A DeepSeek natív támogatást ad a Huawei Ascend 950PR-hez
A fejlesztők most már natív módon futtathatják AI-modelleiket a Huawei Ascend 950PR processzoron, a TileLang, DeepGEMM, DeepEP, TileKernels, FlashMLA és DeepSelect modulok támogatásával — a frissítés 134 ns-es pointer-chase késleltetést ér el 18 blokkig.
Natív szoftvertámogatás
A DeepSeek szeptember 30-án közzétett frissítésben bevezette a Huawei Ascend 950PR natív támogatását, amely a TileLang, DeepGEMM, DeepEP, TileKernels, FlashMLA és DeepSelect modulok integrációját jelenti — írja a SemiAnalysis.
Hardvervariánsok és SKU-k
Az Ascend 950PR több SKU-ban érhető el, változó mag-számmal, HBM-magassággal és cache-mérettel; egyes változatok virtuális vagy teszt-célúak, mivel csak kis hányadú die és HBM-stack felel meg a specifikációnak, ezért a Huawei a számítási és memória-jellemzőket együtt osztja szét a termékek között — írja a SemiAnalysis.
Teljesítménytesztek
Egy Ascend 950PR_9579 (28 cube core, 128 GiB HBM) mikro-benchmarkje 134 ns-es pointer-chase késleltetést mutat 18 blokkig, 182 ns-et 56 blokknál, majd 391 ns-et 64 blokknál, ami a második hullámú vektor-magok hatását tükrözi — írja a SemiAnalysis.
Jövőbeli irányok
2027-2028-ban a DeepSeek valószínűleg elsődlegesen a Huawei stack-et fogja használni, ahogy a cég a teljes, hazai kínai AI-ökoszisztémára épít — írja a SemiAnalysis.