# DeepSeek V5 планируют предобучить на ускорителях Huawei Ascend 950

> V5, следующее поколение моделей DeepSeek, планируют предобучить на чипах Huawei Ascend 950. До сих пор китайское оборудование в основном использовалось для запуска моделей DeepSeek, а не для их обучения.
>
> OpenCheese AI · 2026.11.04 · Веб-страница: https://opencheese.dev/ru/blog/deepseek-v5-planiruyut-predobuchit-na-uskoritelyakh-huawei-ascend-950

Следующее поколение больших языковых моделей DeepSeek, известное как V5, планируют предобучить на ускорителях Huawei Ascend 950. До сих пор китайские чипы в основном выполняли менее заметную работу: запускали модели DeepSeek, уже обученные на чужом оборудовании. Создавать модель на китайских чипах с самого начала — совсем другая задача, и куда более заметная.

## Что именно утверждается

Суть заявления проста. DeepSeek планирует использовать линейку Ascend 950 для предобучения V5. Если эти планы реализуются, V5 станет первой крупной моделью компании, которую с самого начала будут предобучать на платформе Ascend.

Слово «если» здесь важно. В сообщении говорится о планах, а не о завершённом цикле обучения. В нём нет ни даты релиза, ни размера кластера, ни заявления от какой-либо из двух компаний. Так что пока перед нами намерение, к которому прилагается подробная спецификация.

Тем не менее направление ясно. В сообщении это подаётся как потенциально важный шаг к более широкому использованию китайского вычислительного оборудования для разработки ИИ. Это деликатный способ сказать, что запуск модели и её создание — разные испытания для чипа.

## Инференс — простая часть задачи

Инференс — это выполнение уже существующей нейросети. Предобучение — создание самой этой сети. Чип, который хорошо справляется с первым, ещё не обязательно подходит для второго. Именно из-за этой разницы за планами по V5 стоит следить.

Это также объясняет, почему семейство Ascend 950 представлено двумя чипами, а не одним.

## Два чипа, две задачи

В линейку Huawei Ascend 950 входят две модели: 950PR и 950DT. Обе используют третье поколение архитектуры Da Vinci и предназначены для больших моделей ИИ. Но задачи у них разные.

| | Ascend 950DT | Ascend 950PR |
|---|---|---|
| Основное назначение | Обучение и этап декодирования при инференсе | Этап prefill при инференсе |
| Память | 144 ГБ собственной HBM-памяти Huawei | 128 ГБ встроенной памяти |
| Пропускная способность памяти | 4 ТБ/с | 1,6 ТБ/с |
| Пропускная способность межсоединений | 2 ТБ/с | Не указана |
| Указанные числовые форматы | FP8, MXFP8, MXFP4 | FP4 (в показателе вычислительной производительности) |
| Заявленная вычислительная производительность | В 4 раза выше, чем у предыдущего поколения: MXFP4 против BF16 | 1784 TFLOPS в FP4 |

Для V5 важна именно 950DT, поскольку эта модель предназначена для обучения. Она оснащена собственной HBM-памятью Huawei. На эту деталь стоит обратить внимание: это означает, что речь о китайском производстве идёт не только применительно к процессору, но и к памяти.

950PR — специализированная модель. Она рассчитана на этап prefill при инференсе и ради этой роли жертвует частью объёма памяти и пропускной способности.

## Осторожнее с показателем «в 4 раза»

Заявляется, что производительность 950DT в формате MXFP4 в четыре раза выше, чем у предыдущего поколения в BF16. Это сравнение двух разных числовых форматов, а не одного и того же формата на чипах двух поколений.

Это вполне может быть правдой и отражать реальное преимущество в поддерживаемых чипом форматах пониженной точности. Но такое сравнение не говорит, насколько новый чип быстрее на той же задаче и в том же формате. В сообщении нет таких сопоставимых данных. То же касается и показателя 1784 TFLOPS в FP4 для 950PR: это заявленная характеристика, а не результат измерений.

## Какие вопросы остаются открытыми

Не хватает нескольких деталей — именно тех, которые превратили бы план в новость:

- **Подтверждение.** В сообщении говорится о планах предобучать V5 на Ascend 950, но не сказано, началось ли предобучение.
- **Масштаб.** Нет информации о том, сколько ускорителей будет задействовано и как они будут объединены в сеть.
- **Результаты.** Не приведены ни бенчмарки, ни результаты обучения какой-либо модели DeepSeek на Ascend.
- **Сроки.** Дата выхода V5 нигде не указана.

Пока не появится хотя бы часть этих сведений, V5 на Ascend остаётся планом — пусть и с необычно конкретными данными о пропускной способности памяти.

## Похожие записи

- 2026.11.02 · [OpenAI, Google, Microsoft и Anthropic поддержали единый сигнал в robots.txt для исключения контента из обучения ИИ](https://opencheese.dev/ru/blog/openai-google-microsoft-i-anthropic-podderzhali-edinyy-signal-v-robotstxt-dlya.md): Четыре крупных разработчика ИИ заявляют, что будут учитывать единый сигнал в robots.txt, запрещающий их краулерам использовать материалы сайта для обучения. Anthropic уже делает это, а Google и Microsoft планируют добавить поддержку в 2027 году.
- 2026.10.06 · [OpenAI заявляет, что пользователи, связанные с Moonshot AI, пытались получить скрытые рассуждения модели](https://opencheese.dev/ru/blog/openai-zayavlyaet-chto-polzovateli-svyazannye-s-moonshot-ai-pytalis-poluchit.md): OpenAI заявляет, что кампания пыталась извлечь защищённые рассуждения из её моделей для обучения других систем. Компания связала основной кластер с людьми, аффилированными с Moonshot AI, и при этом отметила, что не может подтвердить, что за всеми случаями стоял один актор.
- 2026.10.05 · [Taipei GTA набрала 1,2 миллиона одновременных игроков после сборки на ИИ за 10 000 долларов](https://opencheese.dev/ru/blog/taipei-gta-nabrala-1-2-milliona-odnovremennykh-igrokov-posle-sborki-na-ii-za-10.md): Собранная с помощью нескольких ИИ-моделей примерно за месяц бесплатная браузерная игра воссоздаёт части Тайбэя и, по сообщениям, набрала 1,2 миллиона одновременных пользователей через три дня после запуска.