The Huawei-DeepSeek Symbiosis
来源: SemiAnalysis · Bryan Shan & Dylan Patel · 2026-10-21 · Paid
原文:
newsletter.semianalysis.com副题: Huawei Ascend 950PR Deep dive & µbenchmarks, DSv4.1 Flash Analysis, DeepSeek support for Ascend, AICPU, Tilelang Ascend
核心判断
华为缺能证明芯片能训/推前沿模型的 lab;DeepSeek 缺算力。双方按缺口互补:华为出硬件与原生软件栈,DeepSeek 出负载与内核工程。9/30 DeepSeek 仓库 Ascend 支持是这一交易的产物。作者判断:在内外“全国产栈”压力下,2027–2028 DeepSeek 很可能以华为栈为主。硬件相对 A100 可能落后约五年量级,但软件已贴前沿。
要点
1. Ascend 950PR:多 SKU 分档(算力+HBM 一起 bin);测机为 950PR_9579,28 cube cores、128 GiB HBM;定位 prefill/推荐,带宽与核心少于 950DT。
2. 微基准:华为自研 GEMM(非 DeepSeek)在 1055 个 BF16 shape 上峰值达理论天花板 99.7%;绝对性能大约在 A100 与 MI300X 之间;小消息 MemBW 利用率可超 H100。
3. 软件:六仓加 Ascend(TileLang / DeepGEMM / DeepEP / TileKernels / FlashMLA / DeepSelect);撰文时仅 TileLang 可用,需 CANN 9.2.0 + C++20;其余依赖当时未齐。
4. 共生双向:硬件反向塑造软件(FlashMLA KV 布局改并排放 scale);TileLang 合入主仓;DeepEP-Ascend 走 URMA/HCCL;Cube/Vector 分路径可通信计算重叠,但有 HBM 争用。
5. DSv4.1 Flash:Ascend 累加器约束迫使 attention 实现不同;32×950DT profile;DSpark 投机解码;Engram 可与 layer0 重叠、可卸到 DRAM。
6. 生态缝隙: 对 DeepSeek 很顺,不等于 Ascend 对所有人同样好用;vLLM-Ascend 在 x86 宿主上问题多(无 DeepGEMM、ARM 硬编码头、无 NPU+x86 CI 等)。
文中关键数据(可核对)
• 测机功耗示例:npu-smi 约 203.3 W,HBM 5242/131072 MB
• pointer-chase:约 134ns→182ns→391ns(18→56→64 blocks)
• AICPU:该 SKU 配置 7 / 可见 6 / 执行 5;MIDR 像 Kirin 9000S/9010 中核
• GEMM:华为最佳内核 99.7% 天花板;ridge 下 median achieved/attainable Ascend 41.5% vs H100 46.8%
• 功耗时钟:Nvidia 中位约 690–698 W / 1335–1470 MHz(TDP 700W、max SM 1830);Huawei 约 599–600 W / 1500–1550 MHz(ref 1650)
• TileLang AutoSchedule:小尺寸单 op 可减时最多约 40%
• V4.1 Flash profile:Stream 19 占窗 88.8%、占设备时间加总 72.6%;一阶“cube 吞吐翻倍”情景约 1.32× step
• 梁文锋(5 月未核实纪要):约 4 张华为卡顶 1 张英伟达,硬件上市约 落后两年
不确定
• 2027–28 “以华为栈为主”是作者判断,非官方承诺
• 5 月投资者会议纪要文中标明 unverified
• 图注有 simulation;多 950 变体“虚拟化/仅测试”可能
• 订阅墙后是否还有未抓到的章节,当前无法确认
• 文中写 HDK Oct 15 发布、CANN 时间线以撰文时点为准,后文可能已变
(翻译总结自我的grokbot)