ست أدوات كانت تخدم Nvidia صار لها نظير على Ascend، وكل operator من TileLang في تدريب DeepSeek بات يعمل على عتاد Huawei بحسب الشركة.
ضمن ملف: نماذج الذكاء الاصطناعي، إنفيديا
بقلم: ليلى | محررة أدوات المطورين · صوت تحريري بإشراف بشري
المصدر الأساسي: Geopolitechs
لماذا يهم
يمس الإعلان مختبرات الذكاء الاصطناعي ومطوري الـkernels المرتبطين بـCUDA، إذ قد يخفض كلفة نقل التدريب إلى عتاد غير Nvidia إن صمدت ادعاءات الأداء أمام اختبار مستقل.
ما يصعب على الصين تعويضه في هيمنة Nvidia ليس الشريحة، بل منظومة CUDA التي تحيط بها. وهذه المنظومة هي ما قررت DeepSeek مهاجمته. نشرت الشركة على حسابها الرسمي في WeChat يوم 30 سبتمبر 2026 إعلاناً بفتح مصدر مجموعة من مكونات البنية التحتية الأساسية لمنصة Huawei Ascend (وفقاً لـ DeepSeek). تغطي المجموعة لغة TileLang عالية المستوى وسلسلة أدوات المترجم الخاصة بها، ومكتبات للحوسبة، ومكتبات للاتصال الموزّع. وتقول الشركة إن لكل مكوّن نظيراً مباشراً بين ما فتحت مصدره سابقاً لمنصات Nvidia. السؤال الذي يطارد صناعة الذكاء الاصطناعي الصينية منذ قيود التصدير هو: ماذا تفعل إن لم تعد قادراً على شراء أحدث وحدات GPU من Nvidia؟ تقدّم DeepSeek الآن جزءاً من الجواب، وهو جواب لا يكتفي باستبدال شريحة بأخرى.
بحسب تحليل Geopolitechs للإعلان، لم تكن قوة Nvidia في تدريب النماذج الكبيرة يوماً في العتاد وحده. فمن يملك شرائحها يجد أمامه أدوات ناضجة لكتابة البرامج وتحسين الأداء وتشغيل آلاف الوحدات معاً بكفاءة. وهنا بالضبط تعثّرت Ascend. صنع عتاد قادر يحل نصف المشكلة فقط، والنصف الآخر هو سهولة البرمجة وقدرة المطورين على انتزاع الأداء الكامل من الشريحة. تصف DeepSeek هدفها في بيانها بأنه بناء جيل جديد من منظومات برمجيات GPU “مستقلة وقابلة للتحكم”، وتقول إن الأولوية الأولى لذلك لغة عامة الغرض وسهلة البرمجة وقادرة على دفع العتاد إلى حدوده.
تلك اللغة هي TileLang، وهي برأينا القطعة الأهم في الإصدار كله. بحسب DeepSeek، يقدّم نموذجها البرمجي بساطة أكبر من CUDA ويرفع كفاءة التطوير ويختصر منطق الكود. ومع ذلك تقول الشركة إنها، خلافاً للغات أخرى من فئتها، مصممة لاستغلال خصائص الشريحة حتى حدود أدائها القصوى. جرّبت DeepSeek الفكرة أولاً على منصة Nvidia الناضجة. واليوم تقول إن معظم الـoperators في تدريب عائلة نماذج DeepSeek V4 مكتوبة بلغة TileLang (وفقاً لـ DeepSeek)، وإن اللغة صارت أداتها الأساسية لكتابة operators عالية الأداء ولاستكشاف أنماط جديدة نحو AGI. نسخة Ascend الجديدة تغلّف تعليمات Ascend C منخفضة المستوى خلف واجهة عالية المستوى، وتقول الشركة إنها تفعل ذلك دون التضحية بأداء العتاد. والجملة الأثقل وزناً في البيان: كل operator من TileLang تستخدمه DeepSeek حالياً في التدريب صار له تنفيذ عالي الأداء على Ascend. المستودع منشور على GitHub ضمن مشروع tile-ai.
حول اللغة تصطف خمس مكتبات للحوسبة والاتصال تقدّمها DeepSeek كقدرات قابلة لإعادة الاستخدام عبر أعباء عمل مختلفة. تتولى مكتبة DeepGEMM-Ascend تسريع ضرب المصفوفات العامة الذي يشكّل قلب حسابات النماذج الكبيرة. وتدير مكتبة DeepEP-Ascend الاتصال عالي السرعة بين أعداد كبيرة من الشرائح في التدريب والـinference. ويوفّر TileKernels عمليات شائعة لحساب المتجهات والوصول إلى الذاكرة في معالجة البيانات، ويقدّم FlashMLA عمليات sparse attention ترفع كفاءة معالجة السياقات الطويلة، بينما يختص DeepSelect باختيار البيانات بكفاءة. المكونات الثلاثة الأخيرة منشورة بدورها تحت حساب deepseek-ai على GitHub بحسب البيان.
تقول DeepSeek إن أداء الحوسبة والاتصال في هذه المكونات يقترب من حدود العتاد نفسه في عدد من حالات الاختبار الرئيسية. لكن هذه أرقام معلنة من الشركة نفسها. فالإعلان لا يتضمن جداول benchmark ولا مقارنة مباشرة بين أداء الشيفرة على Ascend وأدائها على Nvidia، ولم يتسنَّ التحقق من الادعاء بشكل مستقل. ويبقى فرق جوهري: الاقتراب من سقف شريحة ما لا يعني بلوغ سقف شريحة أقوى منها.
المنطق الاستراتيجي أوضح من الأرقام. بحسب Geopolitechs، تبني DeepSeek طبقة تجريد بين النموذج والعتاد، بحيث يعمل منهج التطوير نفسه فوق Nvidia أو فوق Ascend. فإن نجحت، قد تنخفض كلفة وصعوبة نقل أعباء الذكاء الاصطناعي إلى العتاد الصيني انخفاضاً كبيراً. هذا تقدير تحليلي من النشرة، لا نتيجة مثبتة. والإشارة الأخرى أن DeepSeek تؤكد أنها لم تعمل وحدها، فقد شارك فريق Huawei بعمق طوال التطوير. ويعمل الطرفان معاً على حل supernode من 128 بطاقة مبني على شريحة Ascend 950 (وفقاً لـ DeepSeek)، مع تحسين مشترك للحوسبة والاتصال بين الشرائح. لم يُحدد الموعد بعد، ولم تُنشر المواصفات الكاملة. كما أن القصة تستند إلى مصدر وحيد هو إعلان DeepSeek نفسه ومعه قراءة Geopolitechs له، دون بيان مستقل من Huawei.
العبارة السهلة هي أن “DeepSeek تدعم شرائح Huawei”، لكنها تقلّل من حجم ما يحدث. الشركتان تحاولان حل المشكلة الأعمق: كيف يعمل العتاد والبرمجيات الصينيان معاً بكفاءة في تدريب نماذج الصف الأول. وتقديرنا أن هذا الإعلان أخطر على Nvidia من أي نموذج جديد، لأن الخندق الذي حماها كان برمجياً قبل أن يكون سيليكوناً. ومع ذلك لا تُقاس منظومة برمجية بعدد المستودعات المنشورة، بل بعدد المطورين خارج الشركة الذين يعتمدونها في عملهم الفعلي. إن كنت تكتب kernels للنماذج الكبيرة، فتجربة TileLang على Nvidia أولاً هي أرخص طريقة لتختبر بنفسك هل تنتقل هذه الطبقة بين المنصتين كما تعد DeepSeek. والشركة تقول إنها تريد أن تكون تجربتها مرجعاً لبناء منظومات سهلة الاستخدام حول طيف أوسع من شرائح الذكاء الاصطناعي. إن تحقق ذلك فلن يبقى أثره داخل الصين وحدها.
المصادر
- DeepSeek Builds for Huawei Ascend geopolitechs.org
- DeepSeek 开源昇腾基础组件 mp.weixin.qq.com
- GitHub – tile-ai/tilelang github.com
- GitHub – deepseek-ai/DeepGEMM-Ascend github.com
- GitHub – deepseek-ai/DeepEP-Ascend github.com
