DeepSeek y Huawei han reforzado su colaboración con la publicación de herramientas para programar los chips Ascend. El movimiento, anunciado el 30 de septiembre y recogido por Reuters, busca facilitar el uso de una infraestructura de IA menos dependiente del ecosistema de Nvidia.
La noticia afecta a una parte del sector que rara vez aparece cuando utilizamos un chatbot: el software necesario para aprovechar el hardware. Fabricar un chip potente no basta si las herramientas y los modelos que utilizan las empresas están preparados para otra plataforma.
La potencia sirve de poco si trasladar el trabajo es un problema
La ventaja de un proveedor de computación no se limita a la velocidad de sus procesadores. También incluye bibliotecas, documentación, programas de desarrollo y conocimientos acumulados por las personas que trabajan con ellos.
Cuando una empresa ha construido sus sistemas alrededor de una plataforma, cambiar implica revisar código, comprobar resultados y resolver incompatibilidades. Esa inversión en trabajo pesa tanto como el precio de comprar nuevos equipos.
Por eso una alternativa necesita reducir la fricción. Un fabricante puede ofrecer condiciones atractivas, pero si poner los modelos en marcha exige meses de adaptación, el ahorro inicial puede desaparecer. La competencia real se juega también en cuánto tiempo tarda un desarrollador en obtener resultados fiables.
TileLang y las bibliotecas ponen una base común
DeepSeek destaca TileLang, un lenguaje de alto nivel para crear operaciones de cálculo. El proyecto dispone de adaptadores para Ascend, mientras que el repositorio DeepGEMM-Ascend reúne componentes especializados para esta plataforma.
En este contexto, un «kernel» es una operación de cálculo preparada para ejecutarse eficientemente en un acelerador. Los modelos combinan muchas operaciones de este tipo; mejorar su ejecución puede ayudar a aprovechar mejor el equipo disponible.
La colaboración anunciada incluye herramientas de cálculo y comunicación. Este segundo aspecto importa cuando el trabajo se reparte entre numerosos chips: mover los datos y coordinar los resultados puede convertirse en un límite, aunque cada procesador sea rápido por separado.
No estamos ante una sustitución completa de CUDA ni ante una prueba de superioridad general sobre Nvidia. Publicar componentes abiertos crea una base para desarrollar y adaptar software; su alcance depende de las operaciones compatibles, la estabilidad y los resultados que obtengan los usuarios.
El código abierto facilita comprobar, pero también exige trabajo
Que las herramientas estén disponibles en repositorios públicos permite inspeccionarlas, probarlas y contribuir a ellas. Es una diferencia importante frente a depender únicamente de demostraciones comerciales, porque abre la puerta a comprobar qué funciona y en qué condiciones.
Sin embargo, publicar código no garantiza por sí solo un ecosistema maduro. Hacen falta mantenimiento, instrucciones claras, pruebas y compatibilidad con las versiones de los sistemas que ya utilizan las empresas.
La documentación del proyecto debe leerse como parte del producto. Un equipo que consigue reproducir una prueba necesita después integrarla en su trabajo y mantenerla cuando cambian modelos, bibliotecas y hardware. Ahí se decide si una alternativa resulta práctica o se queda en un experimento interesante.
Una noticia industrial con efectos a largo plazo
Para quienes usan IA desde una aplicación, esta colaboración no significa que mañana aparezca una respuesta mejor o una suscripción más barata. Su impacto potencial está en ampliar las opciones de infraestructura y reducir la dependencia de un único ecosistema.
Ese objetivo conecta con la apuesta tecnológica china que hemos contado en Hefestec. La independencia exige coordinar chips, herramientas y aplicaciones, no avanzar en una sola de esas capas.
DeepSeek y Huawei están intentando convertir hardware propio en una plataforma que otros puedan utilizar. El anuncio merece atención por ese propósito; para valorar hasta dónde llega, habrá que seguir la adopción real y los resultados reproducibles, además de las comparaciones que presenten sus promotores.
