¿Retraso de DeepSeek R2 debido a la transición al chip Huawei Ascend para el entrenamiento? Los ingenieros de DS + HW que colaboran en la migración de CUDA a CANN son, en última instancia, positivos para HW a largo plazo. El lanzamiento de R2 se esperaba originalmente en mayo pasado. Desde entonces, se ha lanzado al menos un modelo chino de SOTA que fue entrenado completamente en hardware HW. La compañía china de inteligencia artificial DeepSeek retrasó el lanzamiento de su nuevo modelo después de no poder entrenarlo con los chips de Huawei, lo que destaca los límites del impulso de Beijing para reemplazar la tecnología estadounidense. Las autoridades alentaron a DeepSeek a adoptar el procesador Ascend de Huawei en lugar de usar los sistemas de Nvidia después de lanzar su modelo R1 en enero, según tres personas familiarizadas con el asunto. Pero la empresa china encontró problemas técnicos persistentes durante su proceso de entrenamiento R2 utilizando chips Ascend, lo que la llevó a usar chips Nvidia para el entrenamiento y los de Huawei para la inferencia, dijeron las personas. ... Huawei envió un equipo de ingenieros a la oficina de DeepSeek para ayudar a la compañía a usar su chip de inteligencia artificial para desarrollar el modelo R2, según dos personas. Sin embargo, a pesar de tener al equipo en el lugar, DeepSeek no pudo realizar una carrera de entrenamiento exitosa en el chip Ascend, dijeron las personas. DeepSeek todavía está trabajando con Huawei para hacer que el modelo sea compatible con Ascend para la inferencia, dijeron las personas. ... El lanzamiento del R2 también se retrasó debido a un etiquetado de datos más largo de lo esperado para su modelo actualizado, agregó otra persona. Los informes de los medios chinos han sugerido que el modelo podría lanzarse tan pronto como en las próximas semanas.