بلغت سرعة الحوسبة المصفوفية لمعالج Ascend 950PR من هواوي 43% من سرعة H100 من إنفيديا في الاختبارات. ووفقًا لـ ChainCatcher، اختبرت شركة أبحاث أشباه الموصلات SemiAnalysis عدد 1,055 عملية مصفوفية تُستخدم عادةً في نماذج الذكاء الاصطناعي الكبيرة. وأتاح البرنامج منخفض المستوى من هواوي للمعالج 950PR بلوغ 86% من أدائه الحاسوبي الممكن تحقيقه، مقارنةً بـ75.5% لمعالج H100. لكن السرعة الفعلية للمعالج 950PR بلغت 21% من سرعة المعالج الأحدث B300؛ ولم يشمل الاختبار المعياري العمليات التي نقلها DeepSeek مؤخرًا.

تعمل DeepSeek على إجراء تغييرات برمجية لتقليل عمليات نقل البيانات وأوقات الانتظار. وتغيّر FlashMLA طريقة تخزين البيانات لإجراء حسابات الانتباه، بحيث يمكن الوصول معًا إلى مجموعتي بيانات كان يلزم قراءتهما منفصلتين في السابق. وتتيح TileLang للشريحة تحميل دفعة البيانات التالية مسبقًا أثناء إجراء العمليات الحسابية. ووجدت SemiAnalysis أن الجدولة المؤتمتة خفّضت الوقت اللازم لبعض مهام الحوسبة الصغيرة بنسبة تصل إلى نحو 40%. كما نقلت DeepSeek إلى منصتها DeepEP، التي تتولى الاتصال بين نماذج مزيج الخبراء (MoE)، لكن الاتصال والحوسبة لا يزالان يتنافسان على عرض نطاق الذاكرة. وتخطط Huawei لإجراء مزيد من التحسينات على البرامج الثابتة.

في العام الماضي، حاولت DeepSeek تدريب R2 على شرائح Huawei Ascend، لكن المحاولة لم تنجح رغم المساعدة الميدانية التي قدمها مهندسو Huawei. وشملت التحديات المبلغ عنها استقرار الشرائح والاتصال بينها ودعم البرمجيات. واستمر التعاون هذا العام: فقد أصدرت DeepSeek علنًا ست مجموعات من شيفرات تكييف Ascend في أواخر سبتمبر، وأفادت تقارير في أكتوبر بأن Huawei تعدّل تصميم شريحتها من الجيل التالي لتلبية متطلبات نماذج DeepSeek.

صُممت 950PR أساسًا لمعالجة مدخلات الاستدلال. وتخطط DeepSeek لاستخدام 950DT في التدريب المسبق واسع النطاق بحلول نهاية العام على أقرب تقدير. وقد أجرت الجهتان اختبارات على نطاق 1,000 شريحة، لكن تشغيل دورة تدريب كاملة لنموذج كبير بشكل متواصل على عشرات الآلاف من الشرائح سيتطلب معالجة مشكلات أكثر تعقيدًا تتعلق بالتنسيق والاستقرار.