DeepSeek e Huawei attaccano uno dei vantaggi più profondi di Nvidia: l'ecosistema software. TileLang, librerie open source e supernodi Ascend puntano a costruire una piattaforma AI cinese completa.
Per anni il vantaggio di Nvidia non è stato soltanto nei chip. È stato nel linguaggio con cui milioni di sviluppatori hanno imparato a usarli. Adesso la Cina sta provando ad attaccare proprio quel fossato.
Il trenta settembre duemilaventisei DeepSeek ha annunciato una collaborazione con Huawei per sviluppare e rendere open source strumenti software ottimizzati per gli acceleratori Ascend. È un passaggio meno spettacolare del lancio di una nuova GPU, ma potenzialmente più importante: senza software, librerie e strumenti di programmazione, anche un chip potente rischia di restare silicio sottoutilizzato.
Il nome da ricordare è TileLang, un linguaggio di alto livello nato per semplificare la scrittura di kernel AI ad alte prestazioni. DeepSeek lo presenta come uno strumento capace di ridurre la complessità del codice e di adattarsi a hardware differenti, compresi gli Ascend di Huawei.
La nuova battaglia dell’AI riguarda anche il software capace di trasformare il silicio in prestazioni. Ricostruzione editoriale originale Alfa Network.
Il vero impero di Nvidia si chiama CUDA
CUDA esiste dal duemilasette. In quasi vent'anni Nvidia ha costruito intorno alle proprie GPU un ecosistema di compilatori, librerie matematiche, strumenti di debug, framework e documentazione. È una delle ragioni per cui sostituire una GPU Nvidia non equivale semplicemente a comprare un altro acceleratore.
Un laboratorio con migliaia di righe di codice CUDA, personale formato e procedure ottimizzate sostiene un costo reale quando cambia piattaforma. Le restrizioni statunitensi all'esportazione di acceleratori avanzati verso la Cina hanno quindi creato un problema doppio: Pechino deve produrre hardware competitivo, ma anche costruire l'ambiente software necessario a utilizzarlo.
DeepSeek apre la cassetta degli attrezzi
Secondo Reuters, la collaborazione comprende infrastruttura di programmazione open source per Ascend, incluse librerie di calcolo e comunicazione. DeepSeek vuole permettere agli sviluppatori di ottimizzare modelli e operatori senza dipendere dall'ecosistema Nvidia.
TileLang lavora a un livello più alto rispetto alla programmazione manuale dei kernel. Lo sviluppatore descrive operazioni su blocchi, o tile, di dati e il compilatore traduce quella logica verso l'hardware sottostante. L'obiettivo è ottenere prestazioni elevate con meno codice specifico.
Definire TileLang “il CUDA cinese” sarebbe prematuro. CUDA è un ecosistema maturo e vastissimo. TileLang è un tassello di una piattaforma ancora in costruzione. Ma è esattamente il tipo di tassello che mancava.
Centoventotto chip diventano un supernodo
Il software arriva mentre Huawei amplia la propria architettura hardware. La soluzione citata nella collaborazione utilizza un supernodo composto da centoventotto Ascend 950, progettati per lavorare insieme come una singola risorsa di calcolo molto più grande.
Quando il singolo acceleratore non basta, il problema si sposta sull'interconnessione. La velocità con cui centinaia di chip si scambiano dati diventa importante quasi quanto la potenza del chip stesso. Per addestrare modelli enormi bisogna distribuire tensori, sincronizzare gradienti e impedire che la rete diventi il collo di bottiglia.
I supernodi trasformano decine o centinaia di acceleratori in un'unica macchina logica. Ricostruzione editoriale originale Alfa Network.
Perché DeepSeek è il partner giusto
DeepSeek ha già mostrato una forte attenzione all'efficienza dell'inferenza e dell'addestramento. Questa necessità è particolarmente forte in Cina, dove l'accesso alle GPU Nvidia più avanzate è limitato. Se non si può semplicemente comprare la macchina più veloce, diventa conveniente spremere ogni percentuale di utilizzo da quella disponibile.
È qui che hardware e software iniziano a fondersi. Un acceleratore meno potente sulla carta può recuperare parte del divario se compilatore, kernel e comunicazioni sono progettati specificamente per lui. Al contrario, un ottimo chip con software immaturo può risultare molto meno competitivo nel mondo reale.
Open source come arma industriale
La scelta di aprire parte dell'infrastruttura è una strategia di adozione. Un ecosistema alternativo ha bisogno di sviluppatori, università, startup e aziende che lo provino, trovino errori e costruiscano strumenti.
Il codice aperto riduce la barriera d'ingresso. Se TileLang e le librerie Ascend diventassero sufficientemente comodi, un progetto AI potrebbe essere scritto fin dall'inizio per funzionare su più famiglie di acceleratori. Per Nvidia il rischio maggiore non è perdere una vendita, ma perdere il momento in cui uno sviluppatore decide quale piattaforma imparare.
Non è ancora la fine di CUDA
Nvidia mantiene un vantaggio enorme nella maturità degli strumenti, nel supporto dei framework, nella documentazione, nell'hardware e nella diffusione internazionale. Non esistono ancora benchmark indipendenti sufficienti per affermare che questa nuova catena software eguagli CUDA su una gamma ampia di carichi reali.
La novità è un'altra: la Cina non sta più tentando soltanto di costruire una GPU nazionale. Sta costruendo l'intero ambiente necessario perché quella GPU possa vivere senza Nvidia.
La prossima guerra dei chip si combatterà nel codice
Un ecosistema tecnologico è fatto di chip, memoria, reti, compilatori, linguaggi, librerie e persone che sanno usarli. Se manca uno solo di questi strati, l'indipendenza rimane incompleta.
CUDA ha impiegato quasi vent'anni a costruire il proprio vantaggio. Huawei e DeepSeek non lo cancelleranno con un comunicato stampa. Ma hanno identificato il punto esatto da attaccare.
E per la prima volta la sfida cinese all'AI americana non passa soltanto dal silicio. Passa dal codice che decide cosa quel silicio è capace di fare.
Donald – Alfa Network