DeepSeek e Huawei stanno intensificando la collaborazione tecnica per sviluppare un’infrastruttura di addestramento dei modelli di intelligenza artificiale basata su processori progettati e prodotti nell’ecosistema cinese. Secondo le informazioni emerse il 19 ottobre 2026, la collaborazione non riguarda soltanto la fornitura di acceleratori, ma si estende alla progettazione dell’hardware e all’ottimizzazione dei meccanismi di calcolo e trasferimento dei dati utilizzati dai modelli DeepSeek. Huawei avrebbe destinato propri ingegneri a lavorare per periodi prolungati presso gli uffici dell’azienda, con l’obiettivo di incorporare direttamente nei processori i requisiti emersi durante lo sviluppo e l’esecuzione dei modelli AI. Questa cooperazione rappresenta un passaggio importante nel tentativo di ridurre la dipendenza tecnologica dalle GPU NVIDIA, che continuano a essere utilizzate da numerose aziende cinesi per l’addestramento dei sistemi più avanzati. Le restrizioni statunitensi all’esportazione dei semiconduttori e delle tecnologie correlate hanno infatti reso più difficile l’accesso alle piattaforme di calcolo ad alte prestazioni, aumentando l’interesse per soluzioni hardware e software sviluppate localmente.
DeepSeek prevede di utilizzare il processore Huawei Ascend 950DT per le attività di pre-training dei propri modelli di punta già entro la fine del 2026, sebbene la tempistica possa cambiare in funzione dei risultati delle verifiche tecniche ancora in corso. Huawei avrebbe inoltre intenzione di assegnare prioritariamente a DeepSeek gran parte della disponibilità iniziale di Ascend 960DT, previsto per il primo trimestre del 2027. Quest’ultimo processore dovrebbe essere impiegato sia nell’addestramento sia nell’esecuzione dei modelli, attraverso un’infrastruttura capace di supportare diverse fasi del ciclo operativo dell’intelligenza artificiale. La roadmap tecnologica indicata comprende inoltre Ascend 970 nel 2028 e Ascend 980 nel 2029, delineando un programma di aggiornamento annuale degli acceleratori. La priorità accordata a DeepSeek consentirebbe a Huawei di concentrare le prime installazioni su un utilizzatore con esigenze computazionali particolarmente elevate e di raccogliere informazioni utili per perfezionare le successive generazioni dei processori.
Uno degli elementi centrali della collaborazione è TileLang, un linguaggio di programmazione open source che permette di descrivere e ottimizzare le operazioni computazionali richieste dai modelli AI. La tecnologia viene utilizzata come alternativa ad alcuni meccanismi di programmazione legati all’ecosistema CUDA di NVIDIA, con l’obiettivo di facilitare il trasferimento dei carichi di lavoro verso acceleratori differenti. DeepSeek ha già pubblicato una versione di TileLang compatibile con i processori Ascend 950 e cinque insiemi di codice dedicati alle operazioni di calcolo e movimentazione dei dati. L’approccio non elimina completamente la necessità di adattamenti e verifiche quando un’applicazione viene trasferita da un’architettura hardware a un’altra, ma può ridurre il lavoro richiesto rispetto alla riscrittura integrale dei componenti computazionali. La compatibilità del software assume particolare importanza perché l’ecosistema CUDA rappresenta da anni uno dei principali fattori che favoriscono l’adozione continuativa delle GPU NVIDIA nei sistemi di sviluppo e addestramento dell’intelligenza artificiale.
Huawei sta inoltre lavorando all’aggregazione di numerosi processori in sistemi di calcolo di grandi dimensioni, denominati Supernode, per compensare attraverso la scala una parte delle differenze prestazionali rispetto ai chip concorrenti. Sono state riportate le prime spedizioni su larga scala di configurazioni basate su Ascend 950DT, mentre DeepSeek avrebbe già condotto prove coinvolgendo oltre mille processori. L’addestramento completo di un modello avanzato potrebbe tuttavia richiedere l’impiego simultaneo di più di 10.000 Ascend 950DT per diverse settimane, introducendo problemi di affidabilità, sincronizzazione e gestione dei guasti. L’interruzione di un singolo componente o un ritardo significativo nella comunicazione tra processori può compromettere l’efficienza dell’intero sistema distribuito, rendendo essenziali i meccanismi di tolleranza agli errori e l’ottimizzazione della rete di interconnessione.
Rimangono anche limitazioni industriali legate alla capacità produttiva dei semiconduttori e alla disponibilità delle memorie ad alta larghezza di banda. Le restrizioni introdotte dagli Stati Uniti nel 2020 hanno limitato l’accesso di Huawei ai processi produttivi di TSMC, mentre ulteriori controlli hanno interessato le tecnologie necessarie per i sistemi di calcolo AI avanzati. Secondo le stime di Epoch AI, NVIDIA B300 disporrebbe di una capacità di calcolo aritmetico di base circa sette volte superiore rispetto ad Ascend 950, e Huawei potrebbe mantenere fino al 2030 un ritardo prestazionale di tre o quattro anni rispetto ai processori NVIDIA considerati singolarmente. La strategia congiunta di DeepSeek e Huawei punta quindi a combinare sviluppo hardware dedicato, programmazione più portabile e sistemi distribuiti di grandi dimensioni, cercando di ottenere un’infrastruttura di addestramento meno esposta alle limitazioni delle forniture tecnologiche estere.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)