En un movimiento estratégico que podría redefinir el panorama del desarrollo de inteligencia artificial, DeepSeek y Huawei han lanzado un conjunto de herramientas de programación de código abierto diseñadas para los chips de IA Ascend de Huawei. Esta iniciativa, anunciada a principios de octubre de 2026, se percibe en la comunidad de desarrolladores como el desafío de software más directo hasta la fecha a la plataforma CUDA de Nvidia.

El paquete de herramientas incluye una versión de TileLang, un lenguaje de programación de kernels de alto nivel que DeepSeek ha promocionado como una alternativa más sencilla para escribir código de IA optimizado, en contraste con la complejidad de la programación manual en CUDA. Esta propuesta llega en un momento crucial, donde el acceso a los chips de Nvidia de alta gama en China es prácticamente nulo, impulsando a los laboratorios de IA chinos a buscar alternativas robustas y de grado de producción al ecosistema de Nvidia.

La propuesta de DeepSeek y Huawei

La liberación de este conjunto de herramientas no busca reemplazar la dominancia de Nvidia de la noche a la mañana, sino que ofrece una solución concreta y descargable a una pregunta persistente en la industria: ¿puede el ecosistema de IA chino operar eficazmente sin la capa de software de Nvidia?

Según reportes, el lanzamiento incluye seis módulos de software gratuitos y descargables, específicamente dirigidos a los aceleradores de IA Ascend de Huawei. El componente central es el soporte de TileLang para Ascend, que DeepSeek posiciona como una herramienta para escribir kernels de IA sin la necesidad de lidiar con los detalles de bajo nivel y específicos del hardware que caracterizan la programación CUDA. Además, se incluye DeepGEMM-Ascend, una biblioteca optimizada para las operaciones de multiplicación de matrices, fundamentales en el entrenamiento e inferencia de grandes modelos de lenguaje.

El resto del conjunto de herramientas abarca elementos esenciales para el entrenamiento de IA a gran escala:

  • Bibliotecas para computación general de IA.
  • Software de interconexión para la comunicación chip a chip, crucial para coordinar miles de aceleradores en una sola ejecución de entrenamiento.

Una actualización reciente, del 30 de septiembre de 2026, añadió soporte nativo para la familia de procesadores Ascend 950 de Huawei, incluyendo generación de código, programación automática de cargas de trabajo y soporte de sincronización.

Este lanzamiento no se presenta como un reemplazo directo de CUDA, sino como un esfuerzo por reducir la barrera para los desarrolladores que escriben kernels de IA para hardware Ascend, transformando la portabilidad de modelos de GPU Nvidia en un proyecto de ingeniería manejable.

El contexto geopolítico y la brecha de software

La urgencia de esta iniciativa se enmarca en las restricciones de exportación de chips impuestas por Estados Unidos, que han afectado significativamente la capacidad de Nvidia para operar en el mercado chino. La prohibición efectiva del chip H20 de Nvidia en China, a partir de abril de 2025, ha llevado a una reducción drástica de la participación de mercado de Nvidia en el sector de centros de datos en el país.

Jensen Huang, CEO de Nvidia, ha reconocido públicamente esta caída, estimando que la participación de mercado de Nvidia en China pasó de aproximadamente el 95% a prácticamente cero. Esta situación no elimina la demanda de chips de IA en China, sino que redirige a los desarrolladores hacia ecosistemas alternativos, siendo Huawei el candidato doméstico más prominente.

Aunque los controles de exportación se centran en el hardware, el verdadero desafío para cualquier alternativa a Nvidia siempre ha sido el software. Los chips Ascend de Huawei no son compatibles con CUDA, lo que históricamente ha obligado a los equipos a reescribir kernels de bajo nivel manualmente al migrar modelos de GPUs de Nvidia. Aquí es donde DeepSeek y Huawei buscan cerrar la brecha, ofreciendo una cadena de herramientas de código abierto y gratuita, una estrategia que refleja el enfoque de DeepSeek de ganar reputación a través de la publicación de software de IA capaz sin costo.

El "foso" de CUDA de Nvidia

La relevancia de un lenguaje de kernel de código abierto se entiende mejor al considerar la posición de CUDA. Nvidia lanzó CUDA en 2007, proporcionando a los desarrolladores una forma de escribir código de propósito general para GPUs casi dos décadas antes del auge actual de la IA, lo que le otorgó una ventaja considerable y le permitió construir un ecosistema robusto y difícil de replicar.

La iniciativa de DeepSeek y Huawei representa un paso significativo hacia la democratización del desarrollo de IA en hardware alternativo, brindando a los desarrolladores herramientas para navegar un panorama tecnológico en constante cambio.