שבבי Ascend של Huawei השלימו post-training מלא של DeepSeek-V4

צוות מחקר שכולל את Huawei Technologies הכריז כי הצליח להשתמש בשבבי Ascend 910C של החברה כדי להשלים post-training של DeepSeek-V4-Pro — המודל הגדול ביותר שיצא מסין עד כה, עם 1.6 טריליון פרמטרים — בהרצה על קלאסטר של 1,000 שבבי Huawei לפחות, כך לפי פוסט ברשתות החברתיות של ממשלת שנזן שצוטט ב-SCMP.

המשמעות טמונה בהבחנה בין inference ל-training. יצרניות השבבים הסיניות כבר הצליחו להריץ AI inference — הרצה של מודלים מוגמרים כדי לענות על prompts — אבל התקשו במשימה המורכבת בהרבה, עתירת ה-compute והתקשורת, של אימון וליטוש 'המוח' של המודל. הצוות ביצע post-training ב-'full-parameter', כלומר כל הארכיטקטורה עודכנה בלי לקצר פינות. הפוסט הממשלתי דימה זאת להוספת 'מחלפים מורכבים ולולאות' לכביש שהיה קודם 'חד-סטרי', מה שמכפיל מיידית את דרישות ה-compute והתקשורת.

אסטרטגית, מדובר בקפיצה משמעותית לעצמאות ה-AI של סין תחת מגבלות הייצוא ההולכות ומחמירות של ארה"ב, והוכחה שהסיליקון המקומי מסוגל להתמודד עם post-training של מודל בקנה מידה חזיתי. זה משתלב עם שאר האיתותים בתחום ה-AI הסיני השבוע: מודל הווידאו open-weight של Alibaba, Wan 2.7, שזכה במרוץ ש-'OpenAI נטשה', ומודל מהונג קונג מבוסס DeepSeek-V4 שעבר אופטימיזציה לשבבים מקומיים.

הסתייגויות: post-training פחות עתיר compute מ-pre-training מלא, ולכן מדובר באבן דרך ולא בשוויון עם training בסקאלת NVIDIA; שאלות של יעילות, yield ועלות מול Blackwell עדיין פתוחות. מה לעקוב: האם Huawei תוכל להדגים pre-training מאפס בקנה מידה רחב, וכיצד זה ישנה את מסלול ניתוק ה-compute בין ארה"ב לסין.