DeepSeek : son IA V5 sera formée sur les SuperPoD Atlas d’Huawei (Ascend 950DT)
DeepSeek réduit sa dépendance aux GPU NVIDIA en se tournant vers les puces Ascend de Huawei pour entraîner son modèle V5. L’entreprise s’appuie sur TileLang, un compilateur de noyaux, pour compléter une chaîne matérielle entièrement locale. Un essai concluant marquerait une étape décisive pour les laboratoires d’IA chinois.
DeepSeek a commandé environ 160 000 puces Huawei Ascend 950DT, avec des livraisons prévues pour le quatrième trimestre 2026
Le modèle V5, dont la taille avoisinerait 8 000 milliards de paramètres, serait donc entraîné sur ces accélérateurs.
Cette commande, déjà confirmée récemment, doit alimenter un data center de 1 GW situé en Mongolie-Intérieure, avec une montée en puissance des livraisons à partir de fin 2026.
Sur le marché, chaque Ascend 950DT est actuellement estimé autour de 111 000 yuans, soit approximativement 14 500 €. À titre de comparaison, le GPU H20 de NVIDIA est facturé entre 13 800 € et 23 000 €, ce qui porterait le montant total de la commande à environ 2,35 milliards €.
Construite autour de l’architecture maison DaVinci v3 de troisième génération, la puce utilise le procédé N+3 de SMIC, une finesse de gravure 7 nm.
Elle traite aussi bien les charges d’entraînement que de décodage. Chaque unité intègre 144 Go de mémoire HBM HiZQ 2.0, une bande passante de 4,0 To/s et un interconnect puce à puce de 2,0 To/s. Elle prend en charge nativement les formats basse précision FP8, FP4 et HiF8.
Huawei place cette puce dans son infrastructure Atlas 950 SuperPoD, qui relie jusqu’à 8 192 Ascend 950DT et affiche une puissance maximale de 8 EFLOPS. Ces supernœuds représentent l’un des principaux attraits pour DeepSeek, grâce à leurs interconnexions carte à carte de 2 To/s et à leur puissance brute de 8 EFLOPS en FP8.
De plus, DeepSeek a adapté l’ensemble de sa chaîne logicielle aux GPU Ascend, avec plusieurs briques importantes :
- DeepSelect, pour des noyaux TopK haute performance
- TileLang, pour optimiser les kernels IA
- DeepGEMM-Ascend, pour optimiser les kernels GEMM
- DeepEP-Ascend, pour les communications en parallèle d’experts
- TileKernels, regroupant noyaux de calcul vectoriel et accès mémoire
- FlashMLA, pour optimiser les kernels d’attention MLA
Parmi ces composants, TileLang est le plus structurant. Il permet aux entreprises d’écrire dès le départ du code en TileLang, tandis que les fabricants de puces n’ont besoin que d’une adaptation backend unique, les programmes sélectionnant automatiquement les implémentations sous-jacentes à l’exécution.
La chaîne sur mesure de DeepSeek tourne désormais directement sur les GPU Ascend, portant le taux d’utilisation des FLOPS du modèle (MFU) à 45 %. C’est une progression nette face aux environ 30 % précédemment rapportés pour les puces 910C de Huawei.
DeepSeek et Huawei ont aussi optimisé la configuration SuperPoD Ascend 950 Atlas sur 128 cartes. Sur ces essais, l’opérateur d’attention épars atteint 410 TFLOPS en phase de lecture, et certaines charges de calcul isolées frôlent 95 % du pic théorique en FP8.
Si V5 aboutit, ce ne sont pas simplement les capacités d’entraînement des puces Ascend qui seront validées : les expérimentations de post-entraînement déjà menées en apportent un début de preuve. Ce qui sera réellement testé, c’est la capacité d’une couche intermédiaire indépendante du matériel comme TileLang à supporter tout le cycle de préentraînement d’un modèle de pointe. En cas de réussite, le débat sur le calcul domestique ne se limitera plus aux puces dont les TFLOPS approchent le H100, mais à la profondeur de l’adaptation backend autour de TileLang et à la fiabilité des supernœuds sur des entraînements longs. CUDA a passé près de vingt ans à verrouiller les développeurs dans sa pile logicielle. Le pari de DeepSeek et Huawei est que le code des prochains modèles n’aura plus besoin de démarrer depuis CUDA. V5 devient la première table de jeu pour ce pari. En cas de victoire, la position par défaut de CUDA reçoit sa première fissure structurelle côté entraînement IA en Chine. En cas d’échec, la fissure sera retardée, pas la direction : la part de marché de NVIDIA dans les puces IA chinoises est déjà passée de 95 % à 8 %, Ascend monte à 50 %, et la dynamique de substitution ne peut plus être renversée par une seule entreprise d’IA.
