DeepSeek เตรียมเทรน AI รุ่น V5 ด้วยชิป Huawei Ascend 950DT จำนวน 160,000 ตัว เดินหน้าสร้างระบบ AI จีนแบบครบวงจร

DeepSeek เตรียมเทรน AI รุ่น V5 ด้วยชิป Huawei Ascend 950DT จำนวน 160,000 ตัว เดินหน้าสร้างระบบ AI จีนแบบครบวงจร

DeepSeek กำลังถูกจับตามองอีกครั้ง หลังมีรายงานว่าบริษัทเตรียมลดการพึ่งพาฮาร์ดแวร์จาก NVIDIA ด้วยการหันมาใช้ชิป AI ของ Huawei สำหรับการฝึกโมเดลรุ่นใหม่อย่าง DeepSeek V5 ซึ่งคาดว่าจะมีขนาดใหญ่ประมาณ 8 ล้านล้านพารามิเตอร์ (8 Trillion Parameters)

หากแผนดังกล่าวเกิดขึ้นจริง จะถือเป็นอีกก้าวสำคัญของอุตสาหกรรม AI จีน เพราะเป็นความพยายามในการสร้างระบบประมวลผล AI ที่ใช้ทั้งฮาร์ดแวร์และซอฟต์แวร์ภายในประเทศ ตั้งแต่ชิปประมวลผลไปจนถึงเครื่องมือสำหรับพัฒนาและฝึกโมเดล AI

DeepSeek สั่งซื้อ Huawei Ascend 950DT ประมาณ 160,000 ตัว

ข้อมูลจากแหล่งข่าวในอุตสาหกรรมและผู้ติดตามความเคลื่อนไหวด้านฮาร์ดแวร์บน X อย่าง Jukan และ Teortaxes ระบุว่า DeepSeek มีแผนใช้ชิป Huawei Ascend 950DT สำหรับการฝึกโมเดล V5

ก่อนหน้านี้มีรายงานว่า DeepSeek ได้สั่งซื้อชิป Ascend 950DT จาก Huawei ประมาณ 160,000 ตัว เพื่อนำไปติดตั้งในดาต้าเซ็นเตอร์ขนาด 1GW ที่มองโกเลียใน โดยคาดว่าการจัดส่งจะเพิ่มขึ้นในช่วงไตรมาส 4 ปี 2026

สำหรับราคาตลาดของ Ascend 950DT มีรายงานว่าอยู่ที่ประมาณ 111,000 หยวน หรือราว 16,000 ดอลลาร์ต่อชิป หากคำนวณจากจำนวน 160,000 ตัว มูลค่าการสั่งซื้ออาจสูงถึงประมาณ 2.56 พันล้านดอลลาร์

เจาะสเปก Huawei Ascend 950DT

Huawei Ascend 950DT พัฒนาบนสถาปัตยกรรม DaVinci รุ่นที่ 3 และมีรายงานว่าใช้กระบวนการผลิต N+3 ของ SMIC ซึ่งอยู่ในระดับเทคโนโลยีการผลิต Class 7nm

ตัวชิปได้รับการออกแบบให้รองรับทั้งงานฝึกโมเดล AI (Training) และงานประมวลผลเพื่อสร้างคำตอบ (Inference/Decode) พร้อมหน่วยความจำ High Bandwidth Memory หรือ HiZQ 2.0 HBM ขนาด 144GB

รายละเอียดสำคัญประกอบด้วย

หน่วยความจำ HBM ขนาด 144GB

แบนด์วิดท์หน่วยความจำ 4.0 TB/s

ความเร็วการเชื่อมต่อระหว่างชิป 2.0 TB/s

รองรับรูปแบบการประมวลผล FP8 และ FP4 รวมถึง HiF8 ของ Huawei

นอกจากนี้ Huawei ยังนำ Ascend 950DT มาใช้กับระบบ Atlas 950 SuperPoD ซึ่งสามารถเชื่อมต่อชิปได้สูงสุด 8,192 ตัว พร้อมกำลังประมวลผลสูงสุด 8 EFLOPS ในรูปแบบ FP8 ตามข้อมูลที่เผยแพร่ DeepSeek พัฒนาซอฟต์แวร์รองรับชิป Huawei ลดการพึ่งพา CUDA

อีกหนึ่งประเด็นที่สำคัญไม่แพ้ตัวฮาร์ดแวร์คือการพัฒนา Software Stack ของ DeepSeek ให้ทำงานบนชิป Huawei Ascend ได้โดยตรง โดยมีองค์ประกอบสำคัญหลายส่วน ได้แก่

DeepSelect สำหรับเร่งประสิทธิภาพการทำงานของ TopK Kernels

TileLang เครื่องมือสำหรับเขียนและปรับแต่ง AI Kernels

DeepGEMM-Ascend สำหรับเพิ่มประสิทธิภาพการประมวลผล GEMM

DeepEP-Ascend สำหรับการสื่อสารระหว่าง Expert ในระบบ Expert Parallelism

TileKernels สำหรับงานคำนวณแบบ Vector และการเข้าถึงหน่วยความจำ

FlashMLA สำหรับปรับแต่งการประมวลผล MLA Attention

โดยเฉพาะ TileLang ที่ถูกมองว่าเป็นองค์ประกอบสำคัญ เพราะช่วยให้นักพัฒนาสามารถเขียนโปรแกรมโดยไม่ต้องผูกติดกับฮาร์ดแวร์เพียงแพลตฟอร์มเดียว ผู้ผลิตชิปสามารถพัฒนา Backend เพื่อรองรับการทำงาน และเลือกใช้งาน Implementation ที่เหมาะสมได้ในขณะรันโปรแกรม

รายงานระบุว่า Software Stack ที่ DeepSeek พัฒนาขึ้นสามารถทำให้ชิป Huawei Ascend มีค่า Model FLOPS Utilization (MFU) อยู่ที่ประมาณ 45% เพิ่มขึ้นจากตัวเลขราว 30% ที่เคยมีรายงานสำหรับชิป Ascend 910C

นอกจากนี้ DeepSeek และ Huawei ยังได้ปรับแต่งระบบ Atlas 950 SuperPoD รุ่นที่เชื่อมต่อการ์ด 128 ตัว โดย Sparse Attention Operator สามารถทำประสิทธิภาพได้ 410 TFLOPS ในขั้นตอน Read และมีรายงานว่างานประมวลผลบางประเภทสามารถเข้าใกล้ 95% ของประสิทธิภาพ FP8 สูงสุดตามทฤษฎีของชิปได้

DeepSeek V5 อาจเป็นบททดสอบสำคัญของ AI Ecosystem จีน

ประเด็นสำคัญของการพัฒนา DeepSeek V5 ไม่ได้อยู่เพียงว่าชิป Huawei สามารถประมวลผลโมเดล AI ขนาดใหญ่ได้หรือไม่ แต่ยังเป็นการทดสอบว่าแนวทางการใช้ Software Stack ที่ไม่ยึดติดกับ CUDA จะสามารถรองรับกระบวนการฝึกโมเดล AI ระดับแนวหน้าได้ครบวงจรหรือไม่

หาก DeepSeek สามารถฝึกโมเดล V5 บนระบบของ Huawei ได้สำเร็จ ก็อาจเป็นสัญญาณว่าจีนกำลังพัฒนาโครงสร้างพื้นฐาน AI ของตนเองได้แข็งแกร่งขึ้น ทั้งในด้านชิปประมวลผล ระบบเชื่อมต่อ และซอฟต์แวร์สำหรับนักพัฒนา

อย่างไรก็ตาม ข้อมูลเกี่ยวกับการฝึก DeepSeek V5 ด้วย Ascend 950DT ยังเป็นรายงานจากแหล่งข่าวและผู้ติดตามอุตสาหกรรม ไม่ใช่การยืนยันอย่างเป็นทางการจาก DeepSeek หรือ Huawei ดังนั้นผลลัพธ์จริงยังต้องติดตามต่อไป

หากแผนนี้ประสบความสำเร็จ การแข่งขัน AI ในจีนอาจไม่ได้วัดกันแค่ประสิทธิภาพของชิปแต่ละรุ่นอีกต่อไป แต่อาจขยับไปสู่การแข่งขันด้านระบบนิเวศซอฟต์แวร์และความสามารถในการทำงานร่วมกันของฮาร์ดแวร์ทั้งระบบด้วย

ที่มา: Jukan / Teortaxes