中國版CUDA開源上線，輝達(NVDA)在中國的軟體優勢會鬆動嗎？

 

DeepSeek與華為從GPU軟體層切入

截至今年9月30日，DeepSeek與華為已公開釋出一套對應Ascend加速器的AI程式設計工具，並提供免費下載與開源授權。工具鏈包含新一代高階語言TileLang，目標是降低開發者使用Ascend晶片的程式設計門檻。

市場以「中國版CUDA」概括TileLang的定位。CUDA涵蓋編譯器、函式庫、框架支援、除錯工具與開發者社群，TileLang目前承擔其中的高階程式設計入口。它讓工程師能以較容易使用的語言調度Ascend硬體，同時追求接近晶片原生效能的運算表現。

這項合作反映中國AI算力自主化已延伸至軟體層。晶片供應只能解決運算資源問題，模型能否有效訓練與推論，仍取決於編譯工具、通訊函式庫、框架相容性與工程文件。GPU競爭已涵蓋完整工具鏈，軟體成熟度會直接影響硬體使用率。

 

128顆Ascend 950測試超級節點架構

DeepSeek與華為也在128顆Ascend 950晶片上測試「超級節點」。這類架構把大量加速器連接成單一運算叢集，讓大型模型可以跨晶片分配工作負載。系統需要同時處理運算密度與節點間資料交換，任何通訊延遲都可能壓低整體效能。

AI模型規模持續增加後，單顆晶片效能已無法完整代表資料中心的實際產出。訓練工作會受到互連頻寬、記憶體容量、軟體排程與叢集穩定性影響。128顆晶片協同運作，代表中國陣營正在處理系統級擴展問題。

目前公開資訊主要來自合作方說明，尚缺少更多標準化測試、功耗數據與長時間運作結果。這次測試可以確認Ascend正在朝大規模叢集發展；與Nvidia GPU叢集之間的效率差距，仍需同一模型、相同精度與相近功耗條件下的測試才能判讀。

 

免費開源先累積開發者與實作案例

Nvidia(NVDA)的競爭優勢來自GPU、CUDA與開發者生態長期累積。主流深度學習框架對CUDA支援成熟，企業也已建立相關人才、程式碼與部署流程。更換平台會帶來程式移植、測試、維護與員工培訓成本。

DeepSeek選擇免費開源，可以降低工程團隊嘗試TileLang的成本，也有利於快速增加實作案例。開源授權本身無法保證效能與穩定性，卻能擴大測試範圍，讓更多開發者回報問題並貢獻最佳化方法。開發者採用速度將決定工具鏈能否形成正向循環。

後續可觀察幾項具體進展，包括主流AI框架的支援程度、技術文件完整度、模型移植所需時間，以及社群是否持續更新程式庫。大型語言模型與影像生成任務的成功案例，也會比單次展示更能說明TileLang的實用程度。

 

中國可能形成Ascend在地算力生態

美國出口管制提高高階AI晶片取得難度，促使中國同時投入本土加速器、雲端基礎建設與程式工具。華為Ascend已進入中國雲端與資料中心，搭配DeepSeek的開源工具後，硬體、基礎軟體與模型開發之間的連結更完整。

這條路線具有供應鏈安全意義。中國企業可以降低部分AI工作負載對Nvidia平台的依賴，也能依照在地需求調整工具。政府與國有企業若將供應安全納入採購條件，Ascend生態可能先在中國境內取得足夠規模。

全球市場則可能逐步形成兩套AI算力體系。一套圍繞Nvidia與美系公有雲，另一套圍繞華為Ascend、中國雲端服務與在地工具。平行生態將提高相容成本，跨國企業可能需要維護不同版本的模型與部署流程。

 

Nvidia短期主導權仍由軟體護城河支撐

DeepSeek與華為的進展尚未改變Nvidia在高階AI GPU與軟體平台的全球領先位置。CUDA擁有多年累積的函式庫、教學資源、工程人才與企業程式碼，這些資產難以在短期內完整移轉。

TileLang若持續成熟，可能先影響中國境內新增AI基礎建設的供應商選擇。企業除了比較單顆晶片，也會衡量整套叢集的成本、能源效率、可取得性與政策風險。競爭單位已從晶片升級為系統，Nvidia面對的壓力也會集中在特定區域與特定工作負載。

後續判斷應追蹤三組證據：TileLang的開發者採用率、Ascend超級節點的穩定效能，以及中國雲端業者的實際部署規模。三者同步改善，才足以顯示自主算力生態正在形成規模；目前可以確認的是軟體工具已開始補位，全球AI基礎建設的分化速度也因此加快。