Kolaborasi antara DeepSeek dan Huawei telah melampaui sekadar rumor dan menjadi kenyataan: kedua perusahaan Tiongkok tersebut telah membuka kode sumber sebagian perangkat lunak yang memungkinkan pemrograman akselerator Ascend. Langkah ini bukan hanya tentang bersaing di pasar silikon, tetapi lebih tentang memutus ketergantungan mereka pada CUDA , platform Nvidia yang selama bertahun-tahun telah menjadi gerbang wajib menuju kecerdasan buatan.
Yang menarik adalah pengumuman ini datang melalui sumber terbuka. DeepSeek telah merilis alat dan pustaka sehingga pengembang dapat bekerja dengan chip Huawei tanpa harus membangun ulang lapisan inti proyek mereka sepenuhnya. Huawei telah mendukung pekerjaan ini, dan fokusnya adalah pada ekosistem yang lengkap, bukan hanya satu produk.
Buka alat untuk chip Ascend
Paket yang dirilis mencakup enam komponen perangkat lunak dan beberapa pustaka untuk operasi matematika dan pertukaran data antar akselerator. Komponen yang paling banyak dibicarakan adalah TileLang, bahasa pemrograman tingkat tinggi yang telah dioptimalkan oleh laboratorium untuk akselerator Ascend 950. Idenya adalah untuk membuat penulisan kode untuk chip ini lebih sederhana daripada menggunakan alat Nvidia, tanpa mengorbankan kinerja tinggi.
TileLang tidak muncul begitu saja: bahasa ini sudah digunakan pada kartu grafis Nvidia sebelumnya dan kini diterapkan pada Huawei. Perusahaan tersebut berpendapat bahwa bahasa umum yang mudah dipelajari dan memanfaatkan perangkat keras adalah kunci untuk membangun ekosistem AI yang tidak bergantung pada penyedia eksternal—sebuah tujuan yang telah diadvokasi Beijing selama lebih dari dua tahun.
Selain bahasa pemrograman, DeepSeek dan Huawei telah mengoptimalkan supernode yang terdiri dari 128 akselerator Ascend 950. Dalam sistem seperti ini, kekuatan setiap unit saja tidak cukup; cara data ditransfer antar unit sangatlah penting. Di sinilah Nvidia membangun sebagian keunggulannya dengan teknologi seperti NVLink, dan itulah mengapa pendekatan Tiongkok harus komprehensif.
DeepSeek bukanlah pendatang baru di bidang ini. Mereka telah mengembangkan perangkat untuk akselerator AI lainnya, dan menurut beberapa laporan, model V4-Flash mereka telah dioptimalkan untuk berjalan di Ascend. Langkah selanjutnya yang diketahui cukup ambisius: mereka berencana untuk memasang setidaknya 160.000 akselerator Huawei di pusat data di Mongolia Dalam, angka yang memberikan gambaran tentang skala yang ingin mereka tangani.
Dinding CUDA dan batasan rencana
Huawei tidak hanya terhambat oleh komponen fisik chip-nya. Selama hampir dua puluh tahun, sebagian besar perangkat lunak AI telah ditulis dengan mempertimbangkan CUDA , dan basis pengguna yang sudah ada sulit untuk digantikan. Ini bukan hanya kompiler: ia juga mencakup pustaka, alat pengujian, manual, contoh, dan komunitas yang sangat besar. Menurut berbagai analisis, CUDA memiliki sekitar empat juta pengembang, sebuah jaringan yang telah dimanfaatkan Nvidia sebagai pertahanan terkuatnya.
Huawei memiliki alternatifnya sendiri, CANN , tetapi itu tidak cukup hanya dengan kompiler dan beberapa pustaka. Untuk benar-benar bersaing, Anda membutuhkan alat diagnostik, pelatihan, dan orang-orang yang mampu menyelesaikan masalah di dunia nyata. Itulah celah yang coba diisi DeepSeek dengan keahliannya dalam optimasi tingkat rendah dan komunitas sumber terbuka yang sudah ada.
Konteks politik dan regulasi juga berperan. Washington terus membatasi penjualan akselerator canggih dan akses ke mesin manufaktur semikonduktor utama. Hambatan-hambatan ini membatasi ekspansi internasional Huawei, meskipun pasar di Tiongkok cukup besar untuk membuat eksperimen ini layak secara ekonomi.
Huawei mengakui bahwa produksinya tidak mencukupi untuk memenuhi permintaan domestik dan bahwa, untuk saat ini, mereka lebih memilih untuk fokus pada Tiongkok daripada berekspansi secara internasional. Peta jalan mereka mencakup Ascend 960DT untuk awal tahun 2027 dan peta jalan hingga tahun 2029, dengan tujuan menggandakan daya komputasi pada setiap peningkatan.
Sementara itu, DeepSeek juga mengincar pasar. Menurut Bloomberg, perusahaan tersebut sedang mempersiapkan putaran pendanaan dengan valuasi mendekati $74.000 miliar , sebagai antisipasi potensi IPO. Kombinasi kekuatan finansial, kode sumber terbuka, dan perangkat keras yang dikembangkan di dalam negeri menjelaskan mengapa operasi ini dipantau secara ketat di luar China.
Bagi tim pengembang, dilema sebenarnya adalah biaya peralihan platform. Setiap fitur yang saat ini menggunakan pustaka Nvidia memerlukan versi yang setara untuk Huawei, dan masalah kompatibilitas sering muncul setelah sistem sudah berjalan. Alat DeepSeek bertujuan untuk mengurangi hambatan ini, tetapi tidak menghilangkan keuntungan yang diperoleh dari CUDA, dan juga tidak menjamin bahwa semua model akan berkinerja sama baiknya di Ascend.
Di Spanyol dan seluruh Eropa, implikasinya mungkin tidak langsung terasa, tetapi tidak kalah signifikan. Sebagian besar perusahaan dan pusat data bergantung pada pemasok AS, dan tidak ada alternatif lokal yang sebanding dengan CUDA. Langkah Tiongkok ini menjadi pengingat bahwa otonomi teknologi tidak hanya ditentukan oleh pabrik chip, tetapi juga oleh perangkat lunak, bahasa pemrograman, dan komunitas.
Pertempuran tidak akan dimenangkan hanya dengan siaran pers. Yang akan menentukan adalah berapa banyak proyek yang meninggalkan CUDA, berapa banyak orang yang mulai menggunakan TileLang , dan apakah Huawei memiliki cukup chip untuk memenuhi permintaan. Jika perangkat lunak tersebut tidak meyakinkan, banyak tim akan kembali ke cara lama mereka tanpa banyak kesulitan.
Langkah DeepSeek dan Huawei menempatkan persaingan pada lapisan yang kurang terlihat daripada perangkat keras: perangkat lunak yang membuat setiap chip dapat digunakan. Ini bukan pukulan telak bagi Nvidia, tetapi merupakan langkah yang mengurangi biaya untuk meninggalkan ekosistemnya dan, dalam jangka menengah, dapat mengubah keputusan pembelian di Tiongkok. Di luar Tiongkok, dampaknya akan bergantung pada kapasitas produksi Huawei dan tekanan yang diberikan Amerika Serikat kepada sekutunya.
