DeepSeek släpper Ascend-verktyg medan utvecklare överväger alternativ till Nvidia

DeepSeek har publicerat två nya arkiv med öppen källkod för Huaweis Ascend-acceleratorer: DeepGEMM-Ascend för matrismultiplikation och DeepEP-Ascend för den all-till-alla-kommunikation som används av blandexpertsmodeller. I tillkännagivandet ingick också Ascend-anpassningar av de befintliga projekten TileKernels, DeepSelect och FlashMLA.

TileLang, som Bloomberg beskriver som en central del av satsningen, är varken nytt eller ett DeepSeek-projekt. Det släpptes som öppen källkod i januari 2025. Ascend-adaptrar publicerades i det separata arkivet tilelang-ascend den 29 september 2025, före det senaste tillkännagivandet. TileLang stöder både Nvidias CUDA och Huaweis Ascend som backend-alternativ.

De nya arkiven har särskilda krav på maskinvara och programvara. DeepGEMM-Ascend kräver chip i Ascend 950-serien och CANN 9.20. DeepEP-Ascend kräver Ascend 950-kisel med UBMEM-anslutning, vilket begränsar den möjliga användarkretsen till dem som har tillgång till den maskinvaran.

Projekten ska minska arbetet med att byta: DeepGEMM-Ascend behåller Python-paketnamnet och API-strukturen från sin CUDA-motsvarighet, medan DeepEP-Ascend anpassar sina offentliga buffertgränssnitt till DeepEP. GitHub-siffror som anges i källan visar 515 stjärnor och 39 forkar för DeepGEMM-Ascend, jämfört med 8 522 stjärnor och 1 359 forkar för DeepGEMM. DeepEP hade över 10 200 stjärnor, jämfört med 224 för DeepEP-Ascend.

Rapportering som TechRadar hänvisar till beskriver tidigare användbarhetsproblem med Ascend och CANN. Källan uppger också att Huawei har skickat ingenjörsteam till kunder som Baidu och Tencent för att hjälpa till att porta CUDA-träningskod. De nya arkiven innehåller produktionskärnor, men enligt källan körs de på en chipfamilj och en verktygsversion, med fast programvara som kan vara svår att få tillgång till utanför Kina.