La priorità di DeepSeek è la resilienza della catena di fornitura: costruire un’alternativa nazionale a Nvidia, anche a costo di minore efficienza nel breve periodo. Il progetto da almeno 160.000 acceleratori Ascend 950DT a Ulanqab, nella Mongolia Interna, è pensato per eseguire i modelli già addestrati, non per il...
Pubblicato daModificato con GPT-5.6 TerraImmagini generate con GPT Image 2
Research answer

Create a landscape editorial hero image for this Studio Global article: Why is DeepSeek making training its AI models on Huawei’s domestically produced chips a major priority—despite a failed earlier attempt with. Article summary: DeepSeek’s priority is strategic resilience rather than near term chip efficiency: it wants a viable domestic training stack before U.S.. Topic tags: general web, ai, workflow, productivity, code. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, icons, and tiny thumbnail layouts. Make i
La scommessa di DeepSeek su Huawei non è dettata dalla convenienza immediata: è una scelta di autonomia tecnologica e sicurezza degli approvvigionamenti. Per addestrare i modelli IA più avanzati, Nvidia conserva un vantaggio rilevante in prestazioni, software e maturità dell’ecosistema. Ma le restrizioni statunitensi all’export rendono l’accesso cinese ai suoi acceleratori più potenti incerto; per DeepSeek, quindi, disporre di una piattaforma nazionale credibile è un’esigenza operativa, non soltanto un obiettivo di politica industriale.
Un precedente tentativo di addestrare R2 sui chip Ascend 910C non avrebbe avuto successo per limiti congiunti di hardware e software. Secondo le indiscrezioni riportate dalla stampa, per eguagliare un Nvidia GB300 potrebbero servire all’incirca quattro processori Huawei: una misura indicativa dell’attuale divario di efficienza, non un benchmark indipendente definitivo.
Ciononostante, far girare carichi di lavoro reali sui chip domestici produce un effetto che il solo acquisto di hardware non garantisce: mette sotto stress compilatori, framework, kernel, reti e strumenti di gestione dei cluster. È questo feedback sul campo che può rendere la piattaforma Ascend più affidabile per compiti sempre più complessi.
DeepSeek avrebbe indicato l’avvio delle consegne di chip Huawei dedicati all’addestramento già nel quarto trimestre del 2026. Huawei, dal canto suo, ha dichiarato che i sistemi Ascend 950DT dovrebbero essere impiegati diffusamente per il training dei modelli nel 2027 e ha programmato l’Ascend 960DT per il primo trimestre del 2027.
Queste date non significano però che DeepSeek possa sostituire subito Nvidia nel pre-addestramento dei modelli di frontiera. Segnalano piuttosto il passaggio a una fase in cui Huawei punta a rendere i propri sistemi utilizzabili su larga scala anche per il training, dopo una prima adozione più prudente.
DeepSeek prevede di installare almeno 160.000 acceleratori Huawei Ascend 950DT in un data center da circa un gigawatt a Ulanqab, nella Mongolia Interna. Se completato, il sito sarebbe uno dei maggiori cluster conosciuti di chip IA prodotti in Cina. 1
Il dettaglio decisivo è che l’impianto è destinato, almeno inizialmente, all’inferenza: cioè a eseguire modelli già addestrati per rispondere agli utenti, non ad addestrarne di nuovi. Il calendario dipende dalla capacità produttiva di Huawei; le fonti riportano che DeepSeek non prevede al momento di usare i 950DT per il training. 1
2
La distinzione è essenziale. L’inferenza è una parte enorme del costo e dell’infrastruttura di un servizio IA, ma il pre-addestramento dei modelli più grandi rimane il banco di prova più severo per chip, interconnessioni e software.
DeepSeek ha pubblicato una versione preview di V4 adattata ai chip Huawei Ascend. La collaborazione non equivale a una semplice conversione del modello: implica co-progettazione fra architettura del modello e piattaforma hardware-software, con Huawei coinvolta nell’ottimizzazione e i suoi chip impiegati in parte del processo di addestramento.
Il valore strategico sta qui: prima di affidare al silicio nazionale grandi sessioni di training, bisogna dimostrare che l’intero stack — compilatori, librerie, framework, kernel e rete — funzioni in modo affidabile. V4 è un passo verso questa maturità, non la prova che Nvidia sia già stata rimpiazzata.
La società starebbe inoltre sviluppando un proprio chip IA. Secondo Reuters, il progetto potrebbe ridurre la dipendenza sia da Nvidia sia da Huawei.
In quest’ottica, Huawei è al tempo stesso un fornitore, un partner di integrazione e un ponte verso una filiera più autonoma. Il traguardo non è necessariamente passare da una dipendenza unica a un’altra, bensì avere più opzioni tecnologiche sotto controllo cinese.
I controlli statunitensi sulle esportazioni hanno trasformato la sostituzione di Nvidia da preferenza strategica a necessità concreta. Huawei afferma che la domanda interna di capacità di calcolo per l’IA supera la sua offerta e che la quota di Ascend in Cina avrebbe superato quella di Nvidia; quest’ultimo è un dato dichiarato dall’azienda, non una misurazione indipendente pubblicata.
Nel breve periodo, Nvidia mantiene un vantaggio tecnologico ai massimi livelli. Nel medio periodo, però, le restrizioni incoraggiano aziende e data center cinesi a investire in chip locali, software compatibile e capacità infrastrutturale. Il modello V4 ottimizzato per Huawei, il progetto di Ulanqab e il chip proprietario di DeepSeek puntano tutti nella stessa direzione: una filiera cinese dell’IA più autosufficiente, anche se non ancora equivalente a Nvidia per l’addestramento più impegnativo.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
La priorità di DeepSeek è la resilienza della catena di fornitura: costruire un’alternativa nazionale a Nvidia, anche a costo di minore efficienza nel breve periodo.
La priorità di DeepSeek è la resilienza della catena di fornitura: costruire un’alternativa nazionale a Nvidia, anche a costo di minore efficienza nel breve periodo. Il progetto da almeno 160.000 acceleratori Ascend 950DT a Ulanqab, nella Mongolia Interna, è pensato per eseguire i modelli già addestrati, non per il pre addestramento di frontiera.
La collaborazione su V4 e lo sviluppo di un chip proprietario indicano una strategia a più livelli: rendere l’ecosistema Huawei utilizzabile oggi e ridurre in futuro la dipendenza sia da Nvidia sia da Huawei.
La priorità di DeepSeek è la resilienza della catena di fornitura: costruire un’alternativa nazionale a Nvidia, anche a costo di minore efficienza nel breve periodo. Il progetto da almeno 160.000 acceleratori Ascend 950DT a Ulanqab, nella Mongolia Interna, è pensato per eseguire i modelli già addestrati, non per il...
Pubblicato daModificato con GPT-5.6 TerraImmagini generate con GPT Image 2
Research answer

Create a landscape editorial hero image for this Studio Global article: Why is DeepSeek making training its AI models on Huawei’s domestically produced chips a major priority—despite a failed earlier attempt with. Article summary: DeepSeek’s priority is strategic resilience rather than near term chip efficiency: it wants a viable domestic training stack before U.S.. Topic tags: general web, ai, workflow, productivity, code. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, icons, and tiny thumbnail layouts. Make i
La scommessa di DeepSeek su Huawei non è dettata dalla convenienza immediata: è una scelta di autonomia tecnologica e sicurezza degli approvvigionamenti. Per addestrare i modelli IA più avanzati, Nvidia conserva un vantaggio rilevante in prestazioni, software e maturità dell’ecosistema. Ma le restrizioni statunitensi all’export rendono l’accesso cinese ai suoi acceleratori più potenti incerto; per DeepSeek, quindi, disporre di una piattaforma nazionale credibile è un’esigenza operativa, non soltanto un obiettivo di politica industriale.
Un precedente tentativo di addestrare R2 sui chip Ascend 910C non avrebbe avuto successo per limiti congiunti di hardware e software. Secondo le indiscrezioni riportate dalla stampa, per eguagliare un Nvidia GB300 potrebbero servire all’incirca quattro processori Huawei: una misura indicativa dell’attuale divario di efficienza, non un benchmark indipendente definitivo.
Ciononostante, far girare carichi di lavoro reali sui chip domestici produce un effetto che il solo acquisto di hardware non garantisce: mette sotto stress compilatori, framework, kernel, reti e strumenti di gestione dei cluster. È questo feedback sul campo che può rendere la piattaforma Ascend più affidabile per compiti sempre più complessi.
DeepSeek avrebbe indicato l’avvio delle consegne di chip Huawei dedicati all’addestramento già nel quarto trimestre del 2026. Huawei, dal canto suo, ha dichiarato che i sistemi Ascend 950DT dovrebbero essere impiegati diffusamente per il training dei modelli nel 2027 e ha programmato l’Ascend 960DT per il primo trimestre del 2027.
Queste date non significano però che DeepSeek possa sostituire subito Nvidia nel pre-addestramento dei modelli di frontiera. Segnalano piuttosto il passaggio a una fase in cui Huawei punta a rendere i propri sistemi utilizzabili su larga scala anche per il training, dopo una prima adozione più prudente.
DeepSeek prevede di installare almeno 160.000 acceleratori Huawei Ascend 950DT in un data center da circa un gigawatt a Ulanqab, nella Mongolia Interna. Se completato, il sito sarebbe uno dei maggiori cluster conosciuti di chip IA prodotti in Cina. 1
Il dettaglio decisivo è che l’impianto è destinato, almeno inizialmente, all’inferenza: cioè a eseguire modelli già addestrati per rispondere agli utenti, non ad addestrarne di nuovi. Il calendario dipende dalla capacità produttiva di Huawei; le fonti riportano che DeepSeek non prevede al momento di usare i 950DT per il training. 1
2
La distinzione è essenziale. L’inferenza è una parte enorme del costo e dell’infrastruttura di un servizio IA, ma il pre-addestramento dei modelli più grandi rimane il banco di prova più severo per chip, interconnessioni e software.
DeepSeek ha pubblicato una versione preview di V4 adattata ai chip Huawei Ascend. La collaborazione non equivale a una semplice conversione del modello: implica co-progettazione fra architettura del modello e piattaforma hardware-software, con Huawei coinvolta nell’ottimizzazione e i suoi chip impiegati in parte del processo di addestramento.
Il valore strategico sta qui: prima di affidare al silicio nazionale grandi sessioni di training, bisogna dimostrare che l’intero stack — compilatori, librerie, framework, kernel e rete — funzioni in modo affidabile. V4 è un passo verso questa maturità, non la prova che Nvidia sia già stata rimpiazzata.
La società starebbe inoltre sviluppando un proprio chip IA. Secondo Reuters, il progetto potrebbe ridurre la dipendenza sia da Nvidia sia da Huawei.
In quest’ottica, Huawei è al tempo stesso un fornitore, un partner di integrazione e un ponte verso una filiera più autonoma. Il traguardo non è necessariamente passare da una dipendenza unica a un’altra, bensì avere più opzioni tecnologiche sotto controllo cinese.
I controlli statunitensi sulle esportazioni hanno trasformato la sostituzione di Nvidia da preferenza strategica a necessità concreta. Huawei afferma che la domanda interna di capacità di calcolo per l’IA supera la sua offerta e che la quota di Ascend in Cina avrebbe superato quella di Nvidia; quest’ultimo è un dato dichiarato dall’azienda, non una misurazione indipendente pubblicata.
Nel breve periodo, Nvidia mantiene un vantaggio tecnologico ai massimi livelli. Nel medio periodo, però, le restrizioni incoraggiano aziende e data center cinesi a investire in chip locali, software compatibile e capacità infrastrutturale. Il modello V4 ottimizzato per Huawei, il progetto di Ulanqab e il chip proprietario di DeepSeek puntano tutti nella stessa direzione: una filiera cinese dell’IA più autosufficiente, anche se non ancora equivalente a Nvidia per l’addestramento più impegnativo.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
La priorità di DeepSeek è la resilienza della catena di fornitura: costruire un’alternativa nazionale a Nvidia, anche a costo di minore efficienza nel breve periodo.
La priorità di DeepSeek è la resilienza della catena di fornitura: costruire un’alternativa nazionale a Nvidia, anche a costo di minore efficienza nel breve periodo. Il progetto da almeno 160.000 acceleratori Ascend 950DT a Ulanqab, nella Mongolia Interna, è pensato per eseguire i modelli già addestrati, non per il pre addestramento di frontiera.
La collaborazione su V4 e lo sviluppo di un chip proprietario indicano una strategia a più livelli: rendere l’ecosistema Huawei utilizzabile oggi e ridurre in futuro la dipendenza sia da Nvidia sia da Huawei.