Ставка DeepSeek на Huawei — это прежде всего страховка от дальнейшего ограничения поставок Nvidia, а не попытка немедленно выиграть в производительности. Не менее 160 000 ускорителей Ascend 950DT планируют разместить в дата центре в Уланкабе; на первом этапе они предназначены главным образом для инференса, то есть з...
ОпубликовалОтредактировано с помощью GPT-5.6 TerraИзображения созданы с помощью GPT Image 2
Ответ на исследование

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
Главная причина — стратегическая устойчивость, а не попытка прямо сейчас заменить Nvidia по эффективности. DeepSeek нужен работоспособный китайский стек для обучения ИИ-моделей на случай, если доступ к передовым ускорителям Nvidia станет ещё более ограниченным из-за экспортных мер США.
Плата за такую стратегию велика. Сообщалось, что предыдущая попытка обучать модель R2 на Ascend 910C столкнулась с ограничениями железа и программного обеспечения. Оценка, по которой для сопоставимой с Nvidia GB300 производительности могут потребоваться примерно четыре процессора Huawei, наглядно показывает нынешний разрыв. Но для DeepSeek важна не только скорость одного чипа: реальные крупные нагрузки помогают дорабатывать ускорители, компиляторы, библиотеки, сетевую инфраструктуру и всю цепочку поставок.
Обучение передовых моделей — наиболее требовательный режим работы: важны не только вычисления, но и память, обмен данными между тысячами ускорителей, стабильность программного стека и инструменты для разработчиков. Поэтому неудачный запуск на Ascend 910C не означает отказ от направления. Для DeepSeek это скорее сигнал, что отечественную платформу нужно доводить на практике.
Именно здесь возникает долгосрочная логика: зависимость от Nvidia может быть удобнее сегодня, но делает разработчика уязвимым к внешней политике и доступности поставок. Совместная работа с Huawei даёт DeepSeek больший контроль над будущей инфраструктурой — даже если в ближайшей перспективе она обходится дороже и работает менее эффективно.
По имеющимся сообщениям, DeepSeek ожидает начала поставок специализированных чипов Huawei для обучения в конце 2026 года, а более широкая доступность прогнозируется к началу 2027-го. Huawei также заявляла, что системы Ascend 950DT должны широко применяться для обучения моделей в следующем году, а Ascend 960DT намечен к выпуску в первом квартале 2027 года. 1
Эти сроки важны, поскольку речь идёт не просто о новом процессоре, а о возможности перейти от отдельных экспериментов к повторяемым крупным обучающим запускам на китайском оборудовании.
DeepSeek планирует развернуть не менее 160 000 ускорителей Huawei Ascend 950DT в дата-центре мощностью около 1 ГВт в Уланкабе, во Внутренней Монголии. Такой кластер может стать одним из крупнейших известных объединений китайских ИИ-ускорителей. Однако на данном этапе он предназначен преимущественно для инференса — обслуживания запросов и запуска уже обученных моделей, а не для обучения новых моделей с нуля. Сроки установки зависят от производственных возможностей Huawei. 2
Различие принципиально. Инференс обычно проще перенести на новую платформу: модель уже готова, и задача сводится к быстрому и экономичному её запуску для пользователей. Предобучение же требует многонедельных вычислений на огромном числе связанных между собой чипов. Поэтому кластер на 950DT — важный шаг к масштабному внедрению Huawei, но ещё не доказательство полной замены Nvidia в самых тяжёлых обучающих задачах.
Важной частью стратегии стала версия V4, адаптированная для чипов Huawei. Это не просто перенос готовой модели с одной платформы на другую: совместная оптимизация затрагивает компилятор, фреймворки, низкоуровневые вычислительные ядра, сеть и архитектуру самой модели. 3
Такой подход создаёт основу для будущего обучения на Ascend. Чем больше реальных моделей и сервисов работают на платформе, тем быстрее выявляются её узкие места — и тем больше у Huawei шансов превратить совместимость для инференса в надёжную инфраструктуру для крупных тренировочных запусков.
При этом DeepSeek не делает Huawei своим единственным вариантом. По данным Reuters, компания разрабатывает собственный ИИ-чип, который в перспективе может снизить её зависимость и от Nvidia, и от Huawei. 4
Это означает, что партнёрство с Huawei следует рассматривать как часть более широкой стратегии: DeepSeek одновременно получает доступ к отечественной экосистеме сегодня и пытается сохранить свободу выбора аппаратной платформы в будущем.
Ограничения США на поставки наиболее производительных ускорителей Nvidia в Китай превратили импортозамещение из предпочтения промышленной политики в практическую необходимость. Huawei заявляет, что спрос на её ИИ-вычислительные продукты превышает предложение, и считает, что доля Ascend на китайском рынке уже выше доли Nvidia. Это оценка самой Huawei, а не независимая опубликованная статистика рынка. 1
В краткосрочной перспективе Nvidia сохраняет преимущество на верхнем уровне производительности. Но ограничения одновременно подталкивают китайских заказчиков вкладываться в собственные чипы, программное обеспечение и дата-центры. Оптимизированная под Huawei V4, проект кластера на 160 000 Ascend 950DT, ожидаемые чипы для обучения и собственная разработка DeepSeek складываются в один вектор: построение более самодостаточной китайской инфраструктуры для ИИ. 3
4
Studio Global AI
На этой странице есть ответ, подтвержденный источником, который вы можете продолжить внутри Studio Global.
Ставка DeepSeek на Huawei — это прежде всего страховка от дальнейшего ограничения поставок Nvidia, а не попытка немедленно выиграть в производительности.
Ставка DeepSeek на Huawei — это прежде всего страховка от дальнейшего ограничения поставок Nvidia, а не попытка немедленно выиграть в производительности. Не менее 160 000 ускорителей Ascend 950DT планируют разместить в дата центре в Уланкабе; на первом этапе они предназначены главным образом для инференса, то есть запуска уже обученных моделей.
Адаптация модели V4 под Ascend и разработка DeepSeek собственного ИИ чипа показывают, что компания строит более независимую вычислительную экосистему.
Ставка DeepSeek на Huawei — это прежде всего страховка от дальнейшего ограничения поставок Nvidia, а не попытка немедленно выиграть в производительности. Не менее 160 000 ускорителей Ascend 950DT планируют разместить в дата центре в Уланкабе; на первом этапе они предназначены главным образом для инференса, то есть з...
ОпубликовалОтредактировано с помощью GPT-5.6 TerraИзображения созданы с помощью GPT Image 2
Ответ на исследование

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
Главная причина — стратегическая устойчивость, а не попытка прямо сейчас заменить Nvidia по эффективности. DeepSeek нужен работоспособный китайский стек для обучения ИИ-моделей на случай, если доступ к передовым ускорителям Nvidia станет ещё более ограниченным из-за экспортных мер США.
Плата за такую стратегию велика. Сообщалось, что предыдущая попытка обучать модель R2 на Ascend 910C столкнулась с ограничениями железа и программного обеспечения. Оценка, по которой для сопоставимой с Nvidia GB300 производительности могут потребоваться примерно четыре процессора Huawei, наглядно показывает нынешний разрыв. Но для DeepSeek важна не только скорость одного чипа: реальные крупные нагрузки помогают дорабатывать ускорители, компиляторы, библиотеки, сетевую инфраструктуру и всю цепочку поставок.
Обучение передовых моделей — наиболее требовательный режим работы: важны не только вычисления, но и память, обмен данными между тысячами ускорителей, стабильность программного стека и инструменты для разработчиков. Поэтому неудачный запуск на Ascend 910C не означает отказ от направления. Для DeepSeek это скорее сигнал, что отечественную платформу нужно доводить на практике.
Именно здесь возникает долгосрочная логика: зависимость от Nvidia может быть удобнее сегодня, но делает разработчика уязвимым к внешней политике и доступности поставок. Совместная работа с Huawei даёт DeepSeek больший контроль над будущей инфраструктурой — даже если в ближайшей перспективе она обходится дороже и работает менее эффективно.
По имеющимся сообщениям, DeepSeek ожидает начала поставок специализированных чипов Huawei для обучения в конце 2026 года, а более широкая доступность прогнозируется к началу 2027-го. Huawei также заявляла, что системы Ascend 950DT должны широко применяться для обучения моделей в следующем году, а Ascend 960DT намечен к выпуску в первом квартале 2027 года. 1
Эти сроки важны, поскольку речь идёт не просто о новом процессоре, а о возможности перейти от отдельных экспериментов к повторяемым крупным обучающим запускам на китайском оборудовании.
DeepSeek планирует развернуть не менее 160 000 ускорителей Huawei Ascend 950DT в дата-центре мощностью около 1 ГВт в Уланкабе, во Внутренней Монголии. Такой кластер может стать одним из крупнейших известных объединений китайских ИИ-ускорителей. Однако на данном этапе он предназначен преимущественно для инференса — обслуживания запросов и запуска уже обученных моделей, а не для обучения новых моделей с нуля. Сроки установки зависят от производственных возможностей Huawei. 2
Различие принципиально. Инференс обычно проще перенести на новую платформу: модель уже готова, и задача сводится к быстрому и экономичному её запуску для пользователей. Предобучение же требует многонедельных вычислений на огромном числе связанных между собой чипов. Поэтому кластер на 950DT — важный шаг к масштабному внедрению Huawei, но ещё не доказательство полной замены Nvidia в самых тяжёлых обучающих задачах.
Важной частью стратегии стала версия V4, адаптированная для чипов Huawei. Это не просто перенос готовой модели с одной платформы на другую: совместная оптимизация затрагивает компилятор, фреймворки, низкоуровневые вычислительные ядра, сеть и архитектуру самой модели. 3
Такой подход создаёт основу для будущего обучения на Ascend. Чем больше реальных моделей и сервисов работают на платформе, тем быстрее выявляются её узкие места — и тем больше у Huawei шансов превратить совместимость для инференса в надёжную инфраструктуру для крупных тренировочных запусков.
При этом DeepSeek не делает Huawei своим единственным вариантом. По данным Reuters, компания разрабатывает собственный ИИ-чип, который в перспективе может снизить её зависимость и от Nvidia, и от Huawei. 4
Это означает, что партнёрство с Huawei следует рассматривать как часть более широкой стратегии: DeepSeek одновременно получает доступ к отечественной экосистеме сегодня и пытается сохранить свободу выбора аппаратной платформы в будущем.
Ограничения США на поставки наиболее производительных ускорителей Nvidia в Китай превратили импортозамещение из предпочтения промышленной политики в практическую необходимость. Huawei заявляет, что спрос на её ИИ-вычислительные продукты превышает предложение, и считает, что доля Ascend на китайском рынке уже выше доли Nvidia. Это оценка самой Huawei, а не независимая опубликованная статистика рынка. 1
В краткосрочной перспективе Nvidia сохраняет преимущество на верхнем уровне производительности. Но ограничения одновременно подталкивают китайских заказчиков вкладываться в собственные чипы, программное обеспечение и дата-центры. Оптимизированная под Huawei V4, проект кластера на 160 000 Ascend 950DT, ожидаемые чипы для обучения и собственная разработка DeepSeek складываются в один вектор: построение более самодостаточной китайской инфраструктуры для ИИ. 3
4
Studio Global AI
На этой странице есть ответ, подтвержденный источником, который вы можете продолжить внутри Studio Global.
Ставка DeepSeek на Huawei — это прежде всего страховка от дальнейшего ограничения поставок Nvidia, а не попытка немедленно выиграть в производительности.
Ставка DeepSeek на Huawei — это прежде всего страховка от дальнейшего ограничения поставок Nvidia, а не попытка немедленно выиграть в производительности. Не менее 160 000 ускорителей Ascend 950DT планируют разместить в дата центре в Уланкабе; на первом этапе они предназначены главным образом для инференса, то есть запуска уже обученных моделей.
Адаптация модели V4 под Ascend и разработка DeepSeek собственного ИИ чипа показывают, что компания строит более независимую вычислительную экосистему.