DeepSeek Bawa Enam Komponen AI ke Huawei Ascend—Tetapi Belum Ada Bukti Setara NVIDIA

DeepSeek merilis versi Ascend dari enam komponen perangkat lunak pada 30 September 2026, mencakup pemrograman kernel, komputasi, attention, seleksi data, dan komunikasi terdistribusi. Perangkat lunak ini menyediakan komponen dasar untuk menjalankan beban kerja AI di perangkat keras Huawei. Namun, bukti yang tersedia belum menunjukkan performa setara NVIDIA dalam pengujian langsung—dan belum mengonfirmasi bahwa DeepSeek menuntaskan pelatihan V4 skala penuh di Ascend. 25

Apa saja yang dirilis?

Komponen-komponen ini memiliki fungsi yang sepadan dengan bagian-bagian dalam perangkat lunak DeepSeek yang sebelumnya ditujukan untuk platform NVIDIA. Namun, implementasi Ascend dapat menggunakan pendekatan khusus untuk perangkat keras Huawei. 25

• TileLang adalah alat pemrograman kernel tingkat tinggi sekaligus kompiler. Dukungan Ascend memungkinkan pengembang membuat kernel untuk perangkat keras Huawei, tetapi bukan berarti kernel tersebut identik dengan versi NVIDIA. 25
• DeepGEMM adalah pustaka untuk perkalian matriks. Versi Ascend mempertahankan kompatibilitas API DeepGEMM serta mendukung operasi BF16, FP8, FP4, MQA logits, dan MegaMoE. Proyek ini juga menyebut optimasi khusus Ascend, seperti pemuatan data sparse dan pipeline berbasis coroutine. 17
• TileKernels menyediakan kernel serbaguna; FlashMLA menyediakan kernel prefill dan decoding untuk sparse attention di Ascend 950; sedangkan DeepSelect menangani seleksi atau penyaringan data. 91444
• DeepEP mengelola komunikasi terdistribusi, termasuk operasi dispatch dan combine untuk paralelisme pakar (expert parallel). API buffer publiknya diselaraskan dengan versi NVIDIA, sementara implementasi Ascend memakai antarmuka perangkat lunak dan perangkat keras khusus Ascend. 19

Keselarasan fungsi atau API dapat memudahkan pengembang berpindah platform. Namun, itu sendiri bukan bukti bahwa kedua platform memiliki implementasi internal yang sama, dukungan fitur yang sepenuhnya setara, atau kecepatan yang sebanding.

Apa yang ditunjukkan angka Ascend 950?

Dalam uji DeepEP di perangkat keras Ascend yang dilaporkan, bandwidth tercatat 375 GB/s untuk dispatch dan 347 GB/s untuk combine. Angka ini menggambarkan kinerja komunikasi di Ascend, bukan hasil perbandingan langsung dengan NVIDIA. 1947

Untuk inferensi, laporan menyebut pengujian DeepSeek-V4.1-Flash pada sistem Ascend 950 UBL128 dengan strategi deployment EP32, konteks 128K, dan mode inferensi offline. Pada pengaturan 5 ms waktu per token keluaran (TPOT), throughput yang dilaporkan mencapai 2.469 token keluaran per detik per kartu. Pada TPOT 10 ms, angkanya 5.102 token per detik per kartu. Perhitungan tersebut tidak memasukkan beban penjadwalan serving maupun penyeimbangan beban framework. 47

Angka-angka itu berlaku untuk konfigurasi tertentu, bukan jaminan throughput umum. Repositori DeepEP menyebut pengukurannya menggunakan paket pengembangan perangkat keras proof-of-concept (PoC) yang dikonfigurasi secara manual. Laporan lain juga menyebut penggunaan firmware PoC dan rencana rilis komersial sekitar 15 Oktober. Karena itu, versi firmware dan konfigurasi pengujian perlu diperhatikan saat menafsirkan atau mencoba mengulang hasilnya. 1219

Informasi yang tersedia belum cukup untuk mereproduksi secara independen seluruh pengaturan uji inferensi. Laporan tersebut juga tidak menjelaskan validasi independen berskala besar oleh pihak ketiga. Jadi, hasilnya belum dapat diperlakukan sebagai perbandingan terverifikasi dengan sistem NVIDIA. 47

Desain SuperPoD Flex dan UBL128 yang dijelaskan Huawei

Huawei dan DeepSeek menyebut desain SuperPoD Flex / UBL128 berbasis Ascend 950 yang dirancang bersama. Laporan menggambarkan konfigurasi scale-up satu tahap dengan 128 kartu dan jaringan 3,2 Tbps, serta rancangan scale-out dua tahap yang ditujukan untuk diperluas hingga 256.000 kartu. Angka itu adalah kemampuan desain yang disebutkan, bukan bukti bahwa sistem sebesar itu telah menjalankan pelatihan DeepSeek. 104749

Huawei juga menyatakan hasil kerja bersama akan dibagikan melalui komunitas CANN. Cakupan yang dilaporkan meliputi deployment model, pelatihan skala besar, pooling KV cache untuk konteks panjang, dan reinforcement learning agentik. 14

Hal yang belum terbukti

Rilis ini memperlihatkan bahwa DeepSeek telah menerbitkan rangkaian perangkat lunak Ascend yang lebih luas, sementara uji inferensi yang dilaporkan menunjukkan satu konfigurasi offline tertentu. Namun, kesepadanan komponen maupun rancangan scale-out yang diumumkan tidak membuktikan bahwa pelatihan V4 skala penuh telah dilakukan di Ascend. Angka benchmark yang tersedia juga tidak membuktikan performa setara NVIDIA: perangkat kerasnya berbeda dan laporan yang ada tidak menyajikan pengujian lintas platform dengan kondisi yang sama. 251947

Kesimpulan paling hati-hati: DeepSeek telah merilis perangkat lunak Ascend yang mencakup sejumlah komponen penting, dan Huawei telah memaparkan arsitektur sistem serta hasil uji tertentu. Seberapa jauh hasil itu berlaku untuk beban kerja lain—atau bagaimana kinerjanya dibanding NVIDIA dalam pengujian terkontrol—masih belum terjawab.