La competencia por la infraestructura de inteligencia artificial también se decide en el software que permite programar los aceleradores. DeepSeek y Huawei han anunciado una colaboración para desarrollar y abrir componentes optimizados para los chips Ascend. El objetivo es reducir la dependencia del ecosistema CUDA de NVIDIA y facilitar que los modelos de IA puedan ejecutarse sobre hardware alternativo con una capa de programación más accesible.
Reuters informó el 30 de septiembre de 2026 de que la colaboración incluye bibliotecas de cómputo y comunicación, además de versiones adaptadas de herramientas como TileLang, DeepGEMM y DeepEP. Huawei también ha presentado un sistema de alto rendimiento basado en 128 chips Ascend 950. El mensaje estratégico es claro: no basta con fabricar un acelerador competitivo; hay que construir un entorno de software que atraiga a desarrolladores.
Contenido
El verdadero campo de batalla
La ventaja de NVIDIA no depende solo de sus GPU. CUDA ha creado una capa de herramientas, bibliotecas, compiladores y conocimiento que reduce el coste de llevar un proyecto desde la investigación hasta producción. Un acelerador alternativo puede tener buena relación entre rendimiento y consumo, pero si el software es inmaduro los equipos tardan más en portarlo, depurarlo y mantenerlo.
Por eso esta colaboración tiene una dimensión mayor que la de una simple adaptación de código. La meta es hacer que el hardware sea programable con flujos más cercanos a los que ya conocen los investigadores. Si parte del stack se publica con licencias abiertas y recibe contribuciones externas, la comunidad puede ayudar a mejorar el rendimiento, la compatibilidad y la documentación.
Qué aporta la pila de DeepSeek
TileLang se plantea como un lenguaje de alto nivel para expresar operaciones de IA de forma portable y eficiente. Se sitúa entre el código del modelo y las instrucciones específicas del acelerador. El programador describe la operación con una abstracción manejable y el compilador genera una implementación adaptada al hardware objetivo.
La importancia de DeepSeek está en que ya ha desarrollado componentes de infraestructura para entrenamiento e inferencia a gran escala. Adaptarlos a Ascend puede ofrecer algo que no se compra con una ficha técnica: ejemplos reales de software que resuelven cuellos de botella de comunicación, memoria y paralelismo.
La referencia a un sistema con 128 chips Ascend 950 subraya la importancia de la interconexión. En IA, el rendimiento total depende de mover tensores y gradientes entre aceleradores con baja latencia. Un clúster con chips rápidos pero una red lenta desperdicia capacidad. Por eso la pila incluye bibliotecas de comunicación y kernels optimizados, no solo una API.
Los retos de una plataforma alternativa
El primer reto es la compatibilidad con marcos y herramientas existentes. Los equipos quieren seguir usando PyTorch, observabilidad y entrenamiento distribuido. Cuanto más trabajo de adaptación se necesite, más difícil será convencerles.
El segundo es la consistencia. Un ecosistema alternativo necesita documentación, soporte, ciclos de actualización previsibles y herramientas de diagnóstico. Una biblioteca muy rápida en una demo no basta si falla con modelos distintos o si cambia la API con frecuencia.
El tercero es la fragmentación tecnológica. Las restricciones comerciales pueden impulsar ecosistemas regionales más cerrados. Eso puede reforzar la autonomía de unos mercados, pero también elevar los costes de mantener código en varias plataformas.
Implicaciones para Europa y España
Europa depende de proveedores externos para buena parte de la capacidad de cómputo avanzada. Una mayor diversidad de aceleradores puede ser positiva si reduce la dependencia de un único ecosistema, aunque la fragmentación eleva costes para universidades, startups y empresas medianas.
La lección industrial es que la soberanía tecnológica no termina en fabricar chips. También exige compiladores, bibliotecas, herramientas de depuración, formación y comunidades. Europa cuenta con iniciativas de supercomputación, pero necesita que los proyectos produzcan software reutilizable y estándares abiertos, no solo instalaciones físicas.
Para España, la oportunidad está en la ingeniería de software de aceleradores, la optimización de modelos y la formación de talento. Aunque no se fabrique el chip, sí se puede competir en compilación, inferencia eficiente, gestión de memoria, orquestación y observabilidad.
Mi opinión
No hay pruebas de que CUDA vaya a desaparecer, pero sí de que la batalla está cambiando. Un rival no necesita copiar cada componente de NVIDIA; necesita ofrecer una ruta suficientemente buena para que ciertos usuarios puedan cambiar de plataforma sin rehacer todo su negocio.
Mi lectura es que veremos más ecosistemas regionales y más software de portabilidad. El ganador no será necesariamente el chip con más rendimiento bruto, sino la plataforma que permita a un equipo pasar de un modelo entrenado a un servicio estable con el menor coste de migración. Para Europa, eso significa invertir en software de sistemas al mismo ritmo que en hardware.
Deja una respuesta