Michael JohnsonAm 30. September kündigte DeepSeek die gemeinsame Arbeit mit Huawei an Werkzeugen für Ascend-Beschleuniger an und veröffentlichte damit verbundene Softwarekomponenten. Das ist ein Schritt zum Ausbau einer alternativen Hardwareplattform, aber kein Beleg dafür, dass sie in Produktionssystemen CUDA und Nvidia ersetzen kann. Da die Ankündigung am Datum dieser Einordnung, dem 2. Oktober 2026, nicht in das Zeitfenster der vergangenen 24 Stunden fällt, ist es genauer, sie als jüngste Nachricht zu bezeichnen.
Der Reuters-Bericht handelt von der Infrastruktur für Huawei Ascend: TileLang sowie Bibliotheken für Berechnungen und die Kommunikation zwischen Chips. Reuters gibt außerdem die Ankündigung der Projektbeteiligten wieder, gemeinsam einen Supernode mit 128 Ascend-950-Chips zu entwickeln. Das ist eine Aussage der Projektbeteiligten; in den geprüften Quellen findet sich kein unabhängiger Leistungsvergleich dieses Systems mit einer vergleichbaren Nvidia-Konfiguration.
Was veröffentlicht wurde
Das Repository DeepGEMM-Ascend nennt die Unterstützung für Ascend 950 sowie BF16-, FP8- und FP4-Operationen. Das Projekt positioniert die Bibliothek als API-kompatibel mit DeepGEMM, weist jedoch auch auf Unterschiede hin: So unterscheidet sich beispielsweise das Speicherformat der Skalierungskoeffizienten bei Ascend von dem bei Nvidia. Für den Betrieb führt die Dokumentation CANN, torch_npu und den Bisheng-Compiler auf. Schnittstellenkompatibilität bedeutet daher nicht, dass sich Code ohne Berücksichtigung plattformspezifischer Besonderheiten übertragen lässt.
Im selben Repository wurden eigene Messungen auf Ascend 950DT veröffentlicht. Dabei handelt es sich um Projektergebnisse, nicht um eine unabhängige Leistungsprüfung mit realen Produktionslasten.
Die Bibliothek DeepEP-Ascend dient dem Datenaustausch beim Training und bei der Inferenz, unter anderem in Mixture-of-Experts-Modellen. Die Dokumentation stellt klar, dass die Messungen mit einer von DeepSeek bereitgestellten Testversion der Hard- und Software durchgeführt wurden – dem PoC HDK – und dass zusätzlich manuelle Optimierungen vorgenommen wurden. Diese Konfiguration wurde nicht öffentlich verbreitet. Huawei plante, ein kommerzielles HDK etwa Mitte Oktober 2026 herauszubringen; dies ist eine in der Dokumentation genannte Planung und kein bestätigter Veröffentlichungstermin.
Auch TileLang wurde nicht erst mit der aktuellen Ankündigung eingeführt: Aus der Geschichte von TileLang-Ascend geht hervor, dass das Projekt am 29. September 2025 Open Source wurde. Die Nachricht betrifft eine neue Phase der Zusammenarbeit und zugehörige Bibliotheken, nicht die erstmalige Einführung von TileLang.
Was bislang nicht belegt ist
Eine Programmiersprache kann die Entwicklung von Rechenkernen vereinfachen. Für den praktischen Ersatz einer Plattform braucht es jedoch auch Compiler, Bibliotheken, Debugging-Werkzeuge, Framework-Unterstützung und verfügbare Hardware. Die offenen Repositories ermöglichen es, den Code und die angegebenen Schnittstellen zu untersuchen, zeigen aber nicht, wie einfach oder kostengünstig sich Produktionslasten auf Ascend übertragen lassen.
Bei DeepEP-Ascend ist der Vorbehalt zu den Testbedingungen besonders wichtig: Die veröffentlichten Kennzahlen stammen aus einer nicht öffentlichen Testkonfiguration. Selbst wenn sich Messungen einzelner Operationen reproduzieren lassen, beantworten sie für sich genommen nicht die Fragen nach der Stabilität und der Gesamtleistung eines vollständigen Systems.
Bestätigt sind die Veröffentlichung des Codes, die Dokumentation und die aufgeführten Anforderungen an die Umgebung. Noch nicht durch unabhängige Tests bestätigt sind die Leistung der neuen Bibliotheken, die breite Verfügbarkeit der genannten Konfiguration und die einfache Integration in bestehende Arbeitsabläufe.
Die Ankündigung sollte daher eher als Versuch verstanden werden, das Softwareökosystem rund um Ascend zu stärken. Welchen praktischen Nutzen diese Werkzeuge bieten, wird deutlicher, sobald eine verfügbare kommerzielle Umgebung, unabhängige reproduzierbare Tests und ausführliche Berichte zur Übertragung realer Workloads vorliegen. Derzeit ist dies ein konkreter Schritt im Wettbewerb um die Softwareschicht – kein nachgewiesener Ersatz für CUDA.