Makna Strategis: Bukan Sekadar Porting ke Chip Ascend Huawei
Rilis stack pemrograman AI terbuka DeepSeek untuk chip Ascend Huawei adalah langkah koordinat ulang peta kekuatan komputasi AI global, karena memberi jalur teknis dan politis bagi pengembang untuk membangun model besar di luar ekosistem CUDA Nvidia yang tertutup, sambil tetap mempertahankan kinerja tingkat kernel dan fleksibilitas lintas hardware yang sering kali dianggap mustahil dicapai oleh solusi non-proprietary. DeepSeek merilis sebagai open source seluruh stack software yang dipakai untuk melatih model-modelnya sendiri, disesuaikan untuk chip Ascend pada 30 September 2026. Langkah ini dikembangkan bersama Huawei sebagai upaya mengurangi ketergantungan pada ekosistem software dan hardware Nvidia. Secara politis, ini pesan eksplisit: komunitas AI tidak lagi harus menunggu kelonggaran ekspor atau lisensi vendor tunggal untuk bisa membangun infrastruktur kelas superkomputer.
TileLang DeepSeek: Alternatif CUDA Open-Source yang Serius
Jantung dari alternatif CUDA open-source ini adalah TileLang DeepSeek, sebuah DSL Python untuk menulis kernel yang menargetkan operasi inti seperti GEMM dan FlashAttention dengan performa setara CUDA tanpa bahasa proprietari Nvidia. TileLang dikembangkan oleh organisasi tile-ai di bawah arahan Zhi Yang dari Peking University, dan kini mencatat 7.872 bintang serta 792 fork di GitHub per 30 September 2026. DeepSeek sudah memakainya untuk sebagian besar operator dalam training seri DeepSeek V4, sehingga porting ke chip Ascend hanya butuh backend baru, bukan penulisan ulang logika kernel. Bahasa ini menyediakan model pemrograman yang lebih sederhana dibanding CUDA dengan tujuan meningkatkan efisiensi pengembangan dan menyederhanakan kode. Menariknya, TileLang tidak hanya menantang CUDA tetapi juga memposisikan diri melawan Triton yang dikelola OpenAI, membuka front ketiga dalam penulisan software AI.
Stack Pemrograman AI Terbuka: DeepGEMM, DeepEP, dan FlashMLA di Ascend
Kekuatan langkah ini bukan pada satu bahasa, melainkan pada lengkapnya stack pemrograman AI terbuka yang dibawa ke chip Ascend Huawei. DeepSeek merilis versi Ascend dari DeepGEMM, DeepEP, dan FlashMLA bersama TileLang, sehingga arsenal yang sebelumnya hanya ada di GPU Nvidia kini hadir juga di Ascend. DeepGEMM-Ascend menangani perkalian matriks dan perhitungan lain, mendukung BF16, FP8, dan FP4, sambil mempertahankan API yang sama dengan library DeepGEMM yang sudah ada. DeepEP-Ascend menangani komunikasi untuk pelatihan dan inferensi, termasuk perutean data ke berbagai expert dalam model Mixture-of-Experts dan penggabungan output-nya. FlashMLA menyediakan kernel decoding untuk multi-head latent attention, yang kritis untuk inference model besar. Semua tools ini dibangun di atas platform software CANN Huawei yang menyediakan infrastruktur dasar komputasi AI. Secara praktis, pengembang mendapat alternatif CUDA open-source yang tidak terasa seperti eksperimen, tetapi seperti ekosistem paralel yang lengkap.
Supernode 128 Chip Ascend 950: Bukti Skala untuk Enterprise
Tanpa hardware yang skalabel, stack open-source hanya menjadi proyek akademis. Di sini, supernode berisi 128 chip Ascend 950 menjadi bukti bahwa infrastruktur AI open-source siap naik kelas ke skenario enterprise. Huawei dan DeepSeek membangun "supernode" 128 chip Ascend 950 yang dirancang untuk melatih dan menjalankan model besar tanpa satu pun GPU Nvidia dalam rantainya. Kedua perusahaan mengoptimalkan komputasi dan komunikasi pada supernode ini, menjawab kebutuhan utama pelatihan skala besar: perhitungan efisien per chip dan perpindahan data yang cukup cepat agar prosesor tetap sibuk. Ascend 950 sendiri diperkenalkan di ajang Huawei Connect 2026. Klaim performa yang beredar hanya menyebut mendekati batas hardware, tanpa angka bombastis yang belum diukur pihak ketiga. Ini sikap yang sehat: biarkan metrik lahir dari benchmark independen yang kelak dijalankan komunitas.
Dampak bagi Pengembang dan Arah Berikutnya
Dampak langsung untuk pengembang jelas: ada opsi alternatif untuk mengoptimalkan beban kerja AI di luar ekosistem Nvidia berkat tools open-source untuk chip Ascend Huawei. Menariknya, dukungan TileLang untuk berbagai platform membuat bahasa ini tetap berguna bagi mereka yang masih memakai GPU Nvidia, sehingga adopsi tidak terasa sebagai perpindahan total, melainkan perluasan pilihan. Namun pusat gravitasi sedang bergeser. Langkah ini muncul ketika model coding dari China makin kompetitif di benchmark internasional dan model open source mendekati kualitas model proprietary. Ke depan, keberhasilan stack ini bergantung pada adopsi komunitas dan replikasi hasil oleh pihak ketiga di hardware Ascend mereka sendiri, yang hingga akhir September 2026 belum terjadi. Huawei memperkirakan sistem AI-nya akan digunakan luas untuk pelatihan model pada 2027. Jika prediksi itu tepat, dominasi CUDA akan menghadapi tantangan paling serius sepanjang sejarahnya.
