DeepSeek V5 plant, den Huawei Ascend 950 Chip für das Training zu nutzen und die Anwendung einheimischer Rechenleistung voranzutreiben.

·von Henderson·AI
DeepSeek V5 plant, den Huawei Ascend 950 Chip für das Training zu nutzen und die Anwendung einheimischer Rechenleistung voranzutreiben.
Kürzlich wurde ein weiterer Schritt in der Kombination von einheimischen großen Modellen und einheimischer Rechenleistung gemacht. Laut internen Quellen der Branche plant das nächste große Modell von DeepSeek, DeepSeek V5, den Huawei Ascend 950 Chip als zentrale Trainingsrechenleistung zu verwenden. Das Projekt soll voraussichtlich im nächsten Jahr realisiert werden. Bislang hat DeepSeek zu diesem Thema noch keine öffentliche Stellungnahme abgegeben. Laut Informationen von Insidern über den Kooperationsweg übertrifft das Tempo der Fortschritte die Erwartungen der Öffentlichkeit. Die Kernforschungsteams von DeepSeek und Ascend sind bereits in Hangzhou stationiert und haben in der V4-Phase eine Vielzahl von Anpassungen und maßgeschneiderter Entwicklungen für die grundlegenden Operatoren abgeschlossen.

Eine entscheidende Veränderung betrifft die Arbeitsteilung: In der vorherigen Version von DeepSeek übernahm die Ascend-Rechenleistung lediglich die Inferenzaufgaben und war nicht am Training beteiligt; V5 wird das erste große Modell sein, das nativ auf dem Ascend 950 für das Training basiert. In einem Umfeld, in dem die Versorgung mit hochentwickelten KI-Chips weiterhin angespannt ist, beschleunigen führende einheimische Modellhersteller den Übergang zu einheimischer Rechenleistung. Der tatsächliche Übergang von Inferenz zu Training ist jedoch nicht mit dem gleichen Maß an Schwierigkeiten verbunden: Training erfordert eine höhere Vollständigkeit der Operatoren, Clustervernetzung und langfristige Stabilität. Jeder Mangel kann die Unsicherheit der gesamten Trainingsaufgabe verstärken.

DeepSeek V5 wird das erste große Modell sein, das nativ auf dem Ascend 950 für das Training basiert

Ein Blick auf die aktuelle Produktlinie von DeepSeek zeigt auch, warum eine stärkere Rechenleistung erforderlich ist. Am 17. Oktober 2026 veröffentlichte DeepSeek DeepSeek-V4.1-Flash-1017. In dem Test zur Bewertung der Software-Engineering-Fähigkeiten, DeepSWE v1.1, erreichte das Modell eine Qualcomm-Übertragungsrate von 77,0 %, was besser ist als die Leistung von GPT-6 Astra, Claude Opus 5 und anderen führenden Modellen aus dem Ausland.

H
Über den Autor
Henderson