A DeepSeek abriu o código de um conjunto completo de ferramentas de software voltado aos chips Ascend, da Huawei. Cada componente tem um equivalente do que a empresa já havia liberado para o hardware da Nvidia.
DeepSeek abre seu software para os chips Huawei Ascend
A DeepSeek publicou como código aberto uma série de componentes de infraestrutura feitos para a plataforma Ascend, da Huawei. O pacote cobre desde linguagem de programação até bibliotecas de comunicação entre vários dispositivos. Cada peça tem correspondência direta com o que a empresa já havia lançado para as GPUs da Nvidia.
Programar para Ascend fica menos penoso. Antes, boa parte do trabalho exigia mexer em código de baixo nível, específico de cada hardware. Agora, desenvolvedores ganham ferramentas de mais alto nível para tarefas que antes eram manuais e repetitivas.
Por que isso importa tanto? Porque o software, não o chip, é o que prende os desenvolvedores a uma plataforma.
Vale lembrar o contexto. A Nvidia domina o mercado de chips para IA apoiada sobretudo no CUDA, seu conjunto de ferramentas de software. É esse software, mais até do que o hardware, que prende desenvolvedores ao ecossistema da empresa. Tornar o Ascend programável com ferramentas equivalentes é justamente o que reduz essa dependência.
TileLang e as bibliotecas do pacote
O componente mais citado é o TileLang, uma linguagem e compilador de alto nível. Em vez de escrever cálculos de baixo nível, o desenvolvedor descreve o que quer que o modelo faça, e o compilador cuida de traduzir isso para o chip. A DeepSeek informou que grande parte das operações usadas no treinamento do seu modelo V4 já foi implementada com essa ferramenta.
Além dele, o pacote traz bibliotecas com funções específicas. O DeepGEMM cuida de operações de multiplicação de matrizes, o tipo de cálculo que domina o treinamento de modelos. O DeepEP trata da comunicação entre muitos dispositivos ao mesmo tempo, essencial quando o trabalho é dividido entre centenas de chips. Há ainda o TileKernels, para operações de vetores e acesso à memória, o FlashMLA, voltado à atenção de contexto longo, e o DeepSelect, para seleção eficiente de dados.
O número que a DeepSeek destaca é ambicioso: a biblioteca DeepGEMM Ascend chegaria a 99,8% do limite físico do hardware nas operações de matriz, e o MegaMoE a 98%. Vale tratar esses valores com cautela. São resultados divulgados pela própria empresa, sem verificação independente até agora. E "limite do hardware" é uma medida que depende de como cada teste é montado.
O que já está aberto
- TileLang para programação de alto nível
- DeepGEMM para multiplicação de matrizes
- DeepEP para comunicação entre dispositivos
- FlashMLA para atenção de contexto longo
O que ainda inspira dúvida
- Os percentuais de limite do hardware não são verificados de forma independente
- Desempenho real em cargas de produção ainda não foi demonstrado
- Adoção por outros times além da própria DeepSeek é incerta
Por que os chips Ascend importam
Os chips Ascend são a aposta da Huawei para processar cargas de inteligência artificial. À medida que empresas buscam alternativas ao hardware da Nvidia, ter uma pilha de software madura deixa de ser detalhe e passa a ser condição para que a alternativa seja viável.
O ponto central é o software. Um chip sem ferramentas boas é difícil de usar, por mais potente que seja. Ao abrir componentes de nível equivalente ao do concorrente, a DeepSeek reduz uma barreira que historicamente segurou plataformas rivais. O código aberto também convida outros desenvolvedores a testar, corrigir e melhorar o que foi publicado. Isso acelera a evolução.
A leitura não precisa ir além do técnico. O que está em jogo, no curto prazo, é se desenvolvedores conseguem treinar e rodar modelos em Ascend sem depender de ferramentas da Nvidia. Se conseguirem, o caminho fica mais curto para quem quer reduzir essa dependência. Se não, o anúncio fica no papel.
O que observar daqui para frente
O sucesso desse pacote depende de adoção. Código aberto só ganha valor quando outras pessoas o usam, apontam falhas e enviam correções. Até agora, quem divulgou os resultados foi a própria DeepSeek, e ainda não há sinal claro de que times externos estejam adotando as bibliotecas em produção. Os percentuais de desempenho no Ascend merecem acompanhamento independente antes de virarem referência. Para quem desenvolve IA, vale acompanhar o repositório no GitHub e testar se as ferramentas funcionam no seu caso de uso.
