Китайский разработчик искусственного интеллекта DeepSeek объявил о масштабном открытии исходного кода инфраструктурных компонентов, оптимизированных для аппаратной платформы Huawei Ascend.

Речь идет о специализированном языке программирования операторов TileLang с поддержкой компиляции, библиотеках ускоренных вычислений и инструментах распределенной межчиповой коммуникации.

Главная особенность релиза заключается в том, что все опубликованные решения получили строгое взаимно-однозначное соответствие аналогичным инструментам, ранее созданным DeepSeek под экосистему Nvidia.

Сотрудничество двух технологических лидеров перешло от простой адаптации готовых моделей для инференса к совместной глубокой оптимизации фундаментального стека обучения. DeepSeek и Huawei раскрыли детали проекта 128-чипового суперузла на базе новейших процессоров Ascend 950, где аппаратные вычислительные и коммуникационные каналы подверглись тонкой системной настройке. В тестах ключевых сценариев производительность вплотную приблизилась к теоретическому пределу физического оборудования, что свидетельствует о выходе партнерства на уровень промышленной доводки.

Ключевым звеном новой экосистемы выступает язык TileLang, призванный стать доступной и высокопроизводительной альтернативой CUDA. Любая новая архитектура большой языковой модели требует реализации специализированных математических операторов, и чем сложнее процесс их написания, тем дольше исследовательские команды проверяют гипотезы и масштабируют обучение. TileLang упрощает логику кода без потери производительности, инкапсулируя низкоуровневые инструкции Ascend C. На этом языке уже построена реализация подавляющего большинства операторов флагманской серии DeepSeek V4, и теперь каждый используемый в реальном обучении оператор обладает зеркальным аналогом для NPU от Huawei.

Наряду с языком программирования компания открыла библиотеки для матричных операций DeepGEMM, стек распределенных коммуникаций DeepEP, а также пакеты TileKernels, FlashMLA и DeepSelect, отвечающие за векторные вычисления, разреженное внимание и механизмы выборки. Разработчикам предоставлен унифицированный программный интерфейс на Python: один и тот же высокоуровневый вызов запускается как на графических процессорах Nvidia, так и на нейропроцессорах Huawei, автоматически подключая аппаратную реализацию нужного поставщика.

Этот шаг имеет решающее значение для дальнейшего масштабирования DeepSeek. На фоне завершения крупного раунда финансирования объемом порядка 50 миллиардов юаней и подготовки к первичному публичному размещению акций компании требуется гарантированный доступ к вычислительной инфраструктуре. Учитывая, что команда направляет свыше 70% доступных мощностей непосредственно на исследовательское обучение моделей и менее 30% на вывод сервисов, критически важно иметь альтернативный аппаратный маршрут, не зависящий от поставок единственного зарубежного производителя.

Для Huawei прямое взаимодействие с передовой исследовательской лабораторией позволяет оперативно подтягивать базовое системное ПО под быстро меняющиеся архитектуры нейросетей. Открытие исходного кода преследует и более широкую цель — создать открытый стандарт высокопроизводительной разработки, который поможет снизить порог входа и упростить адаптацию передовых моделей для всего рынка отечественных полупроводниковых платформ. Несмотря на то что перевод полного цикла масштабного обучения моделей уровня V4 на платформу Ascend еще требует завершения ряда инженерных задач, формирование зрелого программного фундамента знаменует появление реального дублирующего контура в мировой индустрии ИИ.