--- title: "DeepSeek e Huawei criam ferramentas para programar chips Ascend" author: "Ignácio Afonso" date: "2026-10-01 08:45:00-03" category: "Inteligência Artificial & Dados" url: "http://desbugados.scale.press/portal/desbugados/post/2026/10/01/deepseek-e-huawei-criam-ferramentas-para-programar-chips-ascend/md" --- ## Resumo - DeepSeek e Huawei anunciaram ferramentas de programação adaptadas aos chips Ascend. - A DeepSeek tornou público o código-fonte de sua infraestrutura de programação para a plataforma Ascend. - A parceria prevê uma solução supernode baseada em 128 chips Ascend 950, com suporte da Huawei. - Seis módulos de software foram lançados, incluindo uma versão compatível com Ascend da linguagem TileLang. - TileLang é apresentada como alternativa mais simples ao CUDA, com geração de código nativa, agendamento automático e sincronização. - Relatórios citados pela Reuters indicam que a DeepSeek desenvolve um chip de inteligência artificial próprio para reduzir sua dependência de hardware externo. --- A **DeepSeek** anunciou parceria com a **Huawei** para desenvolver ferramentas de programação voltadas aos chips Ascend, abrindo uma frente de trabalho que tenta reduzir a dependência de soluções externas por meio de software adaptado ao hardware da Huawei. Em um [relato da Reuters](https://www.reuters.com/world/asia-pacific/deepseek-partners-with-huawei-develop-chip-programming-tools-reducing-reliance-2026-09-30/), a companhia aparece no centro de uma disputa que costuma ser contada apenas pela quantidade de chips, embora o código que orienta essas peças também determine como elas executam tarefas de inteligência artificial. A empresa chinesa também tornou público o código-fonte de sua infraestrutura de programação para a plataforma Ascend. A história fica mais clara quando se separa o componente físico do conjunto de instruções que permite usá-lo. É nesse ponto invisível, familiar a quem já acompanhou sistemas legados, que a parceria ganha peso. ## O código é a primeira camada da mudança Esse movimento começa pelo **código-fonte**, a parte legível de um programa que registra como ele funciona e pode ser examinada por quem o recebe. Ao tornar pública sua infraestrutura de programação para a plataforma **Ascend**, a DeepSeek colocou no centro da parceria o conjunto de ferramentas que organiza a comunicação entre aplicações de inteligência artificial e o processador. Infraestrutura, neste caso, significa a base de programas usada para preparar e executar instruções, não uma nova peça física. A distinção ajuda a desbugar o anúncio: o acordo não descreve somente a fabricação de chips, mas também o trabalho necessário para programá-los. A Huawei entra justamente na camada de suporte ao desenvolvimento dessa solução, ligando o software ao hardware que a parceria pretende aproveitar. A escala aparece no projeto de **supernode** baseado em **128 chips Ascend 950**, cujo desenvolvimento terá suporte da Huawei. A palavra supernode pode soar como nome de ficção científica ruim, mas aqui designa uma solução formada por muitos chips trabalhando em conjunto dentro de uma mesma arquitetura de computação. O número de 128 não é um detalhe decorativo: ele mostra que o trabalho previsto precisa organizar a execução de tarefas e a sincronização entre várias unidades. A parceria descreve esse projeto como uma solução em desenvolvimento com apoio da Huawei. Por isso, o anúncio combina uma entrega de software já tornada pública com uma construção de maior escala associada ao hardware escolhido. ## TileLang tenta simplificar o trabalho do programador Se a primeira camada é a infraestrutura, a segunda é a linguagem usada para escrever as instruções. A **DeepSeek** lançou **seis módulos de software**, e um deles é uma versão de TileLang compatível com o hardware adotado. Uma linguagem de programação funciona como um conjunto organizado de regras para transformar uma intenção humana em instruções que a máquina consegue executar. Nesse caso, TileLang aparece como uma ferramenta preparada para aproximar o programa do chip usado pela parceria. A escolha da linguagem mostra que a independência tecnológica depende também de reduzir o trabalho necessário para adaptar aplicações a uma plataforma específica. É nessa escolha que a comparação com **CUDA** entra. A proposta apresentada para TileLang é oferecer uma alternativa mais simples, com geração de código nativa, agendamento automático e sincronização. Em termos práticos, geração de código nativa significa produzir instruções voltadas diretamente ao processador escolhido; agendamento automático organiza quando cada tarefa deve ser executada; sincronização coordena operações que dependem umas das outras. Essas explicações traduzem o tecniquês sem transformar a promessa em resultado comprovado. O anúncio descreve os recursos como parte de uma alternativa ao conjunto de ferramentas da **Nvidia**, portanto o ponto central é diminuir a adaptação manual entre programa e chip. ## Por que software pesa tanto quanto o chip Visto do lado de quem desenvolve modelos, a consequência pretendida é uma cadeia de programação mais ajustada ao **Ascend**. Um chip pode oferecer capacidade de processamento, mas o software precisa conhecer sua forma de receber, ordenar e sincronizar operações para que o programa seja executado. A parceria tenta resolver essa tradução com ferramentas feitas para a plataforma da Huawei, em vez de depender de uma camada pensada para outro desenho de hardware. Essa é a razão prática para a programação aparecer no título do acordo: sem ela, a existência de uma peça física não garante que os modelos de inteligência artificial sejam facilmente executados nela. O ganho anunciado está na redução da dependência, não em um número de desempenho que a fonte não apresentou. Essa lógica também explica por que a abertura do código-fonte acompanha os **seis módulos**. O que foi divulgado não é apenas uma ferramenta isolada, mas uma base de programação que reúne compatibilidade com a plataforma e recursos para gerar, organizar e sincronizar instruções. A linguagem **TileLang** ocupa uma posição visível nessa base porque traduz a tentativa de simplificar o caminho entre a aplicação e o chip. Para profissionais acostumados a sistemas legados, a analogia é conhecida: trocar o processador sem adaptar compiladores e rotinas deixa uma máquina poderosa esperando por instruções que não chegam no formato certo. Aqui, a parceria procura fazer essa adaptação pela camada de software, preservando a ligação com o hardware escolhido. ## A parceria não encerra a busca por autonomia Ao lado dessa cooperação, existe uma segunda frente ainda mais ambiciosa. Segundo informações de **três fontes próximas ao assunto**, a DeepSeek trabalha no desenvolvimento de um chip de inteligência artificial próprio para reduzir a necessidade de depender de hardware da **Nvidia** no treinamento e na execução de seus modelos. Treinamento é a etapa em que o sistema ajusta seus parâmetros a partir de dados, enquanto execução é o momento em que ele responde ou realiza uma tarefa. A reportagem apresenta esse projeto como uma iniciativa separada da parceria de programação, mas alinhada ao mesmo objetivo de diminuir dependências externas. A história, portanto, vai do código aberto ao desenho do próprio componente físico, sem que uma etapa substitua automaticamente a outra. ## O próximo passo já anunciado Essa segunda frente também amplia a leitura do acordo com a Huawei, porque o relato sobre o chip próprio menciona a intenção de reduzir a dependência de hardware da **Huawei**, além da Nvidia. A estratégia descrita nas fontes tem duas camadas: usar melhor a plataforma disponível agora, com ferramentas compatíveis, e desenvolver uma alternativa própria em paralelo. O passo concreto já anunciado na parceria é o desenvolvimento do supernode com **128 chips Ascend 950**, enquanto a parte de software já inclui seis módulos e código-fonte público. As informações reunidas não apresentam prazo para conclusão do supernode nem especificação de desempenho para a linguagem. Essa ausência impede prometer uma troca imediata, mas deixa claro o que deve ser acompanhado: a transformação de ferramentas abertas e projetos de chip em capacidade efetiva de executar modelos de inteligência artificial.