ديب سيك و هواوي يطلقان أدوات مفتوحة المصدر لبرمجة Ascend 950 وتقليل الاعتماد على CUDA

أعلنت ديب سيك في 30 سبتمبر 2026 عن إتاحة عامة لعدة أدوات برمجة مفتوحة المصدر، تم تطويرها بالتعاون مع هواوي، مخصصة لمعجلات Ascend 950. تُقدَّم هذه المبادرة كخطوة استراتيجية لتقليل الاحتكاك الذي يواجهه المطورون عندما يعتمدون حصريًا على نظام CUDA التابع لشركة نيفيديا، ولتوسيع مجموعة الخيارات المتاحة في مجال الأجهزة داخل مجتمع الذكاء الاصطناعي. من خلال هذا الإصدار، تسعى ديب سيك إلى تمكين المطورين من الحفاظ على سير عملهم الحالي مع إتاحة فرصة استكشاف منصات عتادية بديلة دون الحاجة إلى التخلي تمامًا عن بنية CUDA المتجذرة.

سياق نظام الذكاء الاصطناعي

على مدار عدة سنوات، رسّخ نظام CUDA نفسه كمنصة مرجعية لتدريب واستدلال النماذج الضخمة، بفضل نضجه، وتوافر مكتبات محسّنة بكثرة، وانتشار وحدات معالجة الرسوميات من نيفيديا في مراكز البيانات. هذه الهيمنة خلقت اعتمادًا هيكليًا يصعّب تبني بنى معمارية بديلة، حتى عندما تقدم تلك البدائل مزايا من حيث التكلفة أو كفاءة الطاقة. إن سيطرة CUDA تجعل الكثير من الباحثين والمطورين يضطرون إلى ضبط قواعد الشيفرة وأدواتهم وفقًا لتحسينات خاصة بنيفيديا، مما يجعل الانتقال إلى عتاد آخر يتطلب استثمارًا كبيرًا من الوقت والموارد.

الأدوات الجديدة من ديب سيك وهواوي

DeepGEMM‑Ascend هي الأولى من بين المكتبات التي تم نشرها. تُعدّ طبقة ضرب مصفوفات تدعم عمليات بدقة BF16 وFP8 وFP4، وتحتفظ بواجهات مألوفة للمستخدمين الذين يعملون بالفعل مع النسخة الأصلية من DeepGEMM. الهدف هو تمكين المطورين من ترحيل شيفراتهم مع تغييرات قليلة، مستفيدين من بنية شرائح Ascend 950 لكل من مهام التدريب والاستدلال. من خلال الحفاظ على نفس بنية الواجهة البرمجية، يتم تقليل منحنى التعلم وتسهيل تعديل المشاريع القائمة لتتوافق مع العتاد الجديد.

• BF16
• FP8
• FP4

DeepEP‑Ascend تكمل DeepGEMM من خلال تولي مهمة التواصل بين الأجهزة أثناء التدريب الموزع والاستدلال على نطاق واسع. تتضمن المكتبة روتينات لتوجيه نماذج mixture‑of‑experts، وهي تقنية توزع أجزاء من النموذج على شرائح مختلفة لتحسين الكفاءة. وفقًا للبيانات الصادرة عن الشركتين، تم تصميم الحل ليتكامل بسلاسة مع سير العمل المعتاد في PyTorch وTensorFlow، مما يسمح للمطورين بالحفاظ على خطوط الأنابيب الحالية والاستفادة من طبقة التواصل المحسّنة المصممة خصيصًا لمعالجات Ascend.

TileLang، لغة البرمجة عالية المستوى من هواوي، حصلت على دعم أصلي لمعالج Ascend 950 في هذا الإصدار. يتيح الامتداد توليد شفرة تلقائي، وتخطيط مهام آلي، ومزامنة عمليات، مما يقلل العبء اليدوي المعتاد عند تحسين الأداء للعتاد المحدد. يشير دعم TileLang المتعدد المنصات إلى أن المستخدمين يمكنهم الاستمرار في العمل مع بنى أخرى دون التخلي عن نيفيديا، رغم أن النشر لا يعني مساواة في الأداء. هذه المرونة تجعل من السهل على فرق التطوير إدارة بيئات هجينة.

الهيكلية والاختبارات على عقدة سوبر مكوّنة من 128 شريحة

للتحقق من أداء المكتبات الجديدة، أجرى كل من ديب سيك وهواوي اختبارات على عقدة سوبر مكوّنة من 128 شريحة Ascend 950. أظهرت النتائج تحسينات في كفاءة الحساب والتواصل عند استخدام DeepGEMM‑Ascend وDeepEP‑Ascend معًا، بفضل التكامل مع منصة CANN من هواوي، التي تدير تخصيص الموارد وتنسيق المهام على مستوى العتاد. أكدت هذه الاختبارات أن المجموعة المتكاملة قادرة على رفع معدل النقل والقابلية للتوسع، خصوصًا في الأحمال التي تعتمد بشكل كبير على عمليات المصفوفات وتقسيم النموذج الموزع.

على الرغم من هذه التقدّمات، توضح البيانات الصحفية أن النشر لا يعني التخلي الكامل عن نيفيديا ولا يضمن مساواة الأداء مع CUDA. لا يزال نضج نظام CUDA يمثل ميزة تنافسية، ولا تغطي المعايير المنشورة جميع أنواع الأحمال أو جميع تكوينات الشبكات. لذلك، سيتطلب اعتماد Ascend 950 تقييمات خاصة من كل مؤسسة، مع مراعاة متطلبات تطبيقاتهم الفريدة، وتوافر الخبرات، وتوافقها مع أطر البرمجيات الحالية.

الآثار على المطورين ومراكز البيانات في أمريكا اللاتينية

لفرق تطوير الذكاء الاصطناعي في المنطقة، تفتح إتاحة DeepGEMM‑Ascend وDeepEP‑Ascend ودعم TileLang إمكانية تجربة عتاد بديل دون التخلي عن سير العمل القائم على PyTorch أو TensorFlow. يمكن لمراكز البيانات التي تمتلك بنية تحتية من هواوي الآن الاستفادة من مجموعة برمجيات أكثر اكتمالًا، ما قد يترجم إلى خفض تكاليف الترخيص وزيادة تنوع الموردين. هذا التنوع يمكن أن يساعد المؤسسات على توزيع المخاطر وتحسين التحكم في التكاليف التشغيلية.

عمليًا، سيتعين على المنظمات التي تقرر اختبار معجلات Ascend 950 مراجعة خطوط أنابيب التدريب لتضمين المكتبات الجديدة، وتعديل سكريبتات التواصل الموزع، والتحقق من الأداء باستخدام مجموعاتها البيانية الخاصة. تتوقع هواوي استخدامًا واسعًا لأنظمتها في التدريب خلال عام 2027، مما يشير إلى أن الدعم والوثائق ستستمر في التطور. سيسهم هذا التطور المستمر في تسهيل الانتقال للكيانات التي تتبنى الحل في السنوات القادمة، وسيعزز بنية تحتية للذكاء الاصطناعي أكثر مرونة وتكلفة فعّالة.