DeepSeek ajuda Huawei a desenhar chips: o que muda na disputa com a Nvidia

RESUMO ＋

A DeepSeek participa do desenvolvimento de chips da Huawei, segundo o The Information. A colaboração busca aproximar o desenho dos processadores das necessidades dos modelos de inteligência artificial. Documentação pública já mostra ferramentas da startup adaptadas à família Ascend 950. A adaptação envolve tanto os cálculos quanto a comunicação entre processadores. O avanço amplia as alternativas chinesas à Nvidia, mas não demonstra uma substituição completa de sua tecnologia.

---

A DeepSeek está ajudando a Huawei a desenvolver chips de inteligência artificial adaptados a seus modelos, segundo reportagem do The Information divulgada nesta segunda-feira, 19. A aproximação busca reduzir a dependência de processadores da Nvidia no treinamento de novas IAs.

De acordo com o relato, engenheiros da Huawei trabalham nos escritórios da startup e incorporam sugestões sobre cálculos e transferência de dados entre processadores. A DeepSeek pretende começar a usar o Ascend 950DT para treinamento já no fim de 2026.

O movimento aproxima duas partes que precisam funcionar juntas: o modelo de IA e o equipamento que o executa. Para uma desenvolvedora como a DeepSeek, que ampliou sua oferta com o DeepSeek V4, participar dessa definição permite levar as necessidades do software ao projeto do chip.

Por que desenhar o chip junto faz diferença

Uma IA de grande porte distribui trabalho entre muitos processadores. Além de fazer contas, eles precisam trocar dados: um chip pode ficar esperando informações de outro, mesmo tendo capacidade para continuar calculando.

A documentação técnica da DeepSeek mostra esforços nas duas frentes. O DeepGEMM-Ascend reúne rotinas de cálculo adaptadas aos chips Huawei. Já o DeepEP-Ascend organiza a comunicação entre processadores, com recursos para treinamento e para gerar respostas, etapa chamada de inferência.

O desempenho depende tanto das contas que cada chip faz quanto da velocidade com que os dados circulam.

O DeepGEMM-Ascend registra lançamento em 30 de setembro e validação na família Ascend 950. São ferramentas públicas que permitem a outros desenvolvedores examinar e aproveitar esse trabalho.

O desafio de sair do ambiente da Nvidia

Trocar o processador também exige adaptar os programas. A Nvidia oferece o CUDA, plataforma que reúne compiladores, bibliotecas de cálculo e ferramentas para desenvolver e testar aplicações em seus chips. Esse conjunto permite que equipes aproveitem soluções prontas, sem construir tudo do zero.

O TileLang atua em uma parte desse problema: facilita escrever rotinas para diferentes processadores. Seu repositório registra suporte nativo ao Ascend 950 desde 30 de setembro, além de compatibilidade com Nvidia e outros fabricantes. A proposta ajuda a ampliar as opções de hardware, mas não substitui sozinha toda a plataforma CUDA.

Mudar de fornecedor de chips também significa adaptar o software que faz a IA funcionar.

Onde a parceria está agora

As ferramentas mostram avanços concretos, com ressalvas. O DeepEP-Ascend informa que seus resultados foram medidos com uma configuração experimental fornecida à DeepSeek e ajustada manualmente. Esses testes de componentes não demonstram, por si só, o desempenho do treinamento de um modelo completo.

A colaboração ocorre em meio às restrições de acesso a processadores americanos e aos gargalos chineses na produção de semicondutores. Adaptar chips e programas é uma etapa dessa busca por alternativas. Para transformar o trabalho em substituição efetiva, será preciso combinar a integração técnica com equipamentos disponíveis em escala.

---

Perguntas frequentes

O que DeepSeek e Huawei estão desenvolvendo? ＋

Segundo o The Information, a startup participa do desenho de chips adaptados a seus modelos. Repositórios públicos também mostram ferramentas da DeepSeek para processadores Huawei.

Quando a DeepSeek pretende usar o Ascend 950DT? ＋

A reportagem aponta o fim de 2026 como possibilidade para começar o treinamento. Trata-se de um plano, não de uma migração integral comprovada.

Qual é a diferença entre treinamento e inferência? ＋

Treinamento é o processo de desenvolver o modelo. Inferência é o uso desse modelo para produzir respostas.

O que fazem DeepGEMM-Ascend e DeepEP-Ascend? ＋

O DeepGEMM-Ascend executa cálculos matemáticos usados em IA. O DeepEP-Ascend cuida da comunicação entre processadores em operações de treinamento e inferência.

O TileLang substitui o CUDA da Nvidia? ＋

O TileLang facilita escrever rotinas para diferentes processadores, incluindo Nvidia e Huawei. Isso não equivale a substituir toda a plataforma CUDA, que reúne diversos recursos para desenvolvedores.

Por que os testes ainda exigem cuidado? ＋

O DeepEP-Ascend informa que usou uma configuração experimental ajustada manualmente. Medir componentes isolados não demonstra o desempenho do treinamento de um modelo completo.