DeepSeek เปิดซอร์สซอฟต์แวร์สำหรับชิป Ascend แต่ยังเทียบชั้น NVIDIA ไม่ได้จากตัวเลขชุดนี้

DeepSeek เปิดซอร์สซอฟต์แวร์โครงสร้างพื้นฐานสำหรับแพลตฟอร์ม Huawei Ascend เมื่อวันที่ 30 กันยายน 2026 โดยมีส่วนประกอบ 6 รายการ ตั้งแต่เครื่องมือเขียนเคอร์เนลไปจนถึงไลบรารีสื่อสารระหว่างอุปกรณ์ อย่างไรก็ตาม ข้อมูลที่เปิดเผยยังไม่ใช่หลักฐานว่า Ascend ทำงานได้เร็วเทียบเท่า NVIDIA และยังไม่ยืนยันว่า DeepSeek ฝึกโมเดล V4 เต็มรูปแบบบน Ascend แล้ว 25

ซอฟต์แวร์ 6 ส่วนทำหน้าที่อะไร

ส่วนประกอบชุดนี้มีบทบาทสอดคล้องกับเครื่องมือที่ DeepSeek เคยพัฒนาสำหรับแพลตฟอร์ม NVIDIA แต่การมีเครื่องมือที่ทำหน้าที่คล้ายกันไม่ได้แปลว่าโค้ดภายใน คุณสมบัติ หรือความเร็วจะเหมือนกันทุกประการ 25

• TileLang เป็นเครื่องมือระดับสูงสำหรับเขียนและคอมไพล์เคอร์เนล ซึ่งเป็นชุดคำสั่งคำนวณย่อยที่ใช้กับงาน AI โดยรุ่นที่รองรับ Ascend เปิดทางให้นักพัฒนาสร้างเคอร์เนลสำหรับฮาร์ดแวร์ Huawei ได้ แต่ไม่ได้หมายความว่าเคอร์เนลจะเหมือนกับรุ่นสำหรับ NVIDIA 25
• DeepGEMM เป็นไลบรารีสำหรับการคูณเมทริกซ์ รุ่น Ascend ยังคงรองรับ API เดียวกับ DeepGEMM และรองรับ BF16, FP8, FP4, MQA logits และ MegaMoE พร้อมการปรับแต่งเฉพาะสำหรับ Ascend เช่น การโหลดข้อมูลแบบ sparse และการจัดลำดับงานด้วย coroutine 17
• TileKernels รวมเคอร์เนลใช้งานทั่วไป ส่วน FlashMLA มีเคอร์เนล attention แบบกระจัดกระจายสำหรับขั้นตอน prefill และการถอดรหัสบน Ascend 950 ขณะที่ DeepSelect ใช้คัดเลือกหรือกรองข้อมูล 91444
• DeepEP ดูแลการสื่อสารระหว่างอุปกรณ์ รวมถึงการส่งและรวมข้อมูลสำหรับ expert parallel ซึ่งเป็นวิธีแบ่งงานระหว่างผู้เชี่ยวชาญหลายชุดในโมเดล รุ่น Ascend มี public buffer API ที่สอดคล้องกับรุ่น NVIDIA แต่ใช้ซอฟต์แวร์และส่วนเชื่อมต่อฮาร์ดแวร์เฉพาะของ Ascend 19

ความสอดคล้องของ API ช่วยให้นักพัฒนาปรับใช้ซอฟต์แวร์ได้สะดวกขึ้น แต่ไม่ใช่หลักฐานว่าทั้งสองแพลตฟอร์มมีฟังก์ชันครบเท่ากันหรือทำงานได้เร็วพอกัน

ตัวเลขทดสอบบน Ascend 950

รายงานผลทดสอบ DeepEP บนฮาร์ดแวร์ Ascend ระบุแบนด์วิดท์ 375 GB/s สำหรับ dispatch และ 347 GB/s สำหรับ combine ตัวเลขนี้บอกประสิทธิภาพการสื่อสารของระบบ Ascend ที่ทดสอบ ไม่ใช่ผลเปรียบเทียบกับ NVIDIA 1947

ส่วนการอนุมาน มีรายงานผลทดสอบ DeepSeek-V4.1-Flash บนระบบ Ascend 950 UBL128 โดยใช้กลยุทธ์ EP32 บริบท 128K และรันแบบออฟไลน์ เมื่อกำหนดเวลาเฉลี่ยต่อโทเคนผลลัพธ์ (TPOT) ไว้ที่ 5 มิลลิวินาที รายงานระบุอัตราสร้างผลลัพธ์ 2,469 โทเคนต่อวินาทีต่อการ์ด ส่วนที่ TPOT 10 มิลลิวินาที ระบุ 5,102 โทเคนต่อวินาทีต่อการ์ด ตัวเลขดังกล่าวไม่รวมภาระจากระบบจัดตารางงานของบริการและการกระจายโหลดของเฟรมเวิร์ก 47

ตัวเลขเหล่านี้เป็นผลภายใต้การตั้งค่าเฉพาะ ไม่ใช่คำรับรองว่าจะได้ความเร็วเท่ากันกับทุกงาน รายงานในคลัง DeepEP ระบุว่าการวัดใช้ชุดพัฒนาฮาร์ดแวร์สำหรับพิสูจน์แนวคิด (PoC) ที่ตั้งค่าด้วยตนเอง อีกแหล่งรายงานว่าใช้เฟิร์มแวร์ PoC และกล่าวถึงแผนออกชุดเชิงพาณิชย์ราววันที่ 15 ตุลาคม ดังนั้นรุ่นเฟิร์มแวร์และสภาพแวดล้อมทดสอบจึงมีผลต่อการอ่านหรือทำซ้ำผลดังกล่าว 1219

ข้อมูลที่เผยแพร่ยังไม่ละเอียดพอให้ตรวจสอบการตั้งค่าการอนุมานทั้งหมดได้อย่างอิสระ และยังไม่มีการตรวจสอบขนาดใหญ่โดยบุคคลที่สามอย่างเป็นอิสระ จึงไม่ควรถือว่าตัวเลขนี้เป็นผลเทียบกับระบบ NVIDIA ที่ผ่านการยืนยันแล้ว 47

แบบเครือข่าย SuperPoD Flex และ UBL128

Huawei และ DeepSeek ระบุว่าร่วมกันกำหนดแบบระบบ SuperPoD Flex / UBL128 สำหรับ Ascend 950 รายงานอธิบายการเชื่อมต่อภายในระบบแบบ scale-up ว่ารองรับ 128 การ์ด ผ่านเครือข่ายสวิตช์ชั้นเดียว 3.2 Tbps และแบบ scale-out สองชั้นที่ออกแบบให้ขยายได้ถึง 256,000 การ์ด ตัวเลขการขยายนี้เป็นขีดความสามารถตามแบบที่ระบุ ไม่ใช่หลักฐานว่ามีการใช้ระบบขนาดดังกล่าวฝึกโมเดล DeepSeek จริง 104749

Huawei ยังระบุว่าจะเผยแพร่ผลงานร่วมผ่านชุมชน CANN โดยมีหัวข้อที่รายงานกล่าวถึง เช่น การนำโมเดลไปใช้งาน การฝึกขนาดใหญ่ การรวมพูล KV cache สำหรับบริบทยาว และการเรียนรู้เสริมสำหรับระบบแบบเอเจนต์ 14

สิ่งที่ยังสรุปไม่ได้

การเปิดซอร์สครั้งนี้แสดงให้เห็นว่า DeepSeek มีชุดซอฟต์แวร์สำหรับ Ascend ที่ครอบคลุมงานหลายด้าน และผลทดสอบการอนุมานก็แสดงตัวอย่างการตั้งค่าหนึ่งบนฮาร์ดแวร์ดังกล่าว แต่ทั้งการมีส่วนประกอบที่สอดคล้องกับรุ่น NVIDIA และแบบเครือข่ายที่รองรับการขยายขนาด ไม่ได้ยืนยันว่า DeepSeek ฝึก V4 เต็มรูปแบบบน Ascend แล้ว 251947

เช่นเดียวกัน ตัวเลขที่รายงานยังไม่แสดงว่า Ascend ทำงานได้เร็วเทียบเท่า NVIDIA เพราะใช้ฮาร์ดแวร์ต่างกันและไม่มีผลทดสอบข้ามแพลตฟอร์มที่ควบคุมเงื่อนไขให้เหมือนกัน ข้อสรุปที่ระมัดระวังที่สุดคือ DeepSeek เผยแพร่ซอฟต์แวร์สำหรับ Ascend อย่างมีนัยสำคัญ ขณะที่ Huawei เปิดเผยแบบสถาปัตยกรรมระบบและผลทดสอบบางส่วน ส่วนประสิทธิภาพกับงานอื่น ๆ และการเทียบกับ NVIDIA อย่างเป็นธรรมยังต้องรอหลักฐานเพิ่มเติม