Buna karşılık, Huawei'nin CANN (Compute Architecture for Neural Networks) araç seti, Ağustos 2025'te açık kaynak haline getirilmesine rağmen , işlemci kapsamı, optimizasyon ve topluluk araçları açısından çok daha az olgun durumda
. Geliştiriciler, birçok CUDA için optimize edilmiş çekirdeğin doğrudan CANN eşdeğerinin bulunmadığını ve manuel olarak yeniden yazılması gerektiğini bildiriyor
.
Bu kendi kendini besleyen döngüyü kırmak zordur: Nvidia'nın geliştirici topluluğu ve önceden optimize edilmiş kod kütüphanesi ne kadar büyükse, alternatiflerin ivme kazanması da o kadar zorlaşır .
Şanghay bağlantılı bir araştırma enstitüsündeki yapay zeka araştırmacısı, eğitimi Nvidia CUDA'dan Huawei Ascend'e taşımanın hem zaman hem de maliyet açısından en az %50 artış anlamına geleceğini tahmin ediyor . Sektör kaynakları bu rakamı gerçekçi bir taban olarak doğruluyor
.
Bu maliyetler şunları içeriyor:
Yazılım boşluğunun en çarpıcı örneği, Çin'in en önde gelen yapay zeka laboratuvarlarından DeepSeek'ten geliyor. DeepSeek, çözülmemiş performans ve araç zinciri sorunlarını gerekçe göstererek R2 modelini Huawei'nin Ascend NPU'larında eğitme planlarından vazgeçti . Bu, üst düzey bir laboratuvarın yerli alternatifi en zorlu iş yükleri için hazır bulmadığına dair somut bir örnektir.
Huawei'nin Ascend 910C NPU'su önemli ölçüde iyileşmiş olsa da, geliştiriciler büyük ölçekli dağıtık eğitim görevlerinde hâlâ Nvidia'nın Hopper nesli GPU'larının gerisinde kaldığını bildiriyor . SMIC'in geliştirilmiş 7nm süreci üzerine inşa edilen Ascend 910C, Nvidia'nın B200'ünün BF16 veriminin yaklaşık üçte birini sunuyor . Huawei'nin yakında çıkacak olan Ascend 950'sinin bu açığı daha da daraltması bekleniyor. Morgan Stanley verileri, Çin çipleri ile Nvidia'nın ihracata uygun donanımı arasındaki performans farkının önemli ölçüde daraldığını gösteriyor
.
Paradoksal bir şekilde, ABD ihracat kısıtlamaları Çin'e giden Nvidia arzını tamamen kesmedi. ABD, H200'ün Çin'e satışını onayladı ve Pekin daha sonra bunu kabul etmeyi reddetti — ancak Çin laboratuvarları halihazırda büyük miktarda Nvidia çipi stoklamış durumda . ByteDance, Alibaba ve Tencent, bir yasağın beklentisiyle toplu olarak yaklaşık 1,3 ila 1,6 milyon H20 birimini stoklamak için tahmini 16 milyar dolar harcadı
.
Bu kurulu taban güçlü bir atalet yaratıyor: mevcut Nvidia donanımı çalışmaya devam ettiği sürece, yüksek geçiş maliyeti yerli alternatiflere geçişi geciktiriyor .
Çin bu engellere karşı boş durmuyor:
İlerleme kaydediliyor: Yerli çip eğitim payının 2025 başlarındaki %8'den Nisan 2026 itibarıyla %42'ye yükseldiği bildiriliyor . Ancak bu benimsemenin büyük kısmının, öncü model eğitiminden ziyade daha az kritik iş yüklerinde ve çıkarım görevlerinde yoğunlaştığı görülüyor
.
Huawei'nin CANN'i açık kaynak haline getirmesi, CUDA'nın sahip olduğu geliştirici ekosistemini oluşturma yolunda anlamlı bir adımdır . Ancak çoğu analist, yazılım ekosistemi açığının — ham donanım özelliklerinden ziyade — kapanmasının yıllar alacağı konusunda hemfikir
. Kısa vadede, Çin'in önde gelen yapay zeka laboratuvarları, daha az kritik iş yükleri için hibrit yerli dağıtımları denerken Nvidia çipleriyle eğitime devam edecek ve Pekin'in 295 milyar dolarlık şebeke planı, bu geçişi hızlandırmayı hedefliyor
.