DeepSeek und Huawei wollen mit Chipdesign und neuen KI-Tools die Abhängigkeit von Nvidia verringern

DeepSeek rückt näher an Huaweis Chip-Roadmap heran

DeepSeek soll an der Entwicklung künftiger Chips für künstliche Intelligenz von Huawei mitwirken. Huawei-Ingenieure arbeiten demnach in den Büros des KI-Entwicklers und beziehen dessen Anforderungen in das Prozessordesign ein. Die Zusammenarbeit umfasst zwei Aufgaben, die darüber entscheiden, wie schnell große KI-Systeme lernen können: Berechnungen ausführen und Daten zwischen Chips übertragen.

Der Bericht vom 20. Oktober 2026, der auf Angaben zweier mit der Arbeit vertrauter Personen beruht, beschreibt eine engere Zusammenarbeit als einen bloßen Prozessorkauf. DeepSeek will demnach spätestens Ende 2026 mit dem Training von Modellen auf Huaweis Ascend-950DT-Chips beginnen. Huawei beabsichtigt Berichten zufolge, DeepSeek im ersten Quartal 2027 bevorzugten Zugang zu den meisten seiner Ascend-960DT-Chips der nächsten Generation zu gewähren.

Huawei hat bereits einen Zeitplan für die neueren Prozessoren veröffentlicht. In seiner Technologieankündigung im September auf der Huawei Connect in Shanghai heißt es, der Ascend 960DT werde im ersten Quartal 2027 verfügbar sein, der Ascend 960PR im dritten Quartal. Eine öffentliche Bestätigung der Berichten zufolge geplanten Vereinbarung mit DeepSeek zum Chipdesign steht noch aus.

Die Arbeit baut auf einer Partnerschaft auf, die DeepSeek am 30. September zur Entwicklung von Programmiertools für Huawei-Prozessoren angekündigt hat. Das Softwareprojekt und die berichtete Hardware-Zusammenarbeit zeigen, wie die Unternehmen chinesische KI-Modelle und chinesische Chips enger aufeinander abstimmen und dadurch ihre Abhängigkeit von Nvidia-Technologie verringern wollen.

Was DeepSeek von der Hardware erwartet

Huawei-Ingenieure sollen längere Zeit in den Büros von DeepSeek gearbeitet und die Anforderungen und Vorschläge des Unternehmens bei Entscheidungen zum Chipdesign berücksichtigt haben. Ihre Arbeit umfasst sowohl die Berechnungsmethoden der Modelle als auch den Informationsaustausch zwischen Prozessoren.

Beim Training eines KI-Modells werden wiederholt Beispiele verarbeitet und die Zahlenwerte angepasst, die seine Antworten steuern. Bei sehr großen Modellen müssen Tausende Prozessoren diese Arbeit gemeinsam erledigen. Ein schneller Chip kann wertvolle Zeit verlieren, wenn Informationen nicht schnell genug zwischen den Prozessoren übertragen werden.

Durch die Beteiligung von DeepSeek erhält Huawei Rückmeldungen von einem Unternehmen, das anspruchsvolle KI-Systeme entwickelt. Entscheidungen zu Berechnungsmethoden, Speicher und Kommunikation lassen sich so gemeinsam betrachten, statt Softwareentwickler darauf zu verweisen, sich an einen fertigen Prozessor anzupassen.

Dem Bericht über die Zusammenarbeit zufolge bemüht sich DeepSeek weiterhin um Zugang zu fortschrittlichen Nvidia-Prozessoren. Der Ansatz verbindet daher die Arbeit an einer heimischen Alternative mit dem Versuch, die Hardware zu erhalten, die beim Training fortschrittlicher Modelle bereits eine zentrale Rolle spielt.

Die entscheidenden Termine

Huaweis veröffentlichter Zeitplan und DeepSeeks Softwareankündigung nennen mehrere konkrete Meilensteine. Die berichteten Pläne für das Modelltraining reichen bis ins Jahr 2027.

• 17. September 2026: Huawei stellte auf der Huawei Connect in Shanghai seine aktualisierte Ascend-Roadmap und den Atlas 960E SuperPoD vor.
• 30. September 2026: DeepSeek kündigte eine Programmierinfrastruktur für Huaweis Ascend-Plattform an und beschrieb die gemeinsame Arbeit an einem System mit 128 Ascend-950-Chips.
• 20. Oktober 2026: Es wurden Einzelheiten dazu bekannt, dass Huawei-Ingenieure die Anforderungen von DeepSeek in künftige Chipdesigns einbeziehen.
• Bis Ende 2026: DeepSeek will Berichten zufolge mit dem Modelltraining auf Ascend-950DT-Prozessoren beginnen.
• Erstes Quartal 2027: Huawei zufolge wird der Ascend 960DT verfügbar sein; DeepSeek soll bevorzugten Zugang erhalten.
• Drittes Quartal 2027: Huawei zufolge wird der Ascend 960PR bereit sein. Danach sollen 2028 der Ascend 970 und 2029 der Ascend 980 folgen.

Huawei zufolge liegt der Zeitplan für den 960DT drei Quartale vor der ursprünglichen Roadmap. Ein Unternehmenssprecher nannte zudem als zuvor geplanten Marktstart das dritte Quartal 2027. Damit wäre der Start im ersten Quartal eine Beschleunigung um zwei Quartale. Beide Angaben verweisen auf denselben neuen Verfügbarkeitszeitraum.

David Wang, stellvertretender Vorsitzender und rotierender Vorsitzender von Huawei, skizzierte in seiner Keynote im September das Tempo, das sich das Unternehmen vorgenommen hat.

„Wir entwickeln unsere Ascend-Chipserie im Jahrestakt weiter“, sagte Wang.

Der Zeitplan gibt Entwicklern eine Reihe von Hardwarezielen für ihre Softwarearbeit vor. Für DeepSeek steht zunächst im Vordergrund, Modelle vor dem Eintreffen der neueren Prozessoren effektiv auf Ascend-950-Hardware zum Laufen zu bringen.

Warum die Programmiertools wichtig sind

In seiner Ankündigung vom 30. September beschrieb DeepSeek die Programmierinfrastruktur für Ascend, darunter TileLang sowie Bibliotheken für Berechnungen und Kommunikation. Das Unternehmen erklärte, Huawei habe umfassende Unterstützung geleistet und die Partner hätten gemeinsam eine Supernode-Lösung auf Basis von 128 Ascend-950-Chips entwickelt.

Ein Supernode bündelt Prozessoren, damit sie eng zusammenarbeiten können. Die Bibliotheken stellen wiederverwendbare Software für Berechnungen und den Informationsaustausch zwischen Chips bereit. So müssen Entwickler weniger grundlegende Infrastruktur selbst schreiben.

TileLang ist eine Programmiersprache, die Entwicklern helfen soll, KI-Berechnungen effizient auszudrücken. DeepSeek zufolge kann sie den Code vereinfachen und die Entwicklung effizienter machen. Das Unternehmen beschreibt sie als einfacheres Programmiermodell als Nvidias CUDA.

CUDA ist ein wesentlicher Bestandteil von Nvidias Marktposition: Entwickler nutzen die Programmiertools und Softwarebibliotheken, um Anwendungen auf Nvidia-Prozessoren auszuführen. Ein KI-System auf einen anderen Chip zu übertragen, erfordert daher neben neuer Hardware auch Anpassungen an der Software.

Indem DeepSeek seine Ascend-Infrastruktur als Open-Source-Software bereitstellt, können andere Entwickler sie einsehen und anpassen. Der praktische Vorteil ist die gemeinsame Arbeit: Verbesserungen an den allgemein verfügbaren Tools können mehreren Modellentwicklern helfen, dieselbe Prozessorplattform zu nutzen.

Huawei zufolge unterstützt das breitere Ascend-Ökosystem inzwischen mehr als 90 wichtige externe Open-Source-Projekte, darunter PyTorch, Triton, vLLM und veRL. Außerdem werde Ascend offiziell als PyTorch-Backend für Beschleuniger unterstützt. Entwicklern, die dieses Machine-Learning-Framework nutzen, steht damit ein weiterer Weg zu Huawei-Hardware offen.

Der Leistungsabstand ist weiterhin groß

Das Forschungsinstitut Epoch AI schätzt, dass Nvidias B300-Chips bei der reinen Rechenleistung ungefähr siebenmal so leistungsfähig sind wie Huaweis Ascend-950-Prozessoren. Dieser Vergleich beziffert die Herausforderung für DeepSeek und Huawei, wenn sie heimische Hardware für die anspruchsvollsten Trainingsaufgaben nutzbar machen wollen.

Die reine Rechenleistung misst, wie viele Berechnungen ein Prozessor ausführen kann. Wie lange das Training eines vollständigen Modells dauert, hängt auch vom Speicher, der Kommunikation, der Softwareeffizienz und davon ab, ob das gesamte System zuverlässig läuft.

Für das Training eines Modells an der Spitze der KI-Leistungsfähigkeit könnten laut dem Bericht zu DeepSeeks Plänen mehr als 10.000 Huawei-Chips nötig sein, die wochenlang zusammenarbeiten. Daher sind sowohl die Herstellung ausreichender Chipmengen als auch der zuverlässige Betrieb einer derart großen Installation zentrale Projektbestandteile.

Huawei zufolge soll sich die Leistung der Ascend-960-Generation wie geplant verdoppeln. Das Unternehmen investiert außerdem in effiziente Verbindungsmöglichkeiten für viele Prozessoren. Damit wird der Aufbau des Gesamtsystems zu einem wichtigen Bestandteil seines Wettbewerbs mit Nvidia.

Huaweis Antwort ist ein größerer Verbundrechner

Der Atlas 960E SuperPoD von Huawei lässt sich nach Unternehmensangaben auf bis zu 4.096 neuronale Verarbeitungseinheiten (NPUs) skalieren. Eine NPU ist ein Prozessor für KI-Berechnungen. Huawei zufolge bietet das System eine Rechenleistung von 8 EFLOPS bei FP8-Berechnungen und bis zu einem Petabyte Speicher mit hoher Bandbreite.

Vereinfacht gesagt schlägt Huawei einen eng gekoppelten Verbund von KI-Prozessoren mit einem großen gemeinsamen Pool schnellen Speichers vor. FP8 bezeichnet ein numerisches Acht-Bit-Format für geeignete KI-Berechnungen; ein Exaflop steht für eine Trillion arithmetischer Operationen pro Sekunde.

Huawei definiert einen SuperPoD als Verbund mehrerer Rechenknoten, die über schnelle Verbindungen mit einer einheitlichen Speicheradressierung verbunden sind und so wie ein einzelner logischer Computer funktionieren. Huaweis UnifiedBus-Technologie verbindet Rechenleistung, Speicher und weitere Komponenten innerhalb dieses größeren Systems.

Huawei zufolge entfallen bei herkömmlichen Serverarchitekturen für große Cluster mehr als 40 Prozent der Trainingszeit auf die Kommunikation. Simulationen des unternehmenseigenen Markov Lab ergaben, dass ein Cluster mit 100.000 NPUs, zusammengesetzt aus SuperPoDs mit jeweils rund 4.000 NPUs, eine 2,75-mal höhere Rechenauslastung erreichen könnte als ein Cluster aus Servern mit jeweils acht NPUs.

Das Ergebnis stammt aus einer Simulation von Huawei und macht die Designpriorität des Unternehmens deutlich: Die Prozessoren sollen mehr Zeit mit Berechnungen verbringen und weniger darauf warten, dass andere Prozessoren Daten liefern.

Die verschiedenen Systemgrößen im Überblick

Huawei hat über mehrere Größenordnungen von Rechensystemen gesprochen. Der Atlas 950 SuperCluster soll bis zu 256.000 Beschleunigerkarten verbinden können. Die Ankündigung im September beschreibt eine neuere Architektur, die bis zu 512.000 NPUs vernetzt, mit einer erweiterten Netzwerkanordnung sogar bis zu eine Million.

Diese Clusterangaben beziehen sich auf Verbünde miteinander vernetzter Systeme. Die Spezifikation mit 4.096 NPUs gilt für einen einzelnen Atlas 960E SuperPoD innerhalb von Huaweis Infrastrukturplänen.

Die China-Technologieanalystin Rui Ma wies außerdem auf den Unterschied zwischen einer zuvor genannten Konfiguration des Atlas 960 SuperPoD mit 15.488 Chips und dem neu angekündigten System mit 4.096 Chips hin. In Huaweis aktueller offizieller Spezifikation wird das letztere System als Atlas 960E SuperPoD bezeichnet.

Für Käufer kommt es in der Praxis darauf an, eine bestimmte Prozessorgeneration und Systemkonfiguration auf den vorgesehenen Einsatz abzustimmen. Ein größerer beworbener Verbund kann mehr Prozessoren einbinden. Wie effektiv sie zusammenarbeiten, hängt jedoch von der Geschwindigkeit und Zuverlässigkeit ihrer Verbindungen ab.

Stromverbrauch, Zuverlässigkeit und der Praxistest im Training

Huawei zufolge nutzt der Atlas 960E 5.500 optische Hi-ONE-Verbindungseinheiten statt der 48.000 optischen Module, die bei einer herkömmlichen Verbindungsanordnung erforderlich wären. Die Technologie für optische Bauteile nahe dem Chip nutzt Licht, um Daten über kompakte Verbindungen in unmittelbarer Nähe der Rechenhardware zu übertragen.

Das Unternehmen gibt an, dass diese Konstruktion den Stromverbrauch um mehr als 550 Kilowatt senkt, die Betriebszeit des Systems bis zum Auftreten eines Fehlers verdoppelt und eine Verfügbarkeit von 99,8 Prozent erreicht. Dabei handelt es sich um die von Huawei genannten Systemspezifikationen.

Das geplante Training von DeepSeek würde das Zusammenspiel von Chips, Software und Verbindungen bei anhaltender Belastung auf die Probe stellen. Bei einem mehrwöchigen Trainingslauf muss die gesamte Installation kontinuierlich Daten austauschen und Fortschritte erzielen. Es reicht nicht, kurzfristig eine hohe Rechenleistung zu erreichen.

Huawei zufolge wurden bereits mehr als 40 Modelle nativ auf Ascend und der Softwareplattform CANN trainiert. CANN steht für Compute Architecture for Neural Networks und stellt zentrale Software bereit, über die KI-Anwendungen Ascend-Prozessoren nutzen können.

Mit seinem Beitrag beteiligt sich ein prominenter Modellentwickler sowohl an der Programmierung als auch, Berichten zufolge, am Chipdesign. Die nächsten Meilensteine sind der geplante Einsatz des Ascend 950DT durch DeepSeek bis Ende 2026 und Huaweis Zusage, den 960DT im ersten Quartal 2027 verfügbar zu machen. Diese Schritte werden zeigen, wie schnell die Partnerschaft von Werkzeugen und Designarbeit zu dauerhaftem Training auf chinesischer Hardware übergehen kann.

Die wichtigsten Punkte

• DeepSeek soll Huawei dabei helfen, künftige KI-Chips zu entwickeln, darunter deren Fähigkeiten für Berechnungen und Datenübertragung.
• Die Unternehmen haben bereits Programmiertools und die gemeinsame Arbeit an einem System mit 128 Ascend-950-Chips angekündigt.
• DeepSeek will Berichten zufolge bis Ende 2026 mit dem Training auf Ascend 950DT beginnen.
• Huawei zufolge wird der Ascend 960DT im ersten Quartal 2027 und der Ascend 960PR im dritten Quartal verfügbar sein.
• Epoch AI schätzt, dass Nvidias B300 bei der reinen Rechenleistung ungefähr siebenmal so leistungsfähig ist wie der Ascend 950.
• Huaweis Antwort verbindet neuere Chips mit offener Software und größeren vernetzten Systemen, darunter dem Atlas 960E SuperPoD mit bis zu 4.096 NPUs.