Gepubliceerd augustus 2026 · Notities van 3DN
In juli schreven we dat NVLink bij de rich cats bleef terwijl Huawei de bus opende: gesloten multi-GPU-fabric voor enterprise-NVIDIA-stacks, open scale-out-interconnect voor wie op binnenlandse NPU’s bouwt. Dat was geen modepraat. Het was een inzet op welke kant van de muur Chinese compute zou proberen te bezitten.
Het Reuters-bericht dat DeepSeek terugkwam met een nieuwe modelgeneratie, afgestemd op Huawei-chips, is de softwarehelft van hetzelfde verhaal. De virale opkomst van vroege DeepSeek ging over trainingsefficiëntie en open weights. De terugkeer gaat over of een frontier-achtig model op een non-CUDA-stack kan leven zonder zich daarvoor te verontschuldigen.
Wat de terugkeer van DeepSeek echt signaleert
Haal de perscyclus weg en drie feiten tellen voor operators en voor wie nadenkt over digitale soevereiniteit:
- Het model is niet alleen een benchmarkrace. Pro- en Flash-varianten, lange context, agentic coding en STEM-kracht zijn het productvlak. Het strategische vlak is day-zero-tuning voor Huawei Ascend-klasse accelerators en supernode-clusters — niet “en het draait ergens ook in Azië.”
- Inference is de massamarkt. Het meeste productieverkeer is inference, geen volledige pre-training. Als binnenlandse NPU’s “goed genoeg” zijn om open weights te serveren tegen concurrerende token cost, stopt CUDA met verplicht te zijn voor een groot deel van AI-engineeringwerk.
- Training blijft de harde helft. Eerdere pogingen om hele trainingsruns op Ascend te forceren struikelden naar verluidt over interconnectstabiliteit en softwarerijpheid. Gedeeltelijke training en post-training op binnenlands silicium is vooruitgang; het is nog geen “we hebben geen exportgecontroleerde GPU’s meer nodig voor wat dan ook.” Eerlijkheid houdt het “zie je wel” weg van propaganda.
Het stille scorebord is dus niet “China heeft NVIDIA-pariteit.” Het is “China kan een serieus open-weightmodel schepen waarvan het voorkeurshuis een Chinese acceleratorstack is.” Dat is een andere, duurzamere claim.
We hadden de interconnecthelft al gezegd
Het julistuk was bot over marktsegmentatie: NVLink-klasse peer-fabric gereserveerd voor enterprise multi-GPU-machines; consumenten- en labboxen op PCIe; Huawei’s UnifiedBus-achtige openheid de andere kant op — veel NPU’s als één machine koppelen zonder lidmaatschap van een gesloten club.
DeepSeek-op-Ascend is hoe die these eruitziet wanneer de weights arriveren. Interconnectfilosofie zonder modellen is een whitepaper. Modellen zonder binnenlandse fabric blijven voor altijd afhankelijk van andermans boardontwerp, memory map en driverroadmap. Samen krijg je een pad naar een volle stack: silicium, link, runtime en weights.
We claimen geen alwetendheid. We claimen patroonherkenning. Exportcontroles bevroren Chinese AI niet; ze stuurden kapitaal naar NPU-clusters, binnenlandse compilers en efficiëntietrucs die Westerse labs minder prikkel hadden om uit te vinden zolang H100’s nog een inkooporder verwijderd waren.
Hoe waarschijnlijk is Chinese hardware-onafhankelijkheid?
Onafhankelijkheid is geen boolean. Behandel het als lagen, elk met een eigen kans op een horizon van drie tot vijf jaar.
1. Open weights serveren op binnenlandse accelerators — hoog
Voor veel enterprise- en consumenten-inference is een “goed genoeg” Ascend- (of peer-)cluster al beter dan “helemaal geen GPU” en vaak beter dan “wachten op schaarse export-SKU’s.” Softwarekernels lopen op lelijke, iteratieve manieren in. Zodra een vlaggenschipmodel first-class support scheept, standaardiseren clouds en interne platforms erop. Lock-in werkt beide kanten op: CUDA plakt, maar een werkende binnenlandse default ook.
2. Concurrerende multi-acceleratorfabric binnen China — middelhoog
Dit is de UnifiedBus-/SuperPoD-kant van het juli-argument. Je hebt geen bit-voor-bit NVLink-klonen nodig om nationale capaciteit te winnen. Je hebt genoeg bandbreedte en een coherent softwareverhaal nodig zodat tensor-parallelle en expert-parallelle multi-GPU– (multi-NPU-)jobs niet meer sterven op de hostbus. Huawei en peers missen NVIDIA’s franje; ze blijven racks schepen die modellen trainen en serveren die het Westen niet mid-flight kan embargeren.
3. Volledige pre-trainingpariteit zonder Westerse GPU’s — middel, ongelijk
Frontier pre-training houdt van dichte hogebandbreedtedomeinen, rijpe collectives en een CUDA-vormig ecosysteem. Binnenlandse stacks dichten de kloof op geselecteerde workloads en post-training. Die dichten op elke frontier-run is trager. Verwacht hybride realiteit: sommige fasen op wat nog doorsijpelt, meer fasen op Ascend-ijzer, aanhoudende druk om de hybride te schrappen.
4. Echte end-to-end soevereiniteit (lithografie, HBM, EDA, tools) — lager, maar stijgend onder dwang
Accelerators zijn niet de hele stuklijst. Geavanceerde process nodes, HBM-aanbod, packaging en de memory wall zijn geopolitieke choke points. China kan om sommige limieten heen ontwerpen met grotere clusters, slimmere sparsity en agressieve quantisatie. Het kan fysica of elke toolchain-afhankelijkheid niet wegwuiven op een persberichtsschema. Onafhankelijkheid hier is industriebeleid op decenniumschaal, geen enkele modellancering.
5. Softwaremoat (CUDA vs CANN en vrienden) — het echte gevecht
Hardware zonder developers is een magazijn. De DeepSeek-beweging telt omdat ze de open source-modelgemeenschap en agentframeworks naar binnenlandse runtimes trekt. Coding agents, long-context-apps en productie-RAG geven niet om merkentrouw; ze geven om latency, prijs en of de driver op maandag werkt. Elk serieus model dat Ascend prefereert leert een nieuwe lichting engineers dat CUDA optioneel is.
Kans in één zin: hoog dat China een functioneel soevereine AI-compute-lane bouwt — genoeg infrastructuur om nationaal belangrijke modellen te trainen, finetunen en serveren zonder te bedelen om de top-NVIDIA-SKU. Laag dat de wereldwijde default voor elk Westers lab overnight omslaat. Middel dat exportcontroles een permanente splitsing versnellen: twee volle stacks, twee interconnectfilosofieën, twee sets “best practice.”
Wat dit betekent als je echte systemen draait
Bij 3DN gaat het om production, niet om paradewagens. Een paar praktische lezingen:
- Prijs en beschikbaarheid blijven regionaal uiteenlopen. API pricing en GPU-rental weerspiegelen al wie welk ijzer kan kopen. Modelfamilies geoptimaliseerd voor binnenlandse NPU’s trekken Chinese cloudprijzen verder weg van CUDA-only-quotes.
- Portabiliteit is een productfeature. Als je AI-engineeringpipeline voor altijd één vendor’s collectives aanneemt, schrijf je de migratiebelasting van morgen. Kies open weights, schone inference-interfaces en de discipline om opnieuw te benchmarken wanneer een nieuwe stack pariteit claimt.
- Soevereiniteit is operationeel, geen slogan. Digitale soevereiniteit voor Europese of Aziatische operators is niet “dezelfde gesloten club onder een ander merk.” Het is weten welke lagen je echt kunt verplaatsen — model, runtime, accelerator, facility — wanneer beleid of supply chain knapt.
Managed hosting en saaie infrastructure winnen nog steeds: stroom, koeling, netwerk, observability, en het onglamoureuze werk om inference overeind te houden terwijl de modelpersberichten rouleren.
Zie je wel — zonder de overwinningsronde
We zeiden dat de interconnect-splitsing echt was. DeepSeek’s Huawei-vormige terugkeer is bewijs aan de modelkant van die splitsing. Chinese hardware-onafhankelijkheid is geen meme en geen af project. Het is een kansverdeling die zojuist omhoog schoof op de lagen die eerst tellen — serveren, finetunen en nationale capaciteit — terwijl de diepste productieafhankelijkheden betwist blijven.
Onthoud één zin: het embargo probeerde een klant te bevriezen; het kan de volle stack van een concurrent hebben gefinancierd. De rest is engineeringdetail, en dat detail beweegt sneller dan de kwartaalverhalen toegeven.
Gerelateerd: NVLink voor de rich cats, PCIe voor de rest — en Huawei opent de bus · Europa, energie en AI: GLM 5.2 op Ascend vs Grok op NVIDIA
Geef een reactie