnisse von SemiAnalysis setzen eine sinnvolle Grenze. Nvidia bei einfachen Inferenztests zu schlagen, ist das eine. Bei mehrstufigen Agenten-Arbeitslasten mitzuhalten, bei denen die Software für die Verbindung vieler Chips den Ausschlag gibt, ist etwas anderes. Es lohnt sich zu beobachten, ob Huaweis Supernodes und die neuen Deepseek-Werkzeuge in unabhängigen Tests wie AgentX auftauchen und ob Huaweis Trainingssysteme im nächsten Jahr tatsächlich so breit eingesetzt werden, wie das Unternehmen ankündigt.