La fuente abierta de Cann de Huawei apunta directamente al monopolio CUDA de Nvidia, mientras que China aumenta su estrategia de independencia de IA en medio de restricciones de exportación estadounidenses
- Huawei fabrica su Kit GPU Toolkit de cann AI Open Open para desafiar la plataforma CUDA patentada de Nvidia
- El dominio de cerca de 20 años de Cuda ha encerrado a los desarrolladores en el ecosistema de hardware de NVIDIA exclusivamente
- Cann proporciona interfaces de programación de múltiples capas para aplicaciones de IA en las GPU Ascend AI de Huawei
Huawei ha anunciado planes para hacer su kit de herramientas de software cann para GPU ASCEND AI código abiertoun movimiento dirigido directamente a desafiar NvidiaEl dominio de CUDA de larga data.
CUDA, a menudo descrito como un “foso” o “pantano” cerrado, ha sido visto como una barrera para los desarrolladores que buscan compatibilidad multiplataforma por algunos durante años.
Su estrecha integración con el hardware NVIDIA ha encerrado a los desarrolladores en un ecosistema de proveedores único durante casi dos décadas, con todos los esfuerzos para llevar la funcionalidad CUDA a otras arquitecturas de GPU a través de capas de traducción bloqueadas por la compañía.
Abriendo cann a los desarrolladores
Cann, abreviatura de arquitectura de cómputo para redes neuronales, es el marco informático heterogéneo de Huawei diseñado para ayudar a los desarrolladores a crear aplicaciones de IA para sus GPU ASCEND AI.
La arquitectura ofrece múltiples capas de programación, brindando a los desarrolladores opciones para construir aplicaciones de alto nivel y intensivas en rendimiento.
En muchos sentidos, es el equivalente de Huawei a CUDA, pero la decisión de abrir su código fuente indica una intención de hacer crecer un ecosistema alternativo sin las restricciones de un modelo patentado.
Según los informes, Huawei ya ha comenzado las discusiones con los principales jugadores chinos de IA, universidades, instituciones de investigación y socios comerciales para contribuir a una comunidad de desarrollo de Ascend de código abierto.
Este alcance podría ayudar a acelerar la creación de herramientas optimizadas, bibliotecas y marcos de IA para las GPU de Huawei, lo que potencialmente los hace más atractivos para los desarrolladores que actualmente dependen del hardware NVIDIA.
El rendimiento del hardware de IA de Huawei ha mejorado de manera constante, con afirmaciones de que ciertos chips ascend pueden superar a los procesadores de Nvidia en condiciones específicas.
Informes como los resultados de referencia de CloudMatrix 384 contra Nvidia que ejecutan Deepseek R1 sugieren que la trayectoria de rendimiento de Huawei está cerrando la brecha.
Sin embargo, el rendimiento sin procesar por sí solo no garantizará la migración del desarrollador sin estabilidad y soporte de software equivalente.
Si bien el cann de emisión abierta podría ser emocionante para los desarrolladores, su ecosistema está en sus primeras etapas y puede no estar nada cercano a CUDA, que se ha refinado durante casi 20 años.
Incluso con el estado de código abierto, la adopción puede depender de qué tan bien Cann admite los marcos de IA existentes, particularmente para las cargas de trabajo emergentes en Modelos de idiomas grandes (LLM) y Escritor de IA herramientas.
La decisión de Huawei podría tener implicaciones más amplias más allá de la conveniencia del desarrollador, ya que el cann de emisión abierta se alinea con el impulso más amplio de China para la autosuficiencia tecnológica en la computación de IA, reduciendo la dependencia de los fabricantes de chips occidentales.
En el entorno actual, donde las restricciones estadounidenses se dirigen a las exportaciones de hardware de Huawei, construyendo una sólida pila de software nacional para Herramientas AI se vuelve tan crítico como mejorar el rendimiento del chip.
Si Huawei puede fomentar con éxito una comunidad vibrante de código abierto alrededor de Cann, podría presentar la primera alternativa seria a CUDA en años.
Aún así, el desafío radica no solo en la disponibilidad de código, sino también en la creación de confianza, documentación y compatibilidad a la escala que NVIDIA ha logrado.
A través de Hardware Toms
