DeepSeek y Huawei diseñan chips para entrenar sin Nvidia

DeepSeek y Huawei: chips diseñados a medida, no comprados

Ingenieros de Huawei se han instalado dentro de las oficinas de DeepSeek para diseñar chips de IA a la medida de sus modelos, según informó The Information. No es una compra de hardware: el equipo de Huawei incorpora los comentarios de DeepSeek al diseño mismo de los procesadores, incluyendo el rendimiento en cálculos y la transferencia de datos entre chips.

Es un cambio de rol. Hasta ahora los laboratorios de IA compraban lo que había en el mercado; ahora participan en el diseño de lo que van a usar. Y el objetivo declarado es entrenar sistemas avanzados sin depender de Nvidia.

El calendario que se conoce es concreto. DeepSeek prevé empezar a usar los Ascend 950DT de Huawei para entrenamiento a finales de 2026 como muy pronto. Huawei, además, planea dar prioridad a DeepSeek en la mayor parte de sus chips de próxima generación Ascend 960DT, cuya llegada está prevista para el primer trimestre de 2027.

¿Por qué Huawei adelantó el Ascend 960DT?

El 960DT no llegará en la fecha que Huawei había comunicado originalmente. Según TechCrunch, la compañía adelantó el lanzamiento al primer trimestre de 2027, tres trimestres antes del objetivo previo, que era el tercer trimestre de 2027. Lo anunció David Wang, presidente rotativo y en funciones, en la conferencia Huawei Connect.

La estrategia de Huawei no es ganar chip contra chip. Es unir muchos procesadores menos avanzados para que funcionen como una sola computadora. Para eso construyó su Peerium Computing Architecture, basada en el interconnect propietario UnifiedBus. TechCrunch reporta que el Atlas 950 SuperCluster puede conectar hasta 256.000 tarjetas aceleradoras, y TechRepublic agrega que los superclústeres planeados podrían llegar a enlazar un millón de procesadores de IA.

El problema de ese enfoque es que la red se vuelve el cuello de botella. Reuters reportó que la comunicación entre máquinas puede consumir más del 40% del tiempo de entrenamiento en sistemas de servidores convencionales, según recoge TechRepublic. Por eso Huawei también invierte en tecnologías como la óptica empaquetada, para mover datos más rápido y con menos energía.

Hay una advertencia sobre el anuncio. La analista de tecnología china Rui Ma señaló en X, citada por TechCrunch, que roadmaps anteriores de Huawei describían un Atlas 960 SuperPoD escalando a 15.488 chips, mientras el anuncio de esta semana se refería a un sistema de 4.096 chips. El chip llega mucho antes, pero el sistema anunciado es más chico de lo que se había planteado.

La brecha que todavía no se cierra: siete veces el rendimiento bruto

Según el instituto de investigación Epoch AI, los chips B300 de Nvidia ofrecen aproximadamente siete veces el rendimiento aritmético bruto de los procesadores Ascend 950 de Huawei. Entrenar un modelo de frontera podría requerir más de 10.000 chips de Huawei operando en conjunto durante semanas, lo que convierte la capacidad de fabricación y la fiabilidad del sistema en los retos críticos.

No es una hipótesis teórica. Cuando DeepSeek intentó entrenar un modelo anterior sobre silicio de Huawei, el esfuerzo se estancó por dificultades técnicas persistentes con el stack de entrenamiento de los Ascend y el laboratorio volvió a hardware de Nvidia, según el Financial Times, citado por TechTimes. Ese antecedente es justamente lo que hace noticioso el plan de entrenar en Ascend a finales de 2026.

Hasta ahora, el despliegue de chips de Huawei en DeepSeek estaba orientado a inferencia, no a entrenamiento. Bloomberg reportó en septiembre que DeepSeek hizo un pedido de 160.000 chips Ascend 950DT para su centro de datos de Ulanqab, en Mongolia Interior, con un valor nominal cercano a los 2.640 millones de dólares, y que esos chips se destinarían a correr modelos en producción. La distinción importa: la inferencia es la capa que genera ingresos, el entrenamiento es donde se construye el modelo.

La restricción de oferta es el otro freno. TechRepublic señala, citando a Reuters, que Huawei no puede producir hoy suficiente equipamiento de cómputo de IA para cubrir la demanda china, y que su presidente rotativo, Eric Xu, dijo que no planea una expansión internacional a gran escala mientras la demanda doméstica supere la oferta.

TileLang y la salida de CUDA: la parte que suele subestimarse

El otro frente de esta alianza es el software, y puede pesar tanto como el silicio. DeepSeek usa TileLang, un lenguaje de programación de código abierto que ayuda a adaptar software de IA a distintas arquitecturas de chips y reduce la dependencia del ecosistema CUDA de Nvidia. El mes pasado publicó una versión compatible con los chips Ascend 950.

Según CryptoBriefing, el 30 de septiembre DeepSeek liberó un conjunto completo de herramientas para los aceleradores Ascend. Además de TileLang, el paquete incluye librerías como DeepGEMM, FlashMLA, TileKernel, DeepSelect y DeepEP, optimizadas para el Ascend 950 y para configuraciones «supernode» de 128 aceleradores. La compañía también planea construir un centro de datos en Mongolia Interior con al menos 160.000 aceleradores Ascend.

Por qué esto es más importante de lo que parece: CUDA no es solo popular, es prácticamente un requisito. La mayoría de los modelos, pipelines de entrenamiento y sistemas de inferencia del mundo están construidos sobre él, y salir implica reescribir código, reentrenar equipos y rearquitecturar flujos de trabajo. Sin un ecosistema de software maduro, el silicio propio es un pisapapeles caro. Ese es exactamente el hueco que DeepSeek intenta cerrar.

El contexto de mercado ayuda a dimensionar el movimiento. Bernstein Research proyecta que Huawei capturará cerca del 50% del mercado chino de chips de IA hacia finales de 2026, con la participación de Nvidia cayendo desde aproximadamente el 40% en 2025 a cerca del 8%, según TechTimes. Jensen Huang lo dijo sin vueltas a CNBC en mayo de 2026: «We have largely conceded the China market to Huawei».

¿Qué significa esto para tu startup?

1. Revisa dónde corre realmente tu inferencia. Si tu producto usa la API de DeepSeek o de cualquier proveedor chino, tus consultas se procesan en infraestructura bajo jurisdicción china. TechTimes recuerda que la Ley de Inteligencia Nacional de China (2017) establece la obligación de cooperar con requerimientos de inteligencia, y que la política de privacidad de DeepSeek reconoce almacenar datos en servidores en China. Para prompts con datos de clientes o información sensible, eso es una decisión de compliance, no un detalle técnico.

2. Diseña tu código para no quedar atado a un proveedor de cómputo. La lección de TileLang es aplicable a cualquier equipo: si tus kernels y tu pipeline dependen de una sola arquitectura, migrar cuesta meses. Usar capas de abstracción de alto nivel y mantener el código portable te da poder de negociación cuando aparezca una alternativa más barata.

3. Trata la bifurcación del hardware como un riesgo de cadena de suministro. Se están consolidando dos cadenas paralelas —la de Nvidia en Occidente y la de Huawei en China— con ecosistemas de software que no corren el código del otro sin trabajo de portabilidad. Si tu roadmap depende de capacidad de cómputo, conviene tener un plan B documentado y no descubrirlo en medio de un lanzamiento.

4. Vigila los precios, no solo los benchmarks. Cuando un segundo proveedor logra volumen real, la presión competitiva llega a la capa de precios. Para un founder, el dato relevante no es cuántos exaflops anuncia cada chip, sino cuánto cuesta la hora de cómputo equivalente y qué tan disponible está.

Conclusión

DeepSeek no está abandonando Nvidia: sigue buscando acceso a sus procesadores más avanzados, según The Information. Lo que está construyendo es una segunda vía. Si logra entrenar un modelo de frontera íntegramente con chips chinos, el efecto no se limita a una empresa: se convierte en el manual que otros desarrolladores de IA pueden copiar.

Para el ecosistema emprendedor, la lectura práctica es que la infraestructura de IA dejó de ser un commodity neutro. Quién fabrica el chip, quién controla el lenguaje de programación y bajo qué ley corre la inferencia son variables que ya afectan costo, disponibilidad y riesgo legal de cualquier producto que use IA. Ignorarlas es barato hoy y caro cuando el proveedor cambia las reglas.

Fuentes

• DeepSeek se alía con Huawei para desafiar a Nvidia (fuente original)
• Huawei plans Q1 2027 launch of new AI chip as it takes on Nvidia — TechCrunch
• Huawei Moves Its Next AI Chip Forward as China Builds Around Nvidia Restrictions — TechRepublic
• DeepSeek releases AI chip programming software developed with Huawei — CryptoBriefing
• DeepSeek’s 160,000-Chip Huawei Order Puts PRC Law Over Every API Query — TechTimes

Artículos relacionados:

Huawei adelanta el Ascend 960DT al Q1 2027 frente a Nvidia DeepSeek pediría 160.000 chips Huawei Ascend para un datacenter de 1 GW DeepSeek y Huawei liberan TileLang: su jugada para destronar a CUDA Huawei Watch GT 7 Pro: 21 días, 110 deportes y 98% precisión Huawei Mate XT2: chip con 55% más densidad sin litografía