DeepSeek đưa bộ công cụ AI lên Ascend: có số liệu, nhưng chưa thể so ngang với NVIDIA

Đợt công bố ngày 30/9/2026 bổ sung phiên bản Ascend của sáu thành phần trong bộ hạ tầng AI của DeepSeek, từ công cụ lập trình kernel đến thư viện giao tiếp giữa thiết bị. Đây là những khối phần mềm để chạy workload AI trên phần cứng Huawei. Nhưng dữ liệu hiện có chưa cho thấy Ascend đạt hiệu năng ngang NVIDIA trong một phép thử đối đầu, cũng chưa xác nhận DeepSeek đã hoàn tất huấn luyện V4 quy mô lớn trên Ascend. 25

Sáu thành phần đảm nhiệm việc gì?

Các thành phần Ascend được xây dựng với vai trò tương ứng với những công cụ DeepSeek từng phát hành cho nền tảng NVIDIA. Tuy nhiên, “tương ứng” không đồng nghĩa với việc phần bên trong giống hệt nhau hay có hiệu năng ngang nhau. 25

• TileLang là công cụ lập trình kernel ở cấp cao và biên dịch chúng. Phiên bản hỗ trợ Ascend giúp phát triển kernel cho phần cứng Huawei, nhưng không có nghĩa kernel này giống bản dành cho NVIDIA. 25
• DeepGEMM là thư viện nhân ma trận. Bản Ascend giữ tương thích API với DeepGEMM, hỗ trợ BF16, FP8, FP4, MQA logits và MegaMoE. Dự án cũng nêu các tối ưu riêng cho Ascend, như nạp dữ liệu thưa và pipeline dựa trên coroutine. 17
• TileKernels cung cấp kernel đa dụng; FlashMLA có kernel attention thưa cho giai đoạn prefill và giải mã trên Ascend 950; còn DeepSelect phụ trách chọn lọc hoặc lọc dữ liệu. 91444
• DeepEP xử lý giao tiếp phân tán, gồm các thao tác dispatch và combine cho expert parallel. API buffer công khai được căn chỉnh với bản NVIDIA, nhưng phần triển khai trên Ascend sử dụng các giao diện phần mềm và phần cứng riêng của Ascend. 19

Với nhà phát triển, sự tương thích về API có thể giúp giảm công sức tích hợp. Nhưng API giống nhau không chứng minh hai nền tảng có cùng phần triển khai, đầy đủ tính năng như nhau hay tốc độ tương đương.

Các con số trên Ascend 950 cho biết điều gì?

Một phép đo DeepEP được báo cáo trên phần cứng Ascend ghi nhận 375 GB/s ở bước dispatch và 347 GB/s ở bước combine. Đây là số liệu giao tiếp của Ascend, không phải kết quả so sánh trực tiếp với NVIDIA. 1947

Với suy luận, một thử nghiệm được báo cáo dùng DeepSeek-V4.1-Flash trên hệ thống Ascend 950 UBL128, cấu hình triển khai EP32, ngữ cảnh 128K và chế độ suy luận ngoại tuyến. Ở mức TPOT 5 ms — thời gian cho mỗi token đầu ra — hệ thống đạt 2.469 token đầu ra/giây/card; ở mức TPOT 10 ms, con số được báo cáo là 5.102 token/giây/card. Các kết quả này không tính phần overhead từ điều phối serving và cân bằng tải của framework. 47

Đây là số liệu gắn với một cấu hình cụ thể, không phải cam kết thông lượng cho mọi workload. Kho mã DeepEP cho biết các phép đo dùng bộ phát triển phần cứng proof-of-concept (PoC) được cấu hình thủ công. Một báo cáo khác cho biết kết quả sử dụng firmware PoC và nhắc đến kế hoạch phát hành thương mại vào khoảng ngày 15/10. Vì vậy, firmware và cách dựng hệ thống là những yếu tố quan trọng khi diễn giải hoặc cố gắng tái lập kết quả. 1219

Thông tin được cung cấp chưa đủ để bên ngoài tái lập độc lập toàn bộ thiết lập suy luận, cũng chưa có kiểm chứng độc lập quy mô lớn được nêu. Do đó, không nên xem các con số này là phép đối chiếu đã được xác thực với hệ thống NVIDIA. 47

Thiết kế SuperPoD Flex và UBL128 của Huawei

Huawei và DeepSeek mô tả thiết kế Ascend 950 SuperPoD Flex / UBL128 được hai bên cùng xác định. Theo các báo cáo, cấu hình scale-up gồm 128 card với mạng một tầng 3,2 Tbps; thiết kế scale-out hai tầng được mô tả là có thể mở rộng đến 256.000 card. Đây là khả năng thiết kế được công bố, không phải bằng chứng cho thấy một hệ thống lớn đến mức đó đã chạy tác vụ huấn luyện DeepSeek. 104749

Huawei cũng cho biết kết quả hợp tác sẽ được chia sẻ qua cộng đồng CANN. Các nội dung được báo cáo bao gồm triển khai mô hình, huấn luyện quy mô lớn, gộp KV cache cho ngữ cảnh dài và học tăng cường kiểu agentic. 14

Những điều vẫn chưa được chứng minh

Đợt phát hành cho thấy DeepSeek đã mở rộng bộ phần mềm sang Ascend; thử nghiệm suy luận được nêu cũng cho biết hiệu năng trong một cấu hình ngoại tuyến cụ thể. Nhưng việc có các thành phần tương ứng với bản NVIDIA, hay công bố thiết kế mạng có thể mở rộng lớn, không xác nhận một lần huấn luyện V4 quy mô lớn đã diễn ra trên Ascend. Các benchmark được dẫn cũng không chứng minh hiệu năng ngang NVIDIA: chúng chạy trên phần cứng khác nhau và chưa có phép thử đối chiếu cùng điều kiện trong các báo cáo hiện có. 251947

Cách đọc thận trọng nhất là DeepSeek đã công bố các thành phần phần mềm đáng kể cho Ascend, còn Huawei đưa ra thiết kế hệ thống cùng một số kết quả thử nghiệm. Mức độ các con số này áp dụng được cho workload khác, hoặc so sánh ra sao với NVIDIA trong một bài kiểm tra kiểm soát chặt chẽ, vẫn còn bỏ ngỏ.