DeepSeek ha vuelto a mover ficha. La compañía china anunció el 30 de septiembre la publicación como código abierto de los componentes fundamentales de su infraestructura para la plataforma Ascend de Huawei. Son las mismas herramientas que ya había liberado para las plataformas de Nvidia y eso no es un detalle menor.
Durante años, el dominio de Nvidia en inteligencia artificial no se ha sostenido solo sobre el hardware. Se ha sostenido sobre CUDA, su ecosistema de software. Los desarrolladores construyen sobre CUDA porque todo el mundo lo usa, y todo el mundo lo usa porque es lo que hay. Romper ese círculo vicioso es lo que llevan intentando sin éxito decenas de empresas durante una década.
DeepSeek acaba de dar un paso que podría empezar a cambiarlo.
¿Qué ha liberado exactamente?
El paquete incluye herramientas de programación, bibliotecas de computación y bibliotecas de comunicación distribuida. En concreto, la compañía ha publicado TileLang, un lenguaje de programación de operadores; DeepGEMM, para acelerar operaciones matriciales; TileKernels, para cálculos vectoriales y acceso a memoria; FlashMLA, para atención dispersa en contextos largos; DeepSelect, para filtrado eficiente de datos; y DeepEP Ascend, para comunicación entre múltiples tarjetas.
Todos ellos tienen su equivalente en la versión para Nvidia que DeepSeek ya había publicado. La diferencia es que ahora funcionan sobre hardware de Huawei.
TileLang: programar sin saber CUDA
El componente más importante es TileLang. Se trata de un lenguaje de alto nivel que permite escribir operadores —los programas que realizan operaciones matriciales y procesamiento de datos durante la ejecución de un modelo— sin tener que lidiar con las complejidades de CUDA.
DeepSeek afirma que TileLang simplifica el código y mejora la eficiencia del desarrollo, manteniendo la capacidad de optimizar para las características específicas del chip. La versión para Ascend encapsula las instrucciones de bajo nivel de Ascend C, el lenguaje nativo de Huawei, y permite a los desarrolladores escribir en lenguajes de alto nivel.
El resultado, según la compañía, es que no se compromete el rendimiento. Cada operador de TileLang utilizado en el entrenamiento de sus modelos ya cuenta con una implementación Ascend de alto rendimiento.
Y hay un detalle aún más interesante: tras añadir el backend Ascend, el mismo conjunto de interfaces Python funciona tanto en GPU de Nvidia como en NPU de Huawei. El programa selecciona el backend en tiempo de ejecución. Los desarrolladores pueden conservar las mismas llamadas y después optimizarlas para cada hardware.
Los números de rendimiento
La documentación de FlashMLA proporciona cifras concretas. En el Ascend 950, durante la etapa de prellenado del procesamiento de contexto, el operador de atención dispersa alcanzó hasta el 95% del pico teórico del hardware. En la etapa de decodificación, hasta el 83%.
Son resultados publicados por el equipo del proyecto, no verificados de forma independiente. Pero si se sostienen, sitúan a Ascend en un terreno competitivo frente a las GPU de Nvidia en cargas de trabajo de inferencia.
DeepEP, por su parte, gestiona la comunicación entre tarjetas. En pruebas con hasta 32 expertos en paralelo, el ancho de banda de distribución de datos alcanzó entre el 90% y el 95% del límite físico. Las operaciones a mayor escala aún se están optimizando.
El supernodo de 128 tarjetas
DeepSeek también reveló que ambas compañías están desarrollando conjuntamente una solución de supernodo de 128 tarjetas basada en el Ascend 950. El objetivo es optimizar de forma exhaustiva tanto la computación como la comunicación.
El equipo de Huawei participó en el soporte a la I+D de estos componentes. No se trata, por tanto, de una simple adaptación de software. Hay ingenieros de ambas empresas trabajando juntos para que el hardware y el software encajen.
Lo que aún falta
No todo está terminado. La documentación de DeepEP indica que algunas operaciones de comunicación agregadas siguen en desarrollo y que ciertas interfaces están en fase experimental.
Para las pruebas de rendimiento se utilizó un kit de desarrollo de hardware de prueba de concepto proporcionado por Huawei, con configuración manual adicional que aún no se ha distribuido públicamente. La documentación señala que el HDK comercial posterior para el Atlas 850E incluirá la configuración necesaria para alcanzar el ancho de banda completo.
Es decir, los números actuales podrían mejorar cuando el hardware definitivo esté disponible.
¿Por qué esto es importante?
El movimiento de DeepSeek no es una simple contribución al código abierto. Es un ataque directo al foso defensivo de Nvidia.
Durante años, la respuesta a “¿puedo usar Ascend en lugar de Nvidia?” ha sido siempre la misma: “Puedes, pero tendrás que reescribir todo tu software”. El coste de cambiar de plataforma era prohibitivo. No porque el hardware de Huawei fuera malo, sino porque el ecosistema de software no existía.
DeepSeek acaba de empezar a construirlo. Y lo ha hecho liberando el código para que cualquiera pueda usarlo, modificarlo y mejorarlo.
Si TileLang se convierte en un estándar para escribir operadores que funcionan en múltiples plataformas, la dependencia de CUDA se debilita. Si DeepEP permite que los clústeres de Ascend se comuniquen con la misma eficiencia que los de Nvidia, la barrera para migrar se reduce. Y si los modelos de DeepSeek se entrenan de forma nativa en Ascend, el mensaje al mercado es claro: se puede.
El contexto
China lleva años intentando reducir su dependencia de los chips de Nvidia. Las restricciones de exportación de Estados Unidos han acelerado esa búsqueda. Huawei ha respondido con sus procesadores Ascend, que han ido ganando capacidad. Pero el software seguía siendo el eslabón débil.
DeepSeek, que se ha convertido en uno de los laboratorios de IA más respetados del mundo, acaba de aportar la pieza que faltaba. No es una solución completa. Es un comienzo. Pero es un comienzo serio, con código real, números concretos y el respaldo de una empresa que ha demostrado que sabe entrenar modelos de frontera.
La pregunta ya no es si Ascend puede competir con Nvidia. La pregunta es cuánto tardará el ecosistema en darse cuenta de que la respuesta podría ser sí.
Descubre más desde CIBERED
Suscríbete y recibe las últimas entradas en tu correo electrónico.
