DeepSeek offentliggjorde den 30. september seks åbne softwaremoduler til Huaweis Ascend-acceleratorer og annoncerede dem via sin WeChat-konto. Pakken indeholder en version af TileLang, selskabets højniveausprog til chipprogrammering, tilpasset til at køre på Ascend 950 — og DeepSeek siger lige ud, at det placerer sproget over for Nvidias CUDA.
De fem andre er de dele, en træningsstak faktisk har brug for: DeepGEMM til matrixmultiplikation, FlashMLA til attention, TileKernel, DeepSelect og DeepEP. Reuters skrev, at de to selskaber også har arbejdet sammen om en “supernode” bygget af 128 Ascend 950-chips, optimeret både til beregning og til kommunikationen mellem dem.
Voldgraven er softwaren, ikke chippen
Nvidias varige forspring har aldrig været, at selskabets chips var de eneste hurtige. Det har været, at CUDA er nitten år gammelt, at alle rammeværker sigter mod det, og at de opsamlede kerner, profilværktøjer og omveje er mere værd end nogen enkelt hardwaregeneration. Kinesiske acceleratorer har eksisteret i årevis; grunden til, at de blev i laboratoriet, var, at det kostede flere ingeniørmåneder at flytte et seriøst træningsforløb til dem, end chippene sparede.
DeepSeeks argument sigter præcis derhen. Selskabet beskriver TileLang som en “enklere programmeringsmodel” end alternativet og rammesætter den større ambition som at etablere “et højniveausprog, der er universelt, let at programmere og alligevel kan nå hardwarens fulde ydelsespotentiale” — det grundlæggende skridt, med selskabets ord, mod “en ny generation af uafhængige, selvkontrollerede økosystemer for GPU-software”.
Det er en lige så politisk som teknisk sætning og bør læses som begge dele. Det er også en påstand om ergonomi, som ingen uafhængig part endnu har prøvet.
Hvorfor det er DeepSeek, der gør det
DeepSeek træner i frontskala under eksportkontrol, hvilket betyder, at selskabet allerede har betalt prisen for at få begrænset hardware til at virke og har kerner skrevet til den. At åbne dem gør en privat omvej til fælles infrastruktur og sænker skifteomkostningen for hvert andet kinesisk laboratorium, der ventede på, at nogen gik først. Huawei får det, selskabet har manglet, siden Ascend-serien begyndte: software skrevet af folk, der træner store modeller, i stedet for af folk, der sælger chips.
Intet af dette er målt uafhængigt, og der fulgte ingen ydelsestal med udgivelsen.
Hvad man skal følge
Om et laboratorium uden for DeepSeek offentliggør et træningsforløb på Ascend med disse biblioteker, og om supernodens konfiguration med 128 chips dukker op i en kinesisk skytjenestes offentlige priser. At nogen uden grund til at smigre nogen af selskaberne tager det i brug, er den eneste måling, der afgør dette.
