DeepSeek và Huawei tìm cách giảm phụ thuộc vào Nvidia bằng hợp tác thiết kế chip và công cụ AI mới

DeepSeek tiến gần hơn tới lộ trình chip của Huawei

DeepSeek được cho là đang góp phần định hình các chip trí tuệ nhân tạo trong tương lai của Huawei, khi các kỹ sư Huawei làm việc tại văn phòng của nhà phát triển AI này và đưa các yêu cầu của họ vào thiết kế bộ xử lý. Sự hợp tác mở rộng tới hai nhiệm vụ quyết định tốc độ học của các hệ thống AI quy mô lớn: thực hiện phép tính và truyền dữ liệu giữa các chip.

Bài viết ngày 20 tháng 10 năm 2026, dựa trên lời kể của hai người giấu tên am hiểu công việc, mô tả mối quan hệ gắn bó hơn nhiều so với việc đơn thuần mua bộ xử lý. DeepSeek dự kiến bắt đầu huấn luyện mô hình bằng chip Ascend 950DT của Huawei sớm nhất vào cuối năm 2026, trong khi Huawei được cho là có ý định ưu tiên cho DeepSeek tiếp cận phần lớn chip Ascend 960DT thế hệ tiếp theo trong quý I năm 2027.

Huawei đã công bố lịch trình cho các bộ xử lý mới này. Thông báo công nghệ hồi tháng 9 của hãng, đưa ra tại sự kiện Huawei Connect ở Thượng Hải, cho biết Ascend 960DT sẽ có mặt trong quý I năm 2027 và Ascend 960PR trong quý III. Thông tin về thỏa thuận thiết kế chip được cho là giữa Huawei và DeepSeek vẫn chưa được xác nhận công khai.

Công việc này tiếp nối quan hệ hợp tác mà DeepSeek công bố ngày 30 tháng 9 nhằm phát triển công cụ lập trình cho bộ xử lý Huawei. Dự án phần mềm cùng với sự hợp tác phần cứng được đưa tin cho thấy hai công ty đang tìm cách kết hợp chặt chẽ hơn các mô hình AI Trung Quốc với chip Trung Quốc, qua đó giảm phụ thuộc vào công nghệ của Nvidia.

DeepSeek muốn gì ở phần cứng

Các kỹ sư Huawei được cho là đã dành thời gian dài tại văn phòng DeepSeek, cân nhắc nhu cầu và đề xuất của công ty khi đưa ra quyết định thiết kế chip. Công việc của họ bao gồm cách mô hình thực hiện phép tính và cách các bộ xử lý trao đổi thông tin.

Huấn luyện một mô hình AI đòi hỏi phải xử lý lặp đi lặp lại các ví dụ và điều chỉnh những tham số số học chi phối phản hồi của mô hình. Với một mô hình rất lớn, hàng nghìn bộ xử lý phải cùng chia sẻ công việc. Một con chip nhanh có thể lãng phí thời gian quý báu để chờ nếu thông tin không thể truyền đủ nhanh giữa các bộ xử lý.

DeepSeek tham gia giúp Huawei nhận được phản hồi từ một công ty đang xây dựng các hệ thống AI đòi hỏi năng lực cao. Nhờ đó, các quyết định về phương pháp tính toán, bộ nhớ và truyền thông tin có thể được xem xét đồng thời, thay vì để các nhà phát triển phần mềm phải thích nghi với một bộ xử lý đã hoàn thiện.

Theo thông tin về sự hợp tác, DeepSeek vẫn tìm cách tiếp cận các bộ xử lý Nvidia tiên tiến. Vì vậy, cách tiếp cận của công ty kết hợp việc phát triển một lựa chọn thay thế trong nước với nỗ lực có được phần cứng vốn giữ vai trò trung tâm trong quá trình huấn luyện các mô hình tiên tiến.

Những mốc thời gian quan trọng

Lịch trình Huawei công bố và thông báo phần mềm của DeepSeek ngày 30 tháng 9 đưa ra một số mốc cụ thể. Các kế hoạch huấn luyện mô hình được cho là sẽ kéo dài chuỗi mốc này sang năm 2027.

• Ngày 17 tháng 9 năm 2026: Huawei công bố lộ trình Ascend cập nhật và Atlas 960E SuperPoD tại sự kiện Huawei Connect ở Thượng Hải.
• Ngày 30 tháng 9 năm 2026: DeepSeek công bố hạ tầng lập trình cho nền tảng Ascend của Huawei, đồng thời cho biết hai bên đang hợp tác phát triển một hệ thống sử dụng 128 chip Ascend 950.
• Ngày 20 tháng 10 năm 2026: Thông tin xuất hiện về việc các kỹ sư Huawei đưa yêu cầu của DeepSeek vào thiết kế chip tương lai.
• Trước cuối năm 2026: DeepSeek được cho là đặt mục tiêu bắt đầu huấn luyện mô hình bằng bộ xử lý Ascend 950DT.
• Quý I năm 2027: Huawei cho biết Ascend 960DT sẽ có mặt; DeepSeek được cho là sẽ được ưu tiên tiếp cận.
• Quý III năm 2027: Huawei cho biết Ascend 960PR sẽ sẵn sàng, tiếp theo là Ascend 970 vào năm 2028 và Ascend 980 vào năm 2029.

Huawei cho biết lịch trình Ascend 960DT sớm hơn ba quý so với lộ trình ban đầu. Một người phát ngôn của công ty cũng nêu thời điểm ra mắt dự kiến trước đây là quý III năm 2027, tức việc chuyển sang quý I đồng nghĩa lịch trình được đẩy lên hai quý. Cả hai cách mô tả đều chỉ cùng một khung thời gian có mặt mới.

Trong bài phát biểu chính hồi tháng 9, David Wang, Phó chủ tịch kiêm Chủ tịch luân phiên của Huawei, đã nêu nhịp độ mà công ty muốn duy trì.

"Chúng tôi đang phát triển dòng chip Ascend theo chu kỳ mỗi năm một thế hệ", ông Wang nói.

Lịch trình này cung cấp cho các nhà phát triển một loạt mục tiêu phần cứng để xây dựng phần mềm. Với DeepSeek, thời hạn gần nhất là đưa các mô hình hoạt động hiệu quả trên phần cứng Ascend 950 trước khi các bộ xử lý mới hơn ra mắt.

Vì sao công cụ lập trình quan trọng

Trong thông báo ngày 30 tháng 9, DeepSeek mô tả hạ tầng lập trình cho Ascend, gồm TileLang và các thư viện phục vụ tính toán và truyền thông tin. Công ty cho biết Huawei hỗ trợ toàn diện, và hai bên cùng phát triển giải pháp siêu nút dựa trên 128 chip Ascend 950.

Siêu nút kết nối các bộ xử lý để chúng có thể phối hợp chặt chẽ. Các thư viện cung cấp phần mềm có thể tái sử dụng để thực hiện phép tính và truyền thông tin giữa các chip, giảm lượng hạ tầng cơ bản mà nhà phát triển phải tự viết.

TileLang là ngôn ngữ lập trình được thiết kế để giúp các nhà phát triển diễn đạt phép tính AI một cách hiệu quả. DeepSeek cho biết ngôn ngữ này có thể đơn giản hóa mã và nâng cao hiệu quả phát triển, đồng thời mô tả mô hình lập trình của nó là đơn giản hơn CUDA của Nvidia.

CUDA giữ vai trò cốt lõi trong vị thế của Nvidia vì các nhà phát triển dùng công cụ lập trình và thư viện phần mềm của nền tảng này để chạy khối lượng công việc trên bộ xử lý Nvidia. Chuyển một hệ thống AI sang chip khác đòi hỏi phải điều chỉnh phần mềm, bên cạnh việc tìm nguồn phần cứng mới.

DeepSeek quyết định cung cấp mã nguồn mở cho hạ tầng Ascend của mình, cho phép các nhà phát triển khác xem xét và điều chỉnh. Lợi ích thiết thực là có thể chia sẻ công sức: cải tiến các công cụ dùng chung giúp nhiều nhà phát triển mô hình sử dụng cùng một nền tảng bộ xử lý.

Huawei cho biết hệ sinh thái Ascend rộng lớn hơn hiện hỗ trợ hơn 90 dự án mã nguồn mở lớn bên ngoài, trong đó có PyTorch, Triton, vLLM và veRL. Hãng cũng cho biết Ascend được hỗ trợ chính thức như một nền tảng tăng tốc của PyTorch, giúp các nhà phát triển sử dụng khung học máy này có thêm lựa chọn chạy trên phần cứng Huawei.

Khoảng cách hiệu năng vẫn còn lớn

Viện nghiên cứu Epoch AI ước tính chip B300 của Nvidia có hiệu năng tính toán số học thô cao gấp khoảng bảy lần bộ xử lý Ascend 950 của Huawei. So sánh này cho thấy quy mô thách thức mà DeepSeek và Huawei phải đối mặt khi tìm cách đưa phần cứng trong nước đáp ứng những tác vụ huấn luyện đòi hỏi cao nhất.

Hiệu năng tính toán số học thô đo lường lượng phép tính mà một bộ xử lý có thể thực hiện. Thời gian cần thiết để huấn luyện hoàn chỉnh một mô hình còn phụ thuộc vào bộ nhớ, khả năng truyền thông tin, hiệu quả phần mềm và độ tin cậy vận hành của toàn hệ thống.

Theo thông tin về kế hoạch của DeepSeek, việc huấn luyện một mô hình có năng lực AI tiên tiến nhất có thể cần hơn 10.000 chip Huawei cùng hoạt động trong nhiều tuần. Vì vậy, sản xuất đủ chip và duy trì hoạt động của một hệ thống quy mô lớn như vậy là những phần việc trọng yếu của dự án.

Huawei cho biết thế hệ Ascend 960 sẽ tăng gấp đôi hiệu năng như kế hoạch. Công ty cũng đầu tư vào các giải pháp kết nối nhiều bộ xử lý một cách hiệu quả, khiến thiết kế tổng thể của máy tính trở thành một phần quan trọng trong nỗ lực cạnh tranh với Nvidia.

Giải pháp của Huawei là một hệ thống máy tính dùng chung quy mô lớn hơn

Theo Huawei, Atlas 960E SuperPoD có thể mở rộng tới 4.096 bộ xử lý thần kinh, hay NPU. NPU là bộ xử lý được thiết kế cho các phép tính AI. Huawei cho biết hệ thống đạt hiệu năng tính toán FP8 là 8 EFLOPS và có bộ nhớ băng thông cao lên tới một petabyte.

Nói đơn giản, Huawei đề xuất một nhóm bộ xử lý AI kết nối chặt chẽ với nhau, cùng sử dụng một vùng bộ nhớ tốc độ cao dung lượng lớn. FP8 là định dạng số tám bit dùng cho các phép tính AI phù hợp, còn một exaflop tương đương một tỷ tỷ phép tính số học mỗi giây.

Huawei định nghĩa SuperPoD là nhiều nút máy tính kết nối qua các liên kết tốc độ cao, với cơ chế định địa chỉ bộ nhớ thống nhất để chúng hoạt động như một máy tính logic duy nhất. Công nghệ UnifiedBus của hãng kết nối các thành phần tính toán, lưu trữ và những thành phần khác trong hệ thống rộng hơn đó.

Huawei cho biết trong các kiến trúc máy chủ truyền thống dùng cho cụm máy tính lớn, truyền thông tin chiếm hơn 40% thời gian huấn luyện. Mô phỏng của Markov Lab cho thấy một cụm gồm 100.000 NPU, được ghép từ các SuperPoD khoảng 4.000 NPU, có thể đạt mức sử dụng năng lực tính toán cao gấp 2,75 lần một cụm xây dựng từ các máy chủ, mỗi máy có tám NPU.

Kết quả này là mô phỏng của Huawei, đồng thời giúp giải thích ưu tiên thiết kế của công ty: để bộ xử lý dành nhiều thời gian tính toán hơn và ít thời gian chờ nhau hơn.

Phân biệt các quy mô hệ thống

Huawei đã đề cập đến một số quy mô thiết bị tính toán. Atlas 950 SuperCluster được mô tả là có thể kết nối tối đa 256.000 card tăng tốc. Thông báo tháng 9 đề cập kiến trúc mới hơn, kết nối tối đa 512.000 NPU, hoặc lên tới một triệu NPU nếu mở rộng cấu hình mạng.

Các con số về cụm này chỉ tập hợp những hệ thống được kết nối với nhau. Thông số 4.096 NPU áp dụng cho một Atlas 960E SuperPoD đơn lẻ trong kế hoạch hạ tầng của Huawei.

Nhà phân tích công nghệ Trung Quốc Rui Ma cũng nhấn mạnh sự thay đổi giữa cấu hình Atlas 960 SuperPoD từng được nêu trước đây với 15.488 chip và hệ thống mới công bố gồm 4.096 chip. Thông số chính thức hiện tại của Huawei gọi hệ thống sau là Atlas 960E SuperPoD.

Đối với bên mua, nhiệm vụ thiết thực là lựa chọn thế hệ bộ xử lý và cấu hình hệ thống phù hợp với khối lượng công việc dự kiến. Mạng lưới được quảng bá có quy mô lớn hơn giúp kết nối nhiều bộ xử lý hơn, còn tốc độ và độ tin cậy của các kết nối quyết định hiệu quả phối hợp giữa chúng.

Điện năng, độ tin cậy và phép thử huấn luyện thực tế

Huawei cho biết Atlas 960E sử dụng 5.500 bộ kết nối quang Hi-ONE thay cho 48.000 mô-đun quang cần thiết trong một cấu hình kết nối truyền thống. Công nghệ quang học tích hợp gần chip của hãng dùng ánh sáng để truyền dữ liệu qua các kết nối nhỏ gọn, đặt gần phần cứng tính toán.

Công ty tuyên bố thiết kế này giúp giảm hơn 550 kilowatt điện năng tiêu thụ, tăng gấp đôi thời gian vận hành của hệ thống trước khi xảy ra sự cố và đạt mức độ sẵn sàng 99,8%. Đây là các thông số Huawei công bố cho hệ thống của mình.

Công việc huấn luyện được đề xuất của DeepSeek sẽ kiểm tra mối liên hệ giữa chip, phần mềm và kết nối trong các tác vụ kéo dài. Một đợt huấn luyện kéo dài nhiều tuần đòi hỏi toàn bộ hệ thống liên tục trao đổi dữ liệu và xử lý công việc, chứ không chỉ đạt tốc độ tính toán cao trong thời gian ngắn.

Huawei cho biết hơn 40 mô hình đã được huấn luyện trực tiếp trên Ascend và nền tảng phần mềm CANN. CANN, viết tắt của Compute Architecture for Neural Networks, cung cấp phần mềm cốt lõi giúp các ứng dụng AI sử dụng bộ xử lý Ascend.

DeepSeek đưa một nhà phát triển mô hình có tiếng tham gia nỗ lực này ở cả khâu lập trình lẫn giai đoạn thiết kế chip được đưa tin. Các mốc tiếp theo là kế hoạch sử dụng Ascend 950DT vào cuối năm 2026 và cam kết của Huawei về việc Ascend 960DT sẽ có mặt trong quý I năm 2027. Những bước này sẽ cho thấy quan hệ hợp tác có thể nhanh chóng chuyển từ công cụ và công việc thiết kế sang huấn luyện kéo dài trên phần cứng Trung Quốc đến đâu.

Điểm chính

• DeepSeek được cho là đang giúp Huawei định hình các chip AI tương lai, trong đó có năng lực tính toán và truyền dữ liệu.
• Hai công ty đã công bố công cụ lập trình và công việc hợp tác phát triển một hệ thống sử dụng 128 chip Ascend 950.
• DeepSeek được cho là đặt mục tiêu bắt đầu huấn luyện bằng Ascend 950DT trước cuối năm 2026.
• Huawei cho biết Ascend 960DT sẽ có mặt trong quý I năm 2027 và Ascend 960PR trong quý III.
• Epoch AI ước tính hiệu năng tính toán số học thô của Nvidia B300 cao gấp khoảng bảy lần Ascend 950.
• Giải pháp của Huawei kết hợp chip mới, phần mềm mở và các hệ thống kết nối quy mô lớn hơn, trong đó có Atlas 960E SuperPoD với tối đa 4.096 NPU.