Исследование
DeepSeek Открывает исходные коды AI-ядер Ascend для оборудования Huawei
DeepSeek выпустила библиотеки для коммуникации и матричных вычислений, оптимизированные для ускорителей Huawei Ascend. Этот код дает китайской внутренней экосистеме AI-оборудования более прочную программную основу за пределами самого чипа.
Автор: Лео У ·
ХАНЧЖОУ, Китай. DeepSeek опубликовала с открытым исходным кодом две библиотеки производительности, разработанные для ускорителей Huawei Ascend, расширяя свою инфраструктурную работу за пределы систем, совместимых с Nvidia, и предоставляя китайским разработчикам моделей больше низкоуровневого программного обеспечения, необходимого для обучения и обслуживания больших моделей на отечественном оборудовании.
DeepGEMM-Ascend реализует оптимизированное общее умножение матриц, являющееся основной операцией во многих вычислениях нейронных сетей. DeepEP-Ascend сосредоточен на экспертно-параллельной коммуникации, используемой моделями с множеством экспертов, где токены должны распределяться между специализированными компонентами модели и комбинироваться без того, чтобы сетевые задержки нивелировали прирост эффективности.
Первоначальный выпуск ориентирован на устройства Ascend 950. Опубликованные заметки по проекту сообщают о пропускной способности, близкой к заявленным аппаратным ограничениям для выбранных матричных операций BF16, а также о сотнях гигабайт в секунду во время тестов экспертной организации и комбинирования. Это полезные инженерные сигналы, хотя они не описывают производительность всей модели на тренировочном кластере.
Этот выпуск важен, потому что передовым ускорителям нужна зрелая программная инфраструктура, чтобы стать практичными заменами. Разработчики зависят от компиляторов, ядер, библиотек связи, инструментов отладки и повторяемых путей развертывания. Чип с конкурентной теоретической производительностью может оставаться недостаточно используемым, если эти уровни неполные.
От объявления до работы
У DeepSeek есть стимул поддерживать более одной аппаратной экосистемы. Портативность может уменьшить зависимость от ограничений поставок, повысить переговорную силу с поставщиками инфраструктуры и расширить число организаций, способных запускать его модели. Публикация кода также позволяет внешним инженерам проверять и улучшать реализацию, вместо того чтобы ждать закрытого выпуска от поставщика.
Оптимизация Ascend не является простым переводом с CUDA. Иерархии памяти, коллективная коммуникация, поведение компилятора и поддерживаемые числовые форматы различаются. Хорошая производительность требует создания ядер и планирования, ориентированных на платформу, а не совместимого слоя, который сохраняет интерфейс, оставляя оборудование бездействующим.
Системы «смесь экспертов» делают коммуникацию особенно важной. Только часть модели активируется для каждого токена, что может уменьшить вычисления, но маршрутизация создаёт перемещение данных между устройствами. DeepEP-Ascend решает эту узкую точку, и его ценность будет зависеть от того, насколько предсказуемо он работает при неравномерном трафике и длительной работе кластеров.
Эти проекты также укрепляют экосистему Huawei, не будучи продуктами Huawei. Независимые разработчики моделей, вносящие оптимизированный код, могут сделать платформу более надежной, поскольку принятие решений больше не зависит полностью от планов поставщика. Та же открытость означает, что пользователи должны проверять безопасность, числовую корректность и обслуживание, а не полагаться на корпоративную поддержку.
Инфраструктура с открытым исходным кодом может ускорять инженерные процессы, поскольку исследователи и операторы могут проверять предположения, воспроизводить результаты и адаптировать код к локальному оборудованию. Это также перекладывает большую ответственность на развертывающих систему, которые должны проверять ядра, отслеживать числовое поведение и поддерживать совместимость по мере изменения моделей и ускорителей.
Граница безопасности охватывает всю систему, включая учетные данные, соединители, среды выполнения, журналы и людей, одобряющих исключительные действия. Модельная защита не может компенсировать приложение, которое по умолчанию предоставляет широкие полномочия для каждой задачи.
Утверждения о производительности требуют контекста. Пиковая пропускная способность или пропускная способность матрицы не описывают весь процесс обучения, где могут доминировать шаблоны коммуникации, нагрузка на память, поведение компилятора и восстановление после сбоев. Независимые тесты на нескольких формах моделей покажут, какая часть заявленного прироста достигает полезной работы.
DeepSeek не работает в одиночку. Его практическое воздействие зависит от поставщиков, клиентов, регуляторов, исследователей и людей, которые должны будут проверять или жить с результатом. Изменение на одном уровне может переместить стоимость или риск на другой, а не устранить их, поэтому анализ должен следовать всей цепочке полномочий и зависимостей.
Организации, связанные с Huawei Ascend, имеют стимулы подчеркивать скорость, возможности и рыночный охват. Эти стимулы не делают их утверждения ложными, но повышают ценность прозрачных методов и внешнего тестирования. Полезное раскрытие информации объясняет сравнение, условия эксплуатации и случаи, которые не сработали, а не только наилучший результат из подготовленной демонстрации.
Ответственность должна оставаться за конкретным человеком или организацией. Системы, связанные с DeepGEMM-Ascend, могут рекомендовать, ранжировать, суммировать или действовать, но они не могут нести юридическую и моральную ответственность так, как это делает организация. Для внедрения требуется назначенный владелец для утверждения, мониторинга и реагирования на инциденты, с полномочиями приостанавливать систему и требовать изменения конструкции.
Следующие важные доказательства
Независимое воспроизведение должно сравнивать несколько форм матрицы, архитектур моделей и размеров кластеров. Ядро может достигать аппаратного предела на благоприятном бенчмарке, принося при этом меньшие улучшения, когда внимание, распределение памяти, коммуникация и контрольные точки конкурируют за одни и те же ресурсы.
Числовое поведение столь же важно. Агрессивная оптимизация может вносить различия в точность, которые остаются незаметными при краткосрочном тесте производительности, но влияют на сходимость или качество вывода в долгосрочной перспективе. Наборы тестов должны охватывать правильность, формы краев и обработку ошибок вместе с производительностью.
Геополитическое значение не должно заслонять инженерную работу. Контроль за экспортом может повысить ценность отечественного оборудования, но он не создает автоматически продуктивную экосистему разработчиков. Такие библиотеки важны, потому что они превращают стратегические намерения в код, который команды моделирования действительно могут запускать, проверять и оценивать.
Выпуск DeepSeek является ранним тестом того, сможет ли Ascend привлечь работы по оптимизации на уровне лаборатории моделей. Если репозитории будут активно поддерживаться, получать внешние вклады и демонстрировать повторяемые улучшения на производственных нагрузках, они смогут снизить один из самых важных барьеров для более независимого китайского стека ИИ. Если же они останутся лишь артефактами для бенчмарков, аппаратный разрыв просто снова проявится в программном обеспечении.
DeepGEMM-Ascend нацелен на матричные операции в центре обучения и вывода моделей, в то время как DeepEP-Ascend занимается коммуникацией между ускорителями. Выпуск обоих продуктов важен, потому что локальные вычисления и обмен данными в сети должны улучшаться одновременно; оптимизация одного может просто выявить другой как новый узкое место.
Репозитории также могут сократить разрыв в знаниях о железе Huawei. Инженерам, знакомым с CUDA, нужны примеры, методы профилирования и шаблоны отладки, прежде чем они смогут эффективно использовать другую платформу. Читаемая реализация и документация могут быть столь же ценными, как и ключевой показатель производительности.
Независимое воспроизведение будет затруднительным, если у тестировщиков нет того же поколения ускорителя, прошивки и топологии кластера. DeepSeek следует публиковать подробные сведения о среде и изменчивости между запусками, чтобы результаты можно было отделить от особенно благоприятной конфигурации.
Работа имеет стратегические последствия за пределами Китая. Контроль за экспортом стимулировал инвестиции в отечественные ускорители, но внедрение аппаратного обеспечения зависит от программного обеспечения, которым исследователи действительно могут пользоваться. Открытые ядра могут превратить давление политики в участие инженеров, предоставляя командам практическое место для внесения вклада.
Всё ещё остаётся вопрос обслуживания. Архитектуры моделей меняются быстро, и ядро, оптимизированное под сегодняшние конфигурации, может потерять актуальность. Регулярные выпуски, тестирование совместимости и поддержка новых числовых форматов покажут, намерена ли DeepSeek управлять проектами как инфраструктурой.
Созревшая экосистема Ascend не устранит зависимость мгновенно. Она создаст еще один жизнеспособный путь для выбранных рабочих нагрузок и увеличит рыночную силу во всей цепочке поставок. Важной вехой является не равенство во всех бенчмарках, а растущий набор задач, которые команды могут надежно выполнять без иностранных ускорителей. Тогда решения о закупках будут отражать продемонстрированные операционные выборы, а не только политические амбиции.
Работа с ядром необычайно требовательна, потому что небольшая числовая или синхронизационная ошибка может пройти простые тесты и проявиться только на масштабировании. Репозитории нуждаются в наборах проверок корректности, документации поддерживаемых форм и методах воспроизводимой производительности, если ожидается, что внешние команды будут доверять результату.
Интеграция компилятора и фреймворка определяет, насколько широко будет использоваться код. Исследователи редко принимают ядро изолированно; им нужны упаковка, поддержка графов, инструменты отладки и совместимость с используемым стеком обучения. Поэтому поддержка является частью научного вклада.
Открытый код может показать, где аппаратная платформа действительно конкурентоспособна, а где ей еще нужна доработка. Такая прозрачность может быть неудобной, но она дает разработчикам путь для улучшения системы и предоставляет покупателям доказательства, помимо демонстраций поставщика.
Долгосрочной мерой является активность участников. Документация, реакция на проблемы и принятые внешние изменения показывают, становится ли репозиторий совместной инфраструктурой или остаётся публикационным артефактом. Здоровый проект позволяет инженерам за пределами команды-основателя воспроизводить и расширять работу.
Время будет формировать результат так же сильно, как и способность. Организациям, оценивающим DeepSeek, следует отделять то, что доступно сейчас, от того, что было продемонстрировано, анонсировано или обещано для будущего выпуска. Дорожные карты могут направлять подготовку, но контракты и операционные решения должны основываться на функциях, которые клиенты могут протестировать в текущих условиях.
Наиболее полезные ранние пользователи будут публиковать больше, чем истории успеха. Они могут описывать выбранную работу, исходные условия, необходимый уровень контроля и причины, по которым внедрение было ограничено или остановлено. Эти данные помогают другим командам избежать повторения дорогостоящих ошибок и дают поставщикам более ясное представление о том, что необходимо улучшить.
Эффекты для персонала следует измерять на уровне процесса. Инструмент, связанный с Huawei Ascend, может убрать один повторяющийся шаг, одновременно добавив проверку, обработку исключений и взаимодействие с клиентами в других местах. Руководителям необходимо выяснить, кто будет выполнять эту новую работу, есть ли у роли достаточно полномочий и подготовки, и сохранится ли обещанная экономия времени после перераспределения задач.
Метрики должны включать неудачи, которые никогда не становятся публичными инцидентами. Заброшенные задачи, исправленные результаты, отказы в разрешениях и ручное вмешательство показывают, где система сталкивается с неопределенностью. Рассмотрение этих событий как операционных данных, а не сокрытие их для защиты цели внедрения, приводит к более безопасному и точному инвестиционному решению.
Окружающий рынок не останется неизменным, пока развивается DeepGEMM-Ascend. Конкуренты могут снизить цены, регуляторы могут поменять обязанности по отчетности, а клиенты могут перейти на открытые или локально размещаемые решения. Устойчивой стратегией является та, что сохраняет возможность менять модели, поставщиков и методы контроля без необходимости перестраивать весь рабочий процесс.
Эта гибкость не является аргументом для бесконечного ожидания. Это аргумент в пользу обучения таким образом, чтобы сохранять выбор. Ограниченное развертывание с реальными пользователями, документированными доказательствами и планом выхода может создавать знания уже сейчас, не превращая неопределенное технологическое решение в необратимую институциональную зависимость.
Стратегическая ценность больше, чем один ориентир. Надежный программный стек может снизить затраты на переключение, привлечь разработчиков и упростить использование отечественного оборудования. Работа в этой экосистеме часто определяет принятие больше, чем характеристики одного поколения чипов.
Первая дисциплина внедрения заключается в ясной базовой линии. Команды должны знать, как выполняется работа сегодня, сколько времени это занимает, какие ошибки происходят и какие результаты имеют значение, прежде чем внедрять новую систему. Затем они могут сравнивать принятые результаты, время на исправления, общую стоимость и нарушения политики, а не рассматривать деятельность как доказательство ценности.
Закупки должны охватывать условия, которых демонстрации избегают. Покупатели должны спрашивать, где обрабатываются данные, как долго они хранятся, какие субподрядчики их получают, как сообщаются изменения модели и можно ли экспортировать записи, если взаимоотношения прекращаются. Производство содержит неполные инструкции, противоречивые разрешения и необычные крайние случаи, которые редко показываются при поэтапном запуске.
Человеческий контроль должен быть спроектирован с учетом ограничений внимания. Попросить человека одобрить сотни рутинных результатов приводит к предсказуемому поведению «кликнуть-продолжить» вместо содержательного контроля. Контроль должен сосредоточиваться на неопределенности, необычных действиях и случаях с необратимыми последствиями, при этом предоставляя проверяющему достаточно исходных материалов для принятия независимого решения.
Происхождение данных заслуживает такого же тщательного анализа. Отточенный ответ может быть составлен из устаревших, неполных или неправильно объединённых записей. Командам нужно знать, откуда взялись важные данные, когда они были обновлены и какие преобразования произошли до того, как модель их использовала. Эту запись можно использовать для исправления ошибок, аудита и более честного описания того, что система действительно знает.
Тестирование безопасности должно включать окружающее приложение, а не только конечную точку модели. Токены идентификации, сессии браузера, полученные документы, разрешения инструментов и процессы утверждения определяют, станет ли небезопасная команда заблокированным запросом или реальным внешним действием. Процедуры восстановления, отзыв и сохранённые журналы являются частью профилактики, потому что ни один контроль не сможет уловить все сбои.
Общественное доверие будет зависеть от того, смогут ли компании и учреждения сообщать о неопределенности, не прячась за технической сложностью. Людям нужно знать, что было протестировано, какие среды остаются недостаточно представленными, какой мониторинг установлен и как они узнают о серьезном инциденте. Четкие ограничения делают систему проще для ответственного использования; расплывчатые гарантии делают каждую последующую ошибку более разрушительной.
Конкуренция может улучшить цену и качество, но также может сделать осторожность выглядящей как слабость. Управление должно сохранять возможность для команды задерживать, сужать или отзывать функцию без того, чтобы сдержанность считалась коммерческим провалом. Наиболее заслуживающие доверия организации покажут, что их процесс выпуска может сказать «нет», когда доказательства недостаточны.
Ближайшие вопросы конкретны. Следите за независимым подтверждением, развертываниями у клиентов, деталями регулирования и доказательствами того, что система работает за пределами подготовленной среды. Изменения в ценах, доступе и ответственности часто более наглядно раскрывают стратегию, чем основная презентация или график с бенчмарками.
Значение открытых ядер ascend-native ИИ от DeepSeek для оборудования Huawei будет определено тем, что произойдет после цикла объявлений. Долговременной мерой будет то, улучшатся ли доказательства, выдержат ли контроль давления и останутся ли вовлеченные институты готовыми объяснять решения, когда производительность и ответственность тянут в разные стороны.
Темы: DeepSeek, Huawei Ascend, DeepGEMM-Ascend, DeepEP-Ascend, открытая ИИ-инфраструктура