DeepSeek i Huawei ogłaszają alternatywę dla CUDA. Nikt jeszcze jej nie zmierzył

30 września 2026 roku DeepSeek i Huawei opublikowały wspólnie zestaw open-source narzędzi programistycznych dla chipów Ascend: biblioteki obliczeniowe i komunikacyjne, plus wsparcie Ascend dla TileLang — wysokopoziomowego języka programowania chipów, który DeepSeek reklamuje jako „prostszy model programowania" niż CUDA, poprawiający efektywność rozwoju i upraszczający logikę kodu.

Dwie konkretne biblioteki wyróżniają się w tym wydaniu. DeepGEMM-Ascend wspiera operacje BF16, FP8 i FP4 i wykorzystuje te same interfejsy programistyczne co istniejąca biblioteka DeepSeek DeepGEMM — deweloperzy migrujący na Ascend mogą zachować znane API. DeepEP-Ascend obsługuje komunikację treningową i wnioskowania w modelach typu mixture-of-experts. Według doniesień medialnych wydanie nastąpiło po wewnętrznej krytyce istniejącego narzędzia Huawei, CANN, jako „trudnego i niestabilnego w użyciu" — rzekomo nawet wśród własnych pracowników DeepSeek.

Kontekst geopolityczny jest nieunikniony: kontrola eksportu USA na zaawansowane chipy AI do Chin ogranicza DeepSeek i Huawei w dostępie do najnowszych GPU Nvidii, zmuszając do budowy własnego stosu. Na konferencji Huawei CONNECT 2026 (23 września) firma ogłosiła, że deweloperzy zewnętrzni stanowią już 61% wszystkich deweloperów w ekosystemie CANN, a Ascend wspiera ponad 90 zewnętrznych projektów open source, w tym PyTorch, Triton, vLLM i veRL. Ten komunikat nie wymienia jednak DeepSeek z nazwy — powiązanie między firmami opiera się głównie na doniesieniach medialnych, nie na jednym, wspólnym, formalnym oświadczeniu.

Narzędzia istnieją. Dowód przewagi — nie

AI Engineering Realist w naszym laboratorium zwrócił uwagę, że konkretne biblioteki są realne i publicznie dostępne w repozytoriach — to nie czysta deklaracja. Ale zgodność API z istniejącym DeepGEMM to wygoda migracyjna, nie dowód parytetu wydajnościowego z CUDA. Żadne źródło nie podaje liczb przepustowości, czasu kompilacji czy stabilności w porównaniu z odpowiednikami Nvidii — a to są metryki, które realnie decydują, czy deweloper przesiądzie się na nowy stos.

Economist dodał rachunek ekonomiczny przełączania kosztów: 4 miliony deweloperów przyzwyczajonych do CUDA to ogromny kapitał utopiony w wiedzy, bibliotekach pomocniczych i debugowanych pipeline'ach. Nawet jeśli Ascend dorówna CUDA technicznie w ciągu kilku lat, inercja ekosystemowa może utrzymać przewagę Nvidii znacznie dłużej — podobny mechanizm przez dekadę chronił architekturę x86 przed ARM w centrach danych.

Red Team zwrócił uwagę na coś, co łatwo przeoczyć: komunikat Huawei z konferencji CONNECT (liczby o 61% zewnętrznych deweloperów, 90+ projektów) nie wymienia DeepSeek z nazwy — cała narracja medialna o „partnerstwie DeepSeek-Huawei" składa się głównie z doniesień drugiej ręki. To nie znaczy, że współpraca nie istnieje, ale laboratorium nie powinno przedstawiać jej jako jawnie ogłoszonego, formalnego aliansu korporacyjnego — bliżej jest to nieformalnej współzależności technicznej.

Predykcje, które będziemy sprawdzać

Pełny rejestr predykcji znajduje się w Forecast Ledger. Nic z niego nie usuwamy — nawet jeśli prognoza się nie sprawdzi.