中國AI晶片補上開發工具，輝達(NVDA)在中國的替代速度有多快？

 

DeepSeek開源TileLang，華為Ascend補上程式開發工具

截至今年9月30日，DeepSeek已公開與華為共同開發的AI晶片程式設計工具，並開放免費下載。這套工具專為華為Ascend加速器設計，目的在降低開發門檻，讓更多工程師能直接撰寫、測試與部署相關工作負載。

整套工具中，市場最關注名為TileLang的程式設計平台。DeepSeek希望透過高階語言，兼顧通用性、撰寫便利性與硬體效能，逐步建立獨立的GPU軟體生態。TileLang承擔軟硬體介面的角色，也成為華為Ascend能否擴大開發者基礎的重要拼圖。

 

CUDA護城河來自工具、生態與開發者習慣

輝達(NVDA)的競爭優勢涵蓋晶片、互連、程式庫、開發工具與長期累積的工程師社群。CUDA已成為全球AI運算常用的開發標準，模型訓練與推論團隊可以沿用既有程式碼、文件及除錯流程。硬體效能很重要，軟體遷移成本同樣會左右採購決策。

因此，TileLang開源帶來的第一層影響，是降低開發者接觸Ascend平台的成本。免費取得程式碼也有利於社群檢查、修改與擴充功能。開源可以加速試用與迭代，後續仍要靠穩定性、相容性、文件完整度與實際部署案例，才能把試用者轉成長期使用者。

這場競爭有點像攻城。晶片算是城牆外的兵力，編譯器、程式庫與開發工具則是糧道。兵力規模可以快速增加，糧道需要多年維護；CUDA累積的優勢，也集中在這種長期投入形成的黏著度。

 

128顆Ascend 950超級節點測試系統整合能力

DeepSeek表示，華為在程式設計基礎設施的開發過程中提供全面技術支援。雙方也共同推進以128顆Ascend 950晶片為基礎的「超級節點」，目標是改善運算能力與晶片間通訊效率。

AI叢集規模擴大後，單顆晶片速度只占系統效能的一部分。資料如何切分、節點如何同步，以及通訊延遲能否壓低，都會影響模型訓練效率。超級節點考驗的是系統工程能力，範圍涵蓋晶片、互連、軟體排程與平行運算。

目前公開內容尚未提供可直接對照輝達平台的效能數據，也缺少功耗、成本與特定模型工作負載的比較。DeepSeek與華為展現了技術整合方向，競爭差距仍需透過標準化測試與客戶部署結果評估。單靠節點規模，無法推導整體運算效率。

 

中國AI基礎設施開始從晶片擴張到完整軟體堆疊

DeepSeek與華為的合作反映中國AI產業正在補齊軟體工具。Ascend提供運算硬體，TileLang負責開發介面，超級節點則處理多晶片協作。三者若能持續整合，華為平台的可用範圍與開發效率有機會提升。

對輝達而言，短期壓力主要集中在中國市場的在地替代進程。CUDA在全球開發者社群、程式庫與商業部署方面仍有深厚累積；TileLang現階段更接近生態系起點。開源發布代表競爭進入軟體層，距離大規模遷移仍有多道工程與商業門檻。

我會持續追蹤三組訊號：TileLang能否吸引外部開發者貢獻、主流AI模型能否順利移植，以及128顆Ascend 950超級節點能否提出可重複驗證的效能成果。這些證據若逐步累積，中國AI運算平台的自主能力就會更具體；現階段能確認的是技術路線與合作深度，替代速度與影響幅度仍缺乏足夠數據。