2026年9月30日、DeepSeekはAscend向けインフラストラクチャコンポーネントをオープンソース化した。DeepSeekは本日、公式WeChatアカウントを通じて、Huawei Ascendコンピューティングプラットフォーム向けの6つのインフラストラクチャコンポーネント（TileLang、DeepGEMM、DeepEP、TileKernels、FlashMLA、DeepSelect）を正式にオープンソース化すると発表した。これらは従来NVIDIAプラットフォーム向けに公開してきたコンポーネントと一対一で対応し、公式リポジトリはすべてGitHub上にある（組織名は tile-ai と deepseek-ai）。
今回の公開で注目すべきはモデルそのものではなく「ソフトウェアスタック」だ。国産AIチップの弱点はこれまで演算性能ではなくエコシステムにあった。コードを書き、性能を最適化するツールチェーンの成熟度は、NVIDIA CUDAに遠く及ばない。海外メディアは、中国AI産業がソフトウェアエコシステムの弱点を補う重要な一歩だと受け止めている。
6つのコンポーネント
- TileLang：Python風の文法を持つドメイン特化言語のコンパイラツールチェーン。TVMコンパイラインンフラを基盤に、開発効率と低レイヤー最適化を両立する。GitHubリポジトリ
tile-ai/tilelangは本日のREADME更新で、Ascend 950 NPU向けネイティブコード生成、自動スケジューリングと同期、SIMD/SIMTベクタプログラミングの正式サポートを発表した。 - DeepGEMM：行列演算加速ライブラリ。Ascend版は
deepseek-ai/DeepGEMM-Ascend。 - DeepEP：分散通信ライブラリ。Ascend版は
deepseek-ai/DeepEP-Ascend。 - TileKernels：汎用カーネル集、FlashMLA：スパースアテンション演算子、DeepSelect：データ選別ツール。
DeepSeekは同時に、V4シリーズの訓練に使われた演算子の大多数がTileLangで実装されていることを明かした。つまりこのツール群は、最先端の大規模モデル訓練ですでに検証済みであり、机上の計画ではない。
「CUDAに対抗」とはどういう意味か
対応関係は明確だ。NVIDIAエコシステムでは、CUDAがプログラミング言語層、cuBLASが行列加速、NCCLが集合通信を担う。TileLangはCUDAの言語層に、DeepGEMMは高性能行列演算に、DeepEPは集合通信に対応する。開発者がこのツールチェーンに慣れれば、単一のハードウェアに縛られなくなる。「コスト削減・効率向上」を具体化すれば、国産演算リソースが「使えるもの」「安く使えるもの」になるということだ。
Huaweiとの共同開発：理論上限に迫る性能
単なる「コード移植」ではない。DeepSeekによれば、Huaweiチームが共同開発に深く関与し、Ascend 950の128カードスーパーノード構成を両者で実装。演算・通信リンクを徹底的にチューニングし、複数のテストで演算・通信性能がハードウェアの理論上限に迫っているという。スーパーノードは大規模モデル訓練の要となる構成であり、Ascendプラットフォームはフラッグシップモデルの訓練を支える実戦能力を備えたことになる。
誰が恩恵を受け、ハードルはどこか
直接の受益者は、国産演算リソース上で大規模モデルの訓練・推論を行うチームだ。ゼロから作り直すことなく、演算子の最適化や訓練の高速化ができる。ハードルは二つある。ハードウェアはAscend NPU向けであり、Ascend環境がなければ手が出しにくい。技術スタックも、TileLangのDSLと低レイヤーのカーネルチューニングの両方に習熟する必要がある。ただ、より大きな意義は産業へのシグナルにある。トップレベルのモデルチームが国産ハードウェア上にツールチェーンを築き始めれば、エコシステムのフライホイールが回り始める。
