Исследования
DeepSeek открывает исходный код ядер AI Ascend для оборудования Huawei
DeepSeek выпустил библиотеки связи и матричных вычислений, оптимизированные для ускорителей Huawei Ascend. Этот код предоставляет отечественной экосистеме ИИ Китая более прочную программную основу, помимо самого чипа.
Автор: Лео В ·
ХАНЧЖОУ, Китай. DeepSeek опубликовала с открытым исходным кодом две библиотечки производительности, предназначенные для ускорителей Huawei Ascend, расширяя свою инфраструктурную работу за пределы систем, совместимых с DeepSeek, и предоставляя китайским разработчикам моделей больше низкоуровневого программного обеспечения, необходимого для обучения и обслуживания крупных моделей на отечественном оборудовании.
DeepGEMM-Ascend реализует оптимизированное общее умножение матриц, являющееся основной операцией для вычислений во многих нейронных сетях. DeepEP-Ascend сосредоточен на коммуникации экспертов в параллели, используемой в моделях с множеством экспертов, где токены должны распределяться между специализированными компонентами модели и комбинироваться без того, чтобы накладные расходы на сеть свели на нет прирост эффективности.
Первоначальный выпуск ориентирован на устройства Ascend 950. Опубликованные заметки к проекту сообщают о пропускной способности, близкой к заявленным аппаратным пределам для выбранных матричных операций BF16, и сотнях гигабайт в секунду во время тестов экспертов по диспетчеризации и комбинированию. Это полезные инженерные показатели, хотя они не описывают производительность полной модели в кластере обучения.
Выпуск имеет значение, потому что передовым ускорителям необходим зрелый программный стек, чтобы стать практическими заменами. Разработчики зависят от компиляторов, ядер, библиотек связи, инструментов отладки и повторяемых путей развертывания. Чип с конкурентоспособной теоретической производительностью может оставаться недоиспользованным, когда эти слои неполные.
От объявления до операции
У DeepSeek есть стимул поддерживать более чем одну аппаратную экосистему. Портативность может снизить зависимость от ограничений поставок, улучшить переговорные позиции с поставщиками инфраструктуры и расширить количество организаций, способных запускать его модели. Публикация кода также позволяет внешним инженерам проверять и улучшать реализацию, а не ждать выпуска закрытой версии от поставщика.
Оптимизация Ascend — это не простая конвертация с CUDA. Иерархии памяти, коллективная коммуникация, поведение компилятора и поддерживаемые численные форматы различаются. Хорошая производительность требует ядер и планирования, разработанных с учетом платформы, а не прослойки совместимости, которая сохраняет интерфейс, оставляя оборудование простаивать.
Системы типа «смесь экспертов» делают коммуникацию особенно важной. Только часть модели активируется для каждого токена, что может снизить вычислительные затраты, но маршрутизация создаёт перемещение данных между устройствами. DeepEP-Ascend решает эту проблему узкого места, и его ценность будет зависеть от того, насколько предсказуемо он работает при неравномерной нагрузке и когда кластеры функционируют длительное время.
Эти проекты также укрепляют экосистему Huawei, не будучи продуктами Huawei. Независимые разработчики моделей, вносящие оптимизированный код, могут сделать платформу более надежной, потому что использование больше не зависит полностью от планов поставщика. Та же открытость означает, что пользователям необходимо проверять безопасность, числовую корректность и обслуживание, а не полагаться на поддержку предприятия.
Открытая инфраструктура может ускорить инженерные разработки, потому что исследователи и операторы могут проверять предположения, воспроизводить результаты и адаптировать код к локальному оборудованию. Это также перекладывает большую ответственность на тех, кто разворачивает систему, поскольку им необходимо проверять ядра, отслеживать числовое поведение и поддерживать совместимость по мере изменения моделей и ускорителей.
Граница безопасности — это вся система в целом, включая учетные данные, соединители, среды выполнения, журналы и людей, одобряющих исключительные действия. Модельная защита не может компенсировать приложение, которое по умолчанию предоставляет широкие полномочия каждой задаче.
Утверждения о производительности требуют контекста. Пиковая пропускная способность или производительность матрицы не описывают весь процесс обучения, где решающую роль могут играть схемы коммуникации, нагрузка на память, поведение компилятора и восстановление после сбоев. Независимые тесты на нескольких формах моделей покажут, насколько заявленное ускорение достигает полезной работы.
DeepSeek не работает в одиночку. Его практическое воздействие зависит от поставщиков, клиентов, регуляторов, исследователей и людей, которые должны рассмотреть или жить с результатом. Изменение на одном уровне может перенести стоимость или риск на другой, а не устранить их, поэтому анализ должен охватывать всю цепочку полномочий и зависимостей.
Организации, связанные с Huawei Ascend, имеют стимулы подчеркивать скорость, возможности и охват рынка. Эти стимулы не делают их утверждения ложными, но они увеличивают ценность прозрачных методов и внешнего тестирования. Полезное раскрытие информации объясняет сравнение, условия эксплуатации и случаи, которые не сработали, а не только самый сильный результат из подготовленной демонстрации.
Ответственность должна оставаться за человеком или учреждением. Системы, связанные с DeepGEMM-Ascend, могут давать рекомендации, ранжировать, суммировать или действовать, но они не могут нести юридическую и моральную ответственность так, как это может организация. Для развертывания необходим назначенный владелец для утверждения, мониторинга и реагирования на инциденты, с полномочиями приостанавливать работу системы и требовать изменения дизайна.
Доказательства, которые важны далее
Независимое воспроизведение должно сравнивать несколько форм матриц, архитектуры моделей и размеры кластеров. Ядро может приблизиться к аппаратному пределу на благоприятном бенчмарке, при этом обеспечивая меньший прирост, когда внимание, распределение памяти, обмен данными и сохранение контрольных точек конкурируют за одни и те же ресурсы.
Числовое поведение одинаково важно. Агрессивная оптимизация может вводить различия в точности, которые остаются невидимыми при кратковременном тесте пропускной способности, но влияют на сходимость или качество результата при длительной работе. Наборы тестов должны охватывать правильность, формы краевых случаев и обработку сбоев наряду со скоростью.
Геополитическое значение не должно затмевать инженерную работу. Контроль за экспортом может повысить ценность отечественного оборудования, но он не автоматически создает продуктивную экосистему разработчиков. Такие библиотеки важны, потому что они превращают стратегические намерения в код, который команды по работе с моделями действительно могут запускать, проверять и оценивать.
Релиз DeepSeek является ранним тестом того, сможет ли Ascend привлечь работу по оптимизации на уровне лаборатории моделей. Если репозитории будут развивать активное обслуживание, сторонние вклады и повторяемые улучшения на производственных нагрузках, они смогут снизить один из самых важных барьеров для более независимого китайского ИИ-стэка. Если же они останутся только артефактами бенчмарков, аппаратный разрыв просто вновь проявится в программном обеспечении.
DeepGEMM-Ascend нацелен на матричные операции, находящиеся в центре обучения модели и вывода, в то время как DeepEP-Ascend решает вопросы коммуникации между ускорителями. Выпуск обоих важен, потому что локальные вычисления и обмен по сети должны улучшаться вместе; оптимизация одного может просто выявить другой как новое 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 другой стек. Читаемая реализация и документация могут быть так же ценны, как и главный эталонный показатель.
Независимое воспроизведение будет затруднено, если у тестировщиков отсутствуют те же генераторы ускорителей, прошивка и топология кластера. DeepSeek должен опубликовать подробные данные об окружениях и различиях между запусками, чтобы результаты можно было отделить от особенно благоприятной конфигурации.
Эта работа имеет стратегические последствия за пределами Китая. Экспортный контроль стимулировал инвестиции в отечественные ускорители, но внедрение оборудования зависит от программного обеспечения, которым исследователи могут реально пользоваться. Открытые ядра могут преобразовать политическое давление в участие инженеров, предоставляя командам практическое место для внесения вклада.
Все еще остается вопрос обслуживания. Архитектуры моделей меняются быстро, и ядро, настроенное под сегодняшние формы, может потерять актуальность. Регулярные релизы, тестирование совместимости и поддержка новых числовых форматов покажут, намеревается ли DeepSeek эксплуатировать проекты как инфраструктуру.
Зрелая экосистема Ascend не устранит зависимость в одночасье. Она создаст еще один жизнеспособный путь для выбранных рабочих нагрузок и повысит силу переговоров во всей цепочке поставок. Существенным рубежом является не паритет по каждому эталонному показателю, а растущий набор задач, которые команды могут выполнять надежно без иностранных ускорителей. Решения о закупках тогда будут отражать доказанные операционные предпочтения, а не только политические амбиции.
Работа ядра необычайно требовательна, потому что небольшая числовая или синхронизационная ошибка может пройти простые тесты и проявиться только в масштабах. Репозитории нуждаются в наборах тестов на корректность, документации по поддерживаемым формам и воспроизводимых методах оценки производительности, если сторонние команды ожидают доверять результату.
Интеграция компилятора и фреймворка определит, насколько широко будет использоваться код. Исследователи редко применяют ядро изолированно; им нужны упаковка, поддержка графов, инструменты отладки и совместимость с уже используемым стеком для обучения. Следовательно, обслуживание является частью научного вклада.
Открытый код может показать, в чем аппаратная платформа действительно конкурентоспособна, а где ей еще необходимо улучшение. Такая прозрачность может быть неудобной, но она дает разработчикам возможность улучшить систему и предоставляет покупателям доказательства, помимо демонстраций продавца.
Долгосрочной мерой является активность участников. Документация, ответы на проблемы и принятые изменения извне показывают, становится ли репозиторий совместной инфраструктурой или остаётся публикационным артефактом. Здоровый проект позволяет инженерам, не входящим в команду создателей, воспроизводить и расширять работу.
Время определит результат так же сильно, как и возможности. Организациям, оценивающим DeepSeek, следует разделять то, что доступно сейчас, и то, что было продемонстрировано, объявлено или обещано в будущих выпусках. Дорожные карты могут помочь в подготовке, но контракты и операционные решения должны основываться на функциях, которые клиенты могут протестировать в рамках текущих условий.
Наиболее полезные ранние пользователи будут публиковать не только истории успеха. Они могут описывать выбранную работу, исходный уровень, необходимый контроль и причины, по которым внедрение было ограничено или остановлено. Такие доказательства помогают другим командам избежать повторения дорогостоящих ошибок и дают поставщикам более ясное представление о том, что необходимо улучшить.
Эффекты на рабочую силу следует измерять на уровне процессов. Инструмент, подключенный к Huawei Ascend, может убрать один повторяющийся шаг, одновременно добавив проверку, обработку исключений и общение с клиентами в других местах. Руководители должны спросить, кто получает эту новую работу, есть ли у роли достаточно полномочий и обучения, и сохраняется ли обещанная экономия времени после передачи.
Метрики должны включать сбои, которые никогда не становятся публичными инцидентами. Заброшенные задачи, исправленные результаты, отказ в разрешениях и ручные вмешательства показывают, где система сталкивается с неопределенностью. Рассмотрение этих событий как эксплуатационных данных, а не их сокрытие для защиты цели внедрения, обеспечивает более безопасное и точное инвестиционное решение.
Окружающий рынок не останется неподвижным, пока развивается DeepGEMM-Ascend. Конкуренты могут снизить цены, регуляторы могут изменить обязанности по отчетности, а клиенты могут перейти к открытым или локально размещенным альтернативам. Устойчивая стратегия сохраняет способность менять модели, поставщиков и органы управления без перестройки всего рабочего процесса.
Эта гибкость не является аргументом в пользу бесконечного ожидания. Это аргумент в пользу обучения таким образом, чтобы сохранять выбор. Ограниченное применение с реальными пользователями, задокументированные данные и возможность выхода могут создавать знания уже сейчас, не превращая неопределённое технологическое решение в необратимую институциональную зависимость.
Стратегическая ценность больше, чем один эталон. Надежный программный стек может снизить издержки при смене платформы, привлечь разработчиков и облегчить использование отечественного оборудования. Работа с этой экосистемой часто определяет принятие технологий больше, чем характеристики одного поколения чипов.
Первая дисциплина внедрения — это ясная отправная точка. Команды должны знать, как выполняется работа сегодня, сколько времени это занимает, какие ошибки возникают и какие результаты важны, прежде чем вводить новую систему. Затем они могут сравнивать достигнутые результаты, время на исправление, общую стоимость и нарушения политики, а не рассматривать само выполнение действий как доказательство ценности.
Закупки должны охватывать условия, которых избегают демонстрации. Покупателям необходимо спрашивать, где обрабатываются данные, как долго они хранятся, какие субподрядчики их получают, как сообщаются изменения моделей и можно ли экспортировать записи, если отношения прекращаются. Производство содержит неполные инструкции, противоречивые разрешения и необычные крайние случаи, которые редко показываются при поэтапном запуске.
Человеческая проверка должна быть организована с учетом ограничений внимания. Просить человека одобрять сотни рутинных результатов приводит к предсказуемому поведению при клике, а не к значимой проверке. Проверка должна сосредотачиваться на неопределенности, необычных действиях и случаях с необратимыми последствиями, при этом предоставляя проверяющему достаточно исходного материала для принятия независимого решения.
Происхождение данных заслуживает такого же внимания. Полированный ответ может быть составлен из устаревших, неполных или неправильно объединённых записей. Командам необходимо знать, откуда взяты важные факты, когда они были обновлены и какие преобразования произошли до того, как модель их использовала. Эта запись поддерживает исправление, аудит и более честное представление о том, что система действительно знает.
Тестирование безопасности должно включать в себя окружающее приложение, а не только конечную точку модели. Токены идентификации, сессии браузера, полученные документы, разрешения инструментов и потоки утверждения определяют, станет ли небезопасная инструкция заблокированным запросом или выполненным внешним действием. Процедуры восстановления, отзыв и сохранённые журналы являются частью предотвращения, потому что ни один контроль не поймает каждую ошибку.
Общественное доверие будет зависеть от того, смогут ли компании и учреждения сообщать о неопределённости, не скрываясь за технической сложностью. Людям нужно знать, что было протестировано, какие среды остаются недостаточно представленными, какое наблюдение осуществляется и как они узнают о серьёзном инциденте. Чёткие ограничения делают систему проще для ответственного использования; расплывчатые заверения делают каждую последующую неисправность более разрушительной.
Конкуренция может улучшать цену и качество, но она также может делать осторожность похожей на слабость. Управление должно сохранять возможность для команды отложить, сузить или отказаться от функции, не воспринимая сдержанность как коммерческую неудачу. Наиболее авторитетные организации покажут, что их процесс выпуска может сказать «нет», когда доказательства недостаточны.
Вопросы в ближайшей перспективе конкретны. Следите за независимым подтверждением, внедрением у клиентов, подробностями регулирования и доказательствами того, что система работает вне подготовленной среды. Изменения в ценообразовании, доступе и ответственности часто показывают стратегию яснее, чем ключевое выступление или график бенчмарка.
Значение открытых исходных кодов ядер ascend-native ИИ deepseek для оборудования Huawei будет определяться тем, что произойдет после цикла анонсов. Долговременной мерой будет то, улучшатся ли доказательства, выдержат ли контрольные меры давление и останутся ли вовлеченные учреждения готовыми объяснять свои решения, когда показатели эффективности и ответственность тянут в разные стороны.
Темы: DeepSeek, Huawei Ascend, DeepGEMM-Ascend, DeepEP-Ascend, открытая инфраструктура ИИ