चीन के AI लैब्स Nvidia क्यों नहीं छोड़ पा रहे: 295 अरब डॉलर भी नहीं तोड़ पा रहा CUDA का जाल

इसके विपरीत, Huawei का CANN (Compute Architecture for Neural Networks) टूलकिट, अगस्त 2025 में ओपन-सोर्स होने के बाद भी, ऑपरेटर कवरेज, ऑप्टिमाइज़ेशन और समुदाय के टूलिंग के मामले में काफी कम परिपक्व है । डेवलपर्स रिपोर्ट करते हैं कि कई CUDA-ऑप्टिमाइज़्ड कर्नेल का CANN में कोई सीधा विकल्प नहीं है, जिससे मैन्युअल रूप से कोड दोबारा लिखना पड़ता है ।

यह एक आत्मनिर्भर चक्र है जिसे तोड़ना मुश्किल है: Nvidia का डेवलपर समुदाय जितना बड़ा होगा और उसकी प्री-ऑप्टिमाइज़्ड कोड की लाइब्रेरी जितनी समृद्ध होगी, विकल्पों के लिए पकड़ बनाना उतना ही मुश्किल होगा ।

स्विच करने की लागत: कम से कम 50% अधिक समय और पैसा

शंघाई से जुड़े एक संस्थान के AI शोधकर्ता के अनुसार, Nvidia CUDA से Huawei Ascend पर ट्रेनिंग स्विच करने पर समय और लागत दोनों में कम से कम 50% की वृद्धि होगी । उद्योग सूत्र इस आंकड़े को एक यथार्थवादी न्यूनतम सीमा मानते हैं ।

इसमें शामिल है:

• प्रारंभिक पोर्टिंग प्रयास: CUDA के लिए लिखा गया ट्रेनिंग कोड आर्किटेक्चर-विशिष्ट कर्नेल कॉल, मेमोरी मैनेजमेंट पैटर्न और पैरेललाइज़ेशन रणनीतियों का उपयोग करता है जो सीधे Ascend के अलग NPU आर्किटेक्चर पर ट्रांसलेट नहीं होते ।
• चल रही डिबगिंग और ट्यूनिंग: एक बार पोर्ट करने के बाद, CANN के छोटे ऑपरेटर लाइब्रेरी पर प्रदर्शन समानता के लिए मॉडलों को फिर से ऑप्टिमाइज़ करना होता है ।
• खोई हुई उत्पादकता: डेवलपर्स को एक नया टूलचेन सीखना होता है, और छोटे CANN समुदाय का मतलब है कि सामान्य समस्याओं के लिए साझा समाधान कम मिलते हैं।

DeepSeek की छोड़ी गई R2 योजना: एक ठोस केस स्टडी

सॉफ्टवेयर की कमी का सबसे बड़ा उदाहरण चीन की सबसे प्रमुख AI लैब्स में से एक, DeepSeek से आता है। DeepSeek ने कथित तौर पर अपने R2 मॉडल को Huawei के Ascend NPU पर प्रशिक्षित करने की योजना को छोड़ दिया, क्योंकि प्रदर्शन और टूलचेन संबंधी समस्याएं अनसुलझी थीं । यह एक शीर्ष-स्तरीय प्रयोगशाला का एक ठोस मामला है जिसने निष्कर्ष निकाला कि घरेलू विकल्प उनके सबसे अधिक मांग वाले कार्यभार के लिए तैयार नहीं था।

प्रदर्शन में अंतर बरकरार

जबकि Huawei का Ascend 910C NPU काफी बेहतर हुआ है, डेवलपर्स रिपोर्ट करते हैं कि यह बड़े पैमाने पर वितरित प्रशिक्षण कार्यों में Nvidia के Hopper-जनरेशन GPUs से अभी भी पीछे है । Ascend 910C, SMIC की उन्नत 7nm प्रक्रिया पर बना है, Nvidia के B200 की तुलना में लगभग एक-तिहाई BF16 थ्रूपुट देता है । Huawei का आगामी Ascend 950 इस अंतर को और कम करने की उम्मीद है, और Morgan Stanley के आंकड़े बताते हैं कि चीनी चिप्स और Nvidia के निर्यात-अनुपालन हार्डवेयर के बीच प्रदर्शन का अंतर काफी कम हो गया है ।

आपूर्ति का विरोधाभास: संग्रहीत Nvidia चिप्स जड़ता पैदा करते हैं

विरोधाभासी रूप से, अमेरिकी निर्यात प्रतिबंधों ने चीन को Nvidia की आपूर्ति पूरी तरह से नहीं काटी है। अमेरिका ने H200 को चीन को बिक्री के लिए मंजूरी दी, और बीजिंग ने बाद में इसे स्वीकार करने से मना कर दिया — लेकिन चीनी प्रयोगशालाओं के पास पहले से ही Nvidia चिप्स का भारी स्टॉक है । ByteDance, Alibaba और Tencent ने एक साथ प्रतिबंध की आशंका में लगभग 16 अरब डॉलर खर्च कर लगभग 1.3 से 1.6 मिलियन H20 यूनिट्स का स्टॉक कर लिया था ।

यह स्थापित बेस शक्तिशाली जड़ता पैदा करता है: जब तक मौजूदा Nvidia हार्डवेयर काम करता रहेगा, स्विच करने की उच्च लागत घरेलू विकल्पों की ओर बढ़ने में देरी करती रहेगी ।

295 अरब डॉलर का जवाब: चीन का घरेलू चिप अभियान

इन बाधाओं के जवाब में, चीन खड़ा नहीं है:

• चीनी चिप निर्माता 2026 में घरेलू AI चिप उत्पादन को तीन गुना करने का लक्ष्य रखते हैं
• बीजिंग कथित तौर पर लगभग ~295 अरब डॉलर (2 ट्रिलियन युआन) की योजना बना रहा है ताकि 2028 तक हर प्रमुख चीनी डेटा सेंटर को एक AI कंप्यूटिंग ग्रिड से जोड़ा जा सके, जिसमें कम से कम 80% चिप्स घरेलू हों
• Huawei ने अगस्त 2025 में CANN को ओपन-सोर्स कर दिया, जिसमें ऑपरेटर, डोमेन लाइब्रेरी और ग्राफ-इंजन तकनीक जैसे मुख्य घटक जारी किए
• ByteDance ने दिसंबर 2025 में Huawei के साथ Ascend AI चिप्स के लिए 5.6 अरब डॉलर का अनुबंध किया, जिसकी डिलीवरी Q1 2026 से शुरू होगी

प्रगति वास्तविक है: घरेलू चिप प्रशिक्षण हिस्सेदारी 2025 की शुरुआत में 8% से बढ़कर अप्रैल 2026 तक 42% हो गई । लेकिन यह अपनाना ज्यादातर कम महत्वपूर्ण कार्यभार और अनुमान (इन्फरेंस) कार्यों में केंद्रित है, न कि सीमावर्ती मॉडल प्रशिक्षण में ।

परिदृश्य: एक बहु-वर्षीय संक्रमण

Huawei द्वारा CANN को ओपन-सोर्स करना उस डेवलपर इकोसिस्टम के निर्माण की दिशा में एक सार्थक कदम है जो CUDA को प्राप्त है । लेकिन अधिकांश विश्लेषक इस बात से सहमत हैं कि सॉफ्टवेयर इकोसिस्टम का अंतर — न कि कच्चे हार्डवेयर स्पेक्स — को बंद होने में वर्षों लगेंगे । अल्पावधि में, चीन की शीर्ष AI प्रयोगशालाएं Nvidia चिप्स पर प्रशिक्षण जारी रखेंगी, जबकि कम महत्वपूर्ण कार्यभार के लिए हाइब्रिड घरेलू तैनाती के साथ प्रयोग करेंगी, और बीजिंग की 295 अरब डॉलर की ग्रिड योजना इस संक्रमण को गति देने का प्रयास करेगी ।