Kinas AI-laboratorier kan ikke slippe Nvidia: CUDA-låsen som 295 milliarder dollars ikke kan bryde

Til sammenligning er Huaweis CANN (Compute Architecture for Neural Networks)-værktøjskæppe, selv efter den blev open source i august 2025, langt mindre moden med hensyn til operatørdækning, optimering og fællesskabsværktøjer . Udviklere rapporterer, at mange CUDA-optimerede kerner ikke har nogen direkte CANN-ækvivalent, hvilket kræver manuel omskrivning .

Denne selvforstærkende cyklus er svær at bryde: Jo større Nvidias udviklerfællesskab og jo rigere dets bibliotek af præ-optimeret kode, desto sværere bliver det for alternativer at vinde fodfæste .

Omkostningerne ved at skifte: Mindst 50 % mere tid og flere penge

En AI-forsker ved et Shanghai-tilknyttet institut estimerer, at et skifte fra Nvidia CUDA til Huawei Ascend ville tilføje mindst 50 % i både tid og omkostninger . Branchekilder bekræfter dette tal som et realistisk minimum .

Dette inkluderer:

• Indledende portingsarbejde: Træningskode skrevet til CUDA bruger arkitekturspecifikke kernekald, hukommelsesstyringsmønstre og paralleliseringsstrategier, der ikke direkte kan overføres til Ascends anden NPU-arkitektur .
• Løbende fejlfinding og tuning: Når portingen er færdig, skal modellerne re-optimeres for at opnå ydelsesparitet på CANN's mindre operatørbibliotek .
• Tabt produktivitet: Udviklere skal lære en ny værktøjskæppe, og det mindre CANN-fællesskab betyder færre delte løsninger på almindelige problemer.

DeepSeeks opgivne R2-plan: Et konkret casestudie

Det mest sigende eksempel på softwarekløften kommer fra DeepSeek, et af Kinesis mest fremtrædende AI-laboratorier. DeepSeek opgav angiveligt planerne om at træne sin R2-model på Huaweis Ascend NPU'er med henvisning til uafklarede problemer med ydeevne og værktøjskæppe . Dette er et konkret tilfælde af et top-laboratorie, der konkluderer, at det indenlandske alternativ ikke var klar til deres mest krævende arbejdsbyrder.

Ydelseskløfter består

Selvom Huaweis Ascend 910C NPU er blevet markant forbedret, rapporterer udviklere, at den stadig halter efter Nvidias Hopper-generation GPU'er på storstilede distribuerede træningsopgaver . Ascend 910C, bygget på SMIC's forbedrede 7nm-proces, leverer omkring en tredjedel af BF16-gennemstrømningen af Nvidias B200 . Huaweis kommende Ascend 950 forventes at indsnævre dette hul yderligere, og Morgan Stanley-data viser, at ydelseskløften mellem kinesiske chips og Nvidias eksportkompatible hardware er blevet markant mindre .

Forsyningsparadokset: Oplagrede Nvidia-chips skaber inerti

Paradoksalt nok har amerikanske eksportrestriktioner ikke fuldstændig afskåret Nvidia-forsyningen til Kina. USA godkendte H200 til salg til Kina, og Beijing blokerede efterfølgende accepten – men kinesiske laboratorier har allerede enorme lagre af Nvidia-chips . ByteDance, Alibaba og Tencent brugte tilsammen anslået 16 milliarder dollars på at oplagre omkring 1,3 til 1,6 millioner H20-enheder i forventning om et forbud .

Denne installerede base skaber kraftig inerti: så længe den eksisterende Nvidia-hardware fortsætter med at fungere, forsinker de høje skifteomkostninger flytningen til indenlandske alternativer .

Svaret på 295 milliarder dollars: Kinas indenlandske chipoffensiv

Kina står ikke stille. Som svar på disse barrierer:

• Kinesiske chipfabrikanter sigter efter at tredoble den indenlandske produktion af AI-chips i 2026
• Beijing udarbejder angiveligt en plan på ~295 milliarder dollars (2 billioner yuan) for at forbinde alle større kinesiske datacentre i et enkelt AI-beregningsnetværk inden 2028, hvor mindst 80 % af de underliggende chips skal være indenlandske
• Huawei gjorde CANN open source i august 2025 og frigav kernekomponenter inklusive operatører, domænebiblioteker og grafmotorteknologi
• ByteDance indgik en kontrakt på 5,6 milliarder dollars med Huawei om Ascend AI-chips i december 2025, med leverancer fra første kvartal 2026

Fremskridt er reelle: andelen af træning på indenlandske chips steg angiveligt fra 8 % i starten af 2025 til 42 % i april 2026 . Men meget af denne adoption synes at være koncentreret om mindre kritiske arbejdsbyrder og inferensopgaver snarere end træning af frontlinjemodeller .

Udsigterne: En flerårig overgang

Huaweis open-sourcing af CANN er et meningsfuldt skridt mod at opbygge det udviklerøkosystem, som CUDA nyder godt af . Men de fleste analytikere er enige om, at kløften i softwareøkosystemet – ikke rå hardware-specifikationer – vil tage år at lukke . På kort sigt vil Kinas top-AI-laboratorier fortsætte med at træne på Nvidia-chips, mens de eksperimenterer med hybride indenlandske implementeringer til mindre kritiske arbejdsbyrder, og mens Beijings 295 milliarder dollars-netværksplan sigter mod at accelerere overgangen .