DeepSeek se acerca a la hoja de ruta de chips de Huawei
Según informes, DeepSeek está contribuyendo al diseño de los futuros chips de inteligencia artificial de Huawei. Ingenieros de Huawei trabajan desde las oficinas del desarrollador de IA e incorporan sus requisitos a los diseños de los procesadores. La colaboración abarca dos tareas que determinan la rapidez con que pueden aprender los grandes sistemas de IA: realizar cálculos y transferir datos entre chips.
Contenido
- DeepSeek se acerca a la hoja de ruta de chips de Huawei
- Qué busca DeepSeek en el hardware
- Las fechas clave
- Por qué importan las herramientas de programación
- La brecha de rendimiento sigue siendo amplia
- La respuesta de Huawei: un sistema compartido de mayor tamaño
- Cómo interpretar los distintos tamaños de sistema
- Energía, fiabilidad y la prueba del entrenamiento real
- Puntos clave
La información, publicada el 20 de octubre de 2026 y basada en dos personas anónimas familiarizadas con el trabajo, describe una relación más estrecha que una simple compra de procesadores. DeepSeek prevé empezar a entrenar modelos con los chips Ascend 950DT de Huawei a finales de 2026, mientras que, según los informes, Huawei planea darle acceso prioritario a la mayoría de sus chips Ascend 960DT de próxima generación durante el primer trimestre de 2027.
Huawei ya publicó un calendario para esos nuevos procesadores. Su anuncio tecnológico de septiembre, presentado en Huawei Connect, en Shanghái, señala que el Ascend 960DT estará disponible en el primer trimestre de 2027 y el Ascend 960PR, en el tercero. Sigue pendiente la confirmación pública del acuerdo de diseño de chips con DeepSeek del que se ha informado.
El trabajo se basa en una alianza que DeepSeek anunció el 30 de septiembre para desarrollar herramientas de programación para los procesadores de Huawei. El proyecto de software y la colaboración en hardware de la que se ha informado muestran cómo las empresas intentan integrar más estrechamente los modelos de IA chinos y los chips chinos, reduciendo su dependencia de la tecnología de Nvidia.
Qué busca DeepSeek en el hardware
Según los informes, los ingenieros de Huawei han pasado un periodo prolongado en las oficinas de DeepSeek y han tenido en cuenta las necesidades y sugerencias de la empresa al tomar decisiones sobre el diseño de los chips. Su trabajo abarca tanto la forma en que los modelos realizan cálculos como la manera en que los procesadores intercambian información.
Entrenar un modelo de IA implica procesar ejemplos repetidamente y ajustar los parámetros numéricos que determinan sus respuestas. En un modelo muy grande, miles de procesadores deben compartir ese trabajo. Un chip rápido puede perder un tiempo valioso si la información no circula con suficiente rapidez entre los procesadores.
La participación de DeepSeek ofrece a Huawei comentarios de una empresa que desarrolla sistemas de IA exigentes. Así, las decisiones sobre métodos de cálculo, memoria y comunicación pueden evaluarse en conjunto, en lugar de obligar a los desarrolladores de software a adaptarse a un procesador ya terminado.
Según la información sobre la colaboración, DeepSeek sigue buscando acceso a procesadores avanzados de Nvidia. Por tanto, su estrategia combina el desarrollo de una alternativa nacional con los esfuerzos por obtener el hardware que ya es esencial para entrenar modelos avanzados.
Las fechas clave
El calendario publicado por Huawei y el anuncio de software de DeepSeek ofrecen varios hitos concretos. Los planes de entrenamiento de modelos de los que se ha informado prolongan esa secuencia hasta 2027.
- 17 de septiembre de 2026: Huawei anunció en Huawei Connect, en Shanghái, la actualización de su hoja de ruta Ascend y el Atlas 960E SuperPoD.
- 30 de septiembre de 2026: DeepSeek anunció infraestructura de programación para la plataforma Ascend de Huawei y describió un trabajo conjunto en un sistema con 128 chips Ascend 950.
- 20 de octubre de 2026: Se conocieron detalles sobre la incorporación de los requisitos de DeepSeek a los futuros diseños de chips de Huawei.
- Para finales de 2026: Según los informes, DeepSeek prevé empezar a entrenar modelos con procesadores Ascend 950DT.
- Primer trimestre de 2027: Huawei afirma que el Ascend 960DT estará disponible; según los informes, DeepSeek tendrá acceso prioritario.
- Tercer trimestre de 2027: Huawei afirma que el Ascend 960PR estará listo; después llegarán el Ascend 970 en 2028 y el Ascend 980 en 2029.
Huawei afirma que el calendario del 960DT se adelanta tres trimestres a su hoja de ruta original. Un portavoz de la empresa también había indicado que el lanzamiento estaba previsto para el tercer trimestre de 2027, lo que supondría adelantarlo dos trimestres, hasta el primero. Ambas descripciones apuntan al mismo nuevo periodo de disponibilidad.
David Wang, vicepresidente y presidente rotativo de Huawei, expuso en su discurso de septiembre el ritmo que la empresa pretende mantener.
«Estamos desarrollando nuestra serie de chips Ascend a un ritmo de una generación por año», dijo Wang.
El calendario ofrece a los desarrolladores una sucesión de objetivos de hardware para su trabajo de software. Para DeepSeek, el plazo más próximo consiste en lograr que los modelos funcionen de manera eficaz en el hardware Ascend 950 antes de la llegada de los nuevos procesadores.
Por qué importan las herramientas de programación
En su anuncio del 30 de septiembre, DeepSeek describió infraestructura de programación para Ascend, incluido TileLang y bibliotecas para cálculo y comunicación. La empresa afirmó que Huawei ofreció pleno apoyo y que ambas compañías desarrollaron conjuntamente una solución de supernodo basada en 128 chips Ascend 950.
Un supernodo agrupa procesadores para que puedan trabajar en estrecha coordinación. Las bibliotecas proporcionan software reutilizable para realizar cálculos y transferir información entre chips, lo que reduce la cantidad de infraestructura básica que los desarrolladores deben crear por su cuenta.
TileLang es un lenguaje de programación diseñado para ayudar a los desarrolladores a expresar cálculos de IA de forma eficiente. DeepSeek afirmó que puede simplificar el código y mejorar la eficiencia del desarrollo, y lo describió como un modelo de programación más sencillo que CUDA, de Nvidia.
CUDA es fundamental para la posición de Nvidia porque los desarrolladores utilizan sus herramientas de programación y bibliotecas de software para ejecutar cargas de trabajo en los procesadores de la empresa. Trasladar un sistema de IA a otro chip implica adaptar ese software, además de obtener nuevo hardware.
La decisión de DeepSeek de publicar como código abierto su infraestructura para Ascend permite que otros desarrolladores la examinen y adapten. Su atractivo práctico reside en el trabajo compartido: las mejoras de las herramientas comunes pueden ayudar a más de un desarrollador de modelos a utilizar la misma plataforma de procesadores.
Huawei afirma que su ecosistema Ascend, más amplio, ya es compatible con más de 90 grandes proyectos externos de código abierto, entre ellos PyTorch, Triton, vLLM y veRL. También señala que Ascend cuenta con soporte oficial como plataforma de aceleración de PyTorch, lo que ofrece a los desarrolladores que usan ese marco de aprendizaje automático otra vía para trabajar con hardware de Huawei.
La brecha de rendimiento sigue siendo amplia
El instituto de investigación Epoch AI estima que los chips B300 de Nvidia ofrecen un rendimiento aritmético bruto aproximadamente siete veces mayor que el de los procesadores Ascend 950 de Huawei. Esa comparación cuantifica el desafío que afrontan DeepSeek y Huawei al intentar que el hardware nacional sea adecuado para las tareas de entrenamiento más exigentes.
El rendimiento aritmético bruto mide la cantidad de cálculos que puede realizar un procesador. El tiempo necesario para entrenar un modelo completo también depende de la memoria, la comunicación, la eficiencia del software y la capacidad del sistema en su conjunto para funcionar de forma fiable.
Según la información sobre los planes de DeepSeek, entrenar un modelo con capacidades de vanguardia en IA podría requerir más de 10.000 chips de Huawei funcionando en conjunto durante semanas. Por tanto, producir suficientes chips y mantener en funcionamiento una instalación de tal tamaño son aspectos fundamentales del proyecto.
Huawei afirma que el rendimiento de la generación Ascend 960 se duplicará, tal como estaba previsto. La empresa también invierte en formas de conectar muchos procesadores de manera eficiente, por lo que el diseño del sistema informático completo es una parte importante de sus esfuerzos por competir con Nvidia.
La respuesta de Huawei: un sistema compartido de mayor tamaño
Según la empresa, el Atlas 960E SuperPoD de Huawei puede ampliarse hasta incluir 4.096 unidades de procesamiento neuronal, o NPU. Una NPU es un procesador diseñado para realizar cálculos de IA. Huawei afirma que el sistema ofrece un rendimiento de cálculo de 8 EFLOPS en FP8 y hasta un petabyte de memoria de gran ancho de banda.
En términos más sencillos, Huawei propone un grupo de procesadores de IA estrechamente conectados y con una gran reserva compartida de memoria rápida. FP8 se refiere a un formato numérico de ocho bits que se utiliza en cálculos de IA adecuados para ello, mientras que un exaflop equivale a un quintillón de operaciones aritméticas por segundo.
Huawei define un SuperPoD como un conjunto de varios nodos de computación conectados mediante enlaces rápidos y con direccionamiento unificado de memoria, de modo que funcionan como un único ordenador lógico. Su tecnología UnifiedBus conecta los componentes de computación, almacenamiento y otros elementos dentro de ese sistema más amplio.
Huawei afirma que la comunicación representa más del 40 % del tiempo de entrenamiento en las arquitecturas de servidores tradicionales empleadas en grandes clústeres. Las simulaciones de su Markov Lab concluyeron que un clúster con 100.000 NPU, formado por SuperPoD de unas 4.000 NPU cada uno, podría alcanzar una utilización de la capacidad de cómputo 2,75 veces mayor que un clúster construido con servidores de ocho NPU cada uno.
El resultado procede de una simulación de Huawei y ayuda a entender la prioridad de diseño de la empresa: conseguir que los procesadores dediquen más tiempo a calcular y menos a esperarse unos a otros.
Cómo interpretar los distintos tamaños de sistema
Huawei ha hablado de varias escalas de equipos de computación. Se ha descrito que su Atlas 950 SuperCluster conecta hasta 256.000 tarjetas aceleradoras. El anuncio de septiembre presenta una arquitectura más reciente que conecta hasta 512.000 NPU, o hasta un millón con una configuración de red ampliada.
Esas cifras de clústeres se refieren a conjuntos de sistemas interconectados. La especificación de 4.096 NPU corresponde a un Atlas 960E SuperPoD dentro de los planes de infraestructura de Huawei.
La analista de tecnología china Rui Ma también destacó el cambio entre una configuración del Atlas 960 SuperPoD anunciada anteriormente, con 15.488 chips, y el nuevo sistema anunciado, con 4.096. La especificación oficial actual de Huawei identifica este último sistema como Atlas 960E SuperPoD.
Para los compradores, la tarea práctica consiste en elegir una generación de procesadores y una configuración de sistema que se ajusten al trabajo previsto. Una red anunciada como más grande permite conectar más procesadores, mientras que la velocidad y la fiabilidad de sus conexiones determinan la eficacia con que trabajan juntos.
Energía, fiabilidad y la prueba del entrenamiento real
Huawei afirma que el Atlas 960E utiliza 5.500 unidades de interconexión óptica Hi-ONE, en lugar de los 48.000 módulos ópticos que exigiría una configuración de conexión tradicional. Su tecnología de óptica cercana al encapsulado emplea luz para transportar datos por conexiones compactas situadas cerca del hardware de computación.
La empresa afirma que este diseño reduce el consumo energético en más de 550 kilovatios, duplica el tiempo de funcionamiento del sistema sin fallos y alcanza una disponibilidad del 99,8 %. Estas son las especificaciones que Huawei declara para su sistema.
El entrenamiento que propone DeepSeek pondría a prueba la relación entre chips, software y conexiones durante cargas de trabajo prolongadas. Una sesión de entrenamiento que dure semanas exige que toda la instalación siga intercambiando datos y avanzando, no solo que alcance brevemente una alta velocidad de cálculo.
Huawei afirma que más de 40 modelos ya se han entrenado de forma nativa en Ascend y en su plataforma de software CANN. CANN, sigla de Compute Architecture for Neural Networks (arquitectura de computación para redes neuronales), proporciona software básico que ayuda a las aplicaciones de IA a utilizar los procesadores Ascend.
La contribución de DeepSeek suma a un destacado desarrollador de modelos a este esfuerzo, tanto en la programación como en la etapa de diseño de chips de la que se ha informado. Los próximos hitos son el uso previsto del Ascend 950DT por parte de DeepSeek para finales de 2026 y la disponibilidad prometida del 960DT por Huawei en el primer trimestre de 2027. Esos pasos mostrarán con qué rapidez puede pasar la colaboración de las herramientas y el trabajo de diseño al entrenamiento sostenido en hardware chino.
Puntos clave
- Según los informes, DeepSeek contribuye al diseño de los futuros chips de IA de Huawei, incluidas sus capacidades de cálculo y transferencia de datos.
- Las empresas ya anunciaron herramientas de programación y un trabajo conjunto en un sistema con 128 chips Ascend 950.
- Según los informes, DeepSeek prevé empezar a entrenar con el Ascend 950DT para finales de 2026.
- Huawei afirma que el Ascend 960DT estará disponible en el primer trimestre de 2027 y el Ascend 960PR, en el tercero.
- Epoch AI estima que el B300 de Nvidia tiene un rendimiento aritmético bruto aproximadamente siete veces mayor que el Ascend 950.
- La respuesta de Huawei combina nuevos chips, software de código abierto y sistemas conectados de mayor tamaño, incluido el Atlas 960E SuperPoD con hasta 4.096 NPU.
