Derfor kan Kinas KI-miljøer ikke gi slipp på Nvidia

Til sammenligning er Huaweis CANN (Compute Architecture for Neural Networks), selv etter at det ble åpen kildekode i august 2025, langt mindre modent når det gjelder operator-dekning, optimalisering og fellesskapsverktøy . Utviklere rapporterer at mange CUDA-optimerte kjerner ikke har noen direkte CANN-ekvivalent, noe som krever manuell omskriving .

Denne selvopprettholdende syklusen er vanskelig å bryte: jo større Nvidias utviklermiljø og jo rikere biblioteket av forhåndsoptimalisert kode er, desto vanskeligere blir det for alternativer å få fotfeste .

Byttekostnaden: Minst 50 prosent mer tid og penger

En KI-forsker ved et Shanghai-tilknyttet institutt anslår at å bytte trening fra Nvidia CUDA til Huawei Ascend ville tilføre minst 50 prosent i både tid og kostnader . Bransjekilder bekrefter dette tallet som et realistisk minimum .

Dette inkluderer:

• Innledende porteringsarbeid: Treningskode skrevet for CUDA bruker arkitekturspesifikke kjernekall, minnehåndteringsmønstre og parallelliseringsstrategier som ikke direkte kan overføres til Ascends annerledes NPU-arkitektur .
• Løpende feilsøking og tuning: Når porten er gjennomført, må modellene reoptimaliseres for ytelsesparitet på CANNs mindre operatorbibliotek .
• Tapt produktivitet: Utviklere må lære en ny verktøykjede, og det mindre CANN-miljøet gir færre delte løsninger på vanlige problemer.

DeepSeek skrinla R2-planen: Et konkret eksempel

Kanskje det mest talende eksemplet på programvaregapet kommer fra DeepSeek, et av Kinas fremste KI-laboratorier. DeepSeek skal ha droppet planene om å trene sin R2-modell på Huaweis Ascend NPU-er, med henvisning til uløste ytelses- og verktøykjede-problemer . Dette er et konkret tilfelle der et topplaboratorium konkluderte med at det innenlandske alternativet ikke var klart for deres mest krevende arbeidsbelastninger.

Ytelsesgap gjenstår

Selv om Huaweis Ascend 910C NPU har forbedret seg betydelig, rapporterer utviklere at den fortsatt underpresterer Nvidias Hopper-generasjons GPU-er på storskala distribuert trening . Ascend 910C, bygget på SMICs forbedrede 7nm-prosess, leverer omtrent en tredjedel av BF16-gjennomstrømningen til Nvidias B200 . Huaweis kommende Ascend 950 forventes å lukke dette gapet ytterligere, og Morgan Stanley-data viser at ytelsesgapet mellom kinesiske brikker og Nvidias eksportkompatible maskinvare har blitt betydelig innsnevret .

Forsyningsparadokset: Opplagrede Nvidia-brikker skaper treghet

Paradoksalt nok har amerikanske eksportrestriksjoner ikke fullstendig stengt Nvidia-forsyningen til Kina. USA godkjente H200 for salg til Kina, og Beijing blokkerte deretter aksepten – men kinesiske laboratorier har allerede enorme lagre av Nvidia-brikker . ByteDance, Alibaba og Tencent brukte til sammen anslagsvis 16 milliarder dollar på å hamstre omtrent 1,3 til 1,6 millioner H20-enheter i påvente av et forbud .

Denne installerte basen skaper kraftig treghet: så lenge eksisterende Nvidia-maskinvare fortsetter å fungere, forsinker den høye byttekostnaden overgangen til innenlandske alternativer .

295 milliarder dollar-svaret: Kinas satsing på innenlandske brikker

Kina står ikke stille. Som svar på disse barrierene:

• Kinesiske brikkeprodusenter sikter mot å tredoble innenlandsk KI-brikkeproduksjon i 2026
• Beijing utarbeider angivelig en plan på ~295 milliarder dollar (2 billioner yuan) for å koble alle større kinesiske datasentre til ett enkelt KI-datanett innen 2028, der minst 80 prosent av de underliggende brikkene skal være innenlandske
• Huawei åpnet CANN som åpen kildekode i august 2025, og slapp kjermekomponenter inkludert operatører, domenebiblioteker og graf-motorteknologi
• ByteDance signerte en kontrakt på 5,6 milliarder dollar med Huawei for Ascend KI-brikker i desember 2025, med leveranser som starter i første kvartal 2026

Fremgang er reell: innenlandsk brikkeandel i trening vokste angivelig fra 8 prosent tidlig i 2025 til 42 prosent i april 2026 . Men mye av denne adopsjonen ser ut til å være konsentrert om mindre kritiske arbeidsbelastninger og slutningsoppgaver snarere enn frontlinje-modelltrening .

Utsiktene: En flerårig overgang

Huaweis åpning av CANN som åpen kildekode er et meningsfullt skritt mot å bygge det utviklerøkosystemet CUDA nyter godt av . Men de fleste analytikere er enige om at programvareøkosystemgapet – ikke rå maskinvarespesifikasjoner – vil ta år å lukke . På kort sikt vil Kinas topp KI-laboratorier fortsette å trene på Nvidia-brikker mens de eksperimenterer med hybride innenlandske distribusjoner for mindre kritiske arbeidsbelastninger, og mens Beijings 295 milliarder dollar-nettplan tar sikte på å akselerere overgangen .