Sebuah proses komputasi 2 triliun parameter pada silikon Huawei akan mengubah narasi perangkat keras.

Rumor dari Tiongkok mengatakan DeepSeek sedang melakukan pretraining V5 — sekitar dua triliun parameter, MoE ultra-sparse — pada silikon Huawei Ascend 950, dengan para insinyur kernel Huawei bekerja di dalam kantor DeepSeek. Jika benar, ini memindahkan hambatan dari chip ke kompiler.

Rumor yang beredar pagi ini menyebutkan DeepSeek sudah melakukan pra-pelatihan V5: sekitar dua triliun parameter, model mixture-of-experts yang sangat sparse, dan — bagian yang penting — menjalankan pra-pelatihan itu pada Ascend 950 / 950DT milik Huawei alih-alih perangkat keras NVIDIA. Akun yang sama mengklaim bahwa insinyur kernel Huawei bekerja secara fisik di kantor DeepSeek untuk menjaga klaster tetap berjalan.

Tidak ada yang terkonfirmasi di sini. Tidak ada makalah, tidak ada benchmark, tidak ada pengungkapan perangkat keras. Anggap setiap angka di bawah ini sebagai klaim yang diulang, bukan fakta yang dilaporkan.

parameter yang diklaim — sekitar 3× unggulan DeepSeek sebelumnya, belum terverifikasi

950

silikon Huawei Ascend disebut sebagai substrat pelatihan, bukan NVIDIA

tolok ukur publik, makalah, atau pengungkapan perangkat keras yang mengonfirmasi salah satu dari itu

Mengapa "ultra-sparse" adalah kata yang menarik

Model mixture-of-experts menyimpan banyak subjaringan spesialis dan merutekan setiap token hanya ke beberapa di antaranya. Total parameter bisa sangat besar sementara komputasi per token tetap moderat — Anda membayar untuk memori dan perutean, bukan untuk mengalikan semuanya dengan semuanya.

V3 (dipublikasikan)671Parameter B

V5 (diklaim)2,000Parameter B

Total parameter, dalam miliar. Angka V5 adalah sebagaimana diklaim oleh rumor, bukan diungkapkan.

Pada dua triliun parameter, "ultra-sparse" berhenti menjadi detail dan menjadi seluruh masalah rekayasa. Model tidak lagi sesuai dengan asumsi biasa: expert harus di-shard across banyak perangkat, token harus dirutekan antarperangkat tersebut dengan biaya rendah, dan interkoneksi menjadi batas atas alih-alih unit aritmetika. Itulah tepatnya lapisan tempat tumpukan non-NVIDIA secara historis gagal.

Model menentukan trafik
Routing ultra-sparse mengirim setiap token ke segelintir pakar yang tersebar di seluruh klaster — komunikasi all-to-all, bukan matmul padat.
Kernel-kernel menentukan throughput
Attention, routing, operasi kolektif, dan perpindahan memori masing-masing memerlukan kernel yang disetel khusus untuk chip tertentu. Di sinilah porting biasanya gagal.
Para insinyur bekerja berdampingan dengan tim model
Rumor tentang engineer kernel yang berada di lokasi adalah petunjuknya: itu menyiratkan bahwa tumpukan perangkat lunak tidak siap pakai dan memerlukan pengembangan bersama.
Prosesnya selesai atau tidak
Proses pretraining frontier adalah ujian tunggal yang tidak kenal ampun. Keberhasilan sebagian adalah kegagalan, itulah sebabnya tidak ada yang mengklaimnya dengan enteng.

Bottleneck berpindah dari chip ke compiler.

Klaim perangkat keras adalah cerita sebenarnya

Parit pertahanan CUDA terkikis di lapisan perangkat lunak, bukan lapisan silikon. Memindahkan proses pelatihan besar adalah proyek kompiler dan kernel yang diukur dalam tahun-insinyur. Melakukannya sekali membuktikan bahwa itu bisa dilakukan lagi.
Kolokasi talenta menjadi produk. Vendor chip yang mengirim insinyur ke kantor pelanggan menjual integrasi, bukan perangkat keras. Model itu lebih mirip dengan cara perangkat lunak perusahaan diterapkan daripada cara chip biasanya dijual.

Semua orang telah menyaksikan laboratorium-laboratorium Tiongkok melatih model pada perangkat keras yang terbatas dan mencapai kemajuan yang mengejutkan. Yang baru di sini adalah skala: bukan fine-tuning, bukan inferensi, melainkan proses pretraining frontier pada silikon domestik.

Jika itu benar, ada tiga hal yang menyusul, dan tidak satu pun mengharuskan model tersebut mengalahkan apa pun:

Kontrol ekspor mendapat kontrafaktual baru. Pembatasan telah dibenarkan sebagian berdasarkan asumsi bahwa ujung terdepan pelatihan memerlukan rantai pasok tertentu. Satu penjalanan frontier yang tuntas di Ascend akan melemahkan asumsi itu — dan memperkuat argumen untuk kontrol atas peralatan dan memori sebagai gantinya.

Apa yang sebenarnya akan kami pantau

Rumor seperti ini murah; artefaknya tidak. Pantau laporan teknis yang menyebutkan nama klaster, angka throughput per chip, atau rilis inferensi yang hanya berjalan baik di Ascend. Salah satu saja dari hal-hal itu akan mengubah ini dari klaim menjadi titik data.

Kami membangun sistem data dan inferensi, dan pelajaran praktisnya sudah jelas terlepas dari apakah rumor khusus ini benar: portabilitas sebuah model adalah properti perangkat lunak, bukan properti perangkat keras. Tim yang memperlakukan kernel, routing, dan tata letak memori sebagai rekayasa kelas satu dapat berpindah antar-substrat. Tim yang menganggapnya sebagai masalah vendor tidak dapat berpindah sama sekali.

Sumber: rumor tak terverifikasi yang beredar pada 12 November 2026 tentang DeepSeek V5 dan Huawei Ascend 950/950DT. Tidak ada dokumentasi primer yang tersedia pada saat penulisan; semua angka adalah sebagaimana diklaim oleh akun tersebut dan tidak dikonfirmasi secara independen.

Kontak: [email protected]

Harap dicatat bahwa versi bahasa Indonesia didukung oleh AI dan karena itu mungkin terjadi kesalahan kecil.

Penulis

Ai-Banking-NetworkSecurity (ABN), ABN ASIA didirikan oleh orang-orang dengan akar yang kuat di dunia akademis, dengan pengalaman kerja di Amerika Serikat, Belanda, Hungaria, Jepang, Korea Selatan, Singapura, dan Vietnam. ABN Asia adalah tempat di mana akademik dan teknologi bertemu dengan peluang. Dengan solusi terdepan kami dan layanan pengembangan perangkat lunak yang kompeten, kami membantu bisnis untuk meningkatkan level dan bersaing di panggung global. Komitmen kami: Lebih Cepat. Lebih Baik. Lebih handal. Dalam kebanyakan kasus: Lebih murah juga.

Jangan ragu untuk menghubungi kami jika Anda membutuhkan layanan IT, konsultasi digital, solusi perangkat lunak siap pakai, atau jika Anda ingin mengirimkan permintaan proposal (RFP). Anda dapat menghubungi kami di [email protected]. Kami siap membantu Anda dengan semua kebutuhan teknologi Anda.