در تحولی راهبردی که بازار هوش مصنوعی جهان را تحت تأثیر قرار داده است، شرکت DeepSeek با همکاری مستقیم هواوی، مجموعه‌ای از ابزارهای برنامه‌نویسی متن‌باز را برای شتاب‌دهنده‌های سری Ascend معرفی کرد. این اقدام که در مهرماه ۱۴۰۳ (سپتامبر ۲۰۲۴) رسانه‌ای شد، با هدف کاهش وابستگی اکوسیستم توسعه‌دهندگان به پلتفرم CUDA انویدیا و بهره‌برداری حداکثری از توان سخت‌افزاری پردازشگرهای بومی چین صورت گرفته است.
معماری محاسباتی و چالش‌های مقیاس‌پذیری
یکی از بزرگ‌ترین موانع در توسعه مدل‌های زبانی بزرگ (LLM)، مدیریت کارآمد محاسبات در خوشه‌های پردازشی چندگانه است. هواوی و دیپ‌سیک با بهینه‌سازی «سوپرنودهای» متشکل از ۱۲۸ تراشه Ascend 950، دو چالش اصلی یعنی محاسبات ماتریسی سنگین و ارتباط بین‌تراشه‌ای (Inter-chip Communication) را هدف قرار داده‌اند. این همکاری منجر به پیاده‌سازی زیرساختی شده است که می‌تواند ترافیک داده‌ای میان پردازنده‌ها را با حداقل تأخیر مدیریت کند تا نرخ بهره‌وری شتاب‌دهنده‌ها به حداکثر برسد.
ابزارهای تخصصی: DeepGEMM و DeepEP
هسته اصلی این انتشارات، دو کتابخانه کلیدی است که دقیقاً برای معماری Ascend بهینه‌سازی شده‌اند:
- DeepGEMM-Ascend: این کتابخانه وظیفه محاسبات سنگین ضرب ماتریس را بر عهده دارد و از فرمت‌های عددی مدرن شامل BF16، FP8 و FP4 پشتیبانی می‌کند. رابط‌های برنامه‌نویسی این ابزار با نسخه پیشین آن برای پلتفرم‌های دیگر یکسان طراحی شده تا توسعه‌دهندگان بتوانند بدون تغییر در منطق کد، به محیط Ascend مهاجرت کنند.
- DeepEP-Ascend: این ماژول برای مدیریت ارتباطات در فرآیندهای آموزش و استنتاج مدل‌های «ترکیب متخصصان» (MoE) حیاتی است. وظیفه اصلی آن مسیریابی داده‌ها میان متخصص‌های مختلف مدل و تجمیع خروجی‌ها با بالاترین سرعت ممکن است.
زبان برنامه‌نویسی TileLang: جایگزینی برای CUDA
شاید مهم‌ترین بخش این اطلاعیه، گسترش پشتیبانی زبان TileLang برای تراشه‌های Ascend 950 باشد. برخلاف CUDA که اکوسیستمی بسته و انحصاری است، TileLang یک لایه برنامه‌نویسی سطح بالاتر ارائه می‌دهد که پیچیدگی‌های نوشتن کرنل‌های بهینه را به‌شدت کاهش می‌دهد. ویژگی‌های جدید این زبان شامل تولید کد خودکار، زمان‌بندی هوشمند و هماهنگ‌سازی (Synchronization) بومی برای سخت‌افزارهای هواوی است که سرعت توسعه را برای تیم‌های مهندسی به شکل محسوسی افزایش می‌دهد.
مشخصات فنی و پلتفرم‌های مرتبط
- سخت‌افزار هدف: Huawei Ascend 950 AI Processors
- پلتفرم پایه: Huawei CANN (Compute Architecture for Neural Networks)
- فرمت‌های محاسباتی: پشتیبانی از BF16, FP8, FP4
- رویکرد: کاهش انحصار CUDA و بومی‌سازی فرآیند آموزش مدل‌های MoE
چشم‌انداز آینده و استراتژی هواوی
این ابزارها در کنار پلتفرم CANN هواوی، به منزله ستون فقرات نرم‌افزاری برای سخت‌افزارهای چینی عمل می‌کنند. هواوی پیش‌بینی کرده است که سیستم‌های هوش مصنوعی مبتنی بر سوپرنودهای Ascend تا سال ۱۴۰۶ (۲۰۲۷ میلادی) به استاندارد اصلی آموزش مدل‌های سنگین در این کشور تبدیل شوند. همکاری موفق در توسعه مدل V4 دیپ‌سیک و پشتیبانی از آن در محیط Ascend، نشان‌دهنده بلوغ عملیاتی این همکاری است که می‌تواند به تدریج سلطه بی‌چون‌وچرای انویدیا بر زیرساخت‌های محاسبات ابری جهان را به چالش بکشد.
