中国の主要なモデル開発者は、北京が国産半導体への置き換えを推進しているにもかかわらず、依然としてNvidiaのチップに依存して最先端のモデルを訓練しています。問題は、中国製のチップがこれらのワークロードを処理できるかどうかだけでなく、ハードウェアの変更がNvidiaのCUDAプラットフォームを基に構築されたソフトウェアシステムの変更を意味することにも関わっています。これはモデル開発者にとって高額な工事の課題です。Huaweiは、Ascendチップ用の独自の代替案である神経ネットワーク計算アーキテクチャ（CANN）を開発しています。
しかし、CUDAに慣れ親しんだ開発者は、Ascendに訓練ワークロードを移行するために、既存のコードのかなりの部分を再記述し最適化する必要があるかもしれません。モデル開発に関与している研究者は《南華早報》に対し、彼のチームの現在の訓練パイプラインはCUDAに依存しているため、ハードウェアの移行は非常に簡単ではないと語りました。「CUDAコードはAscend上で直接実行できず、大量の再記述が必要です。」
中国のモデル開発者が直面するハードウェア移行の課題
ソフトウェアにより、Nvidiaは依然として優位性を保っています。上海のある大学の研究機関のモデル開発者であるジェームズ・ワンは、彼のチームのワークフローをHuaweiのAscendチップに移行することは、プロセスの時間とコストを少なくとも50％増加させる可能性があると推定しています。この負担は、モデルのオープン性やそれをサポートするソフトウェアエコシステムの成熟度によって異なります。モデルワークロードをAscendに移行することに関与している北京のエンジニアは《南華早報》に対し、オープンソースモデルは既存のエコシステムのサポートを利用できるため、より容易に移行できると語りました。
DeepSeekおよびその簡略版について、このエンジニアは、2～3人の開発者が約1か月の追加作業で移行を完了できると推定しています。しかし、底層のソースコードが公開されていないモデルについては、状況がかなり複雑になります。このエンジニアによれば、Moonshot AIのKimi K3のようなモデルは、重みは公開されていますが、ソースコードは公開されていないため、約10人のエンジニアと6か月以上の追加作業が必要になる可能性があります。
中国半導体自給自足の挑戦はハードウェアにとどまらない
このギャップは、中国の半導体自給自足の推進が単に国産チップの生産にとどまらないことを浮き彫りにしています。開発者は、NvidiaがCUDAの周りに構築したエコシステムに対抗できるソフトウェアツール、ライブラリ、および最適化されたワークフローも必要です。訓練は依然として最大の課題です。モデルを訓練するには膨大な計算リソースが必要であり、大規模なクラスター上で複雑なワークロードを繰り返し実行することが含まれます。それに対して、推論は訓練済みのモデルを使用して新しいデータから出力を生成するため、異なるハードウェアに適応するのが一般的に容易です。中国の開発者は、いくつかの先進的なモデルが国産ハードウェア上で動作できることを示しています。
報道によれば、DeepSeek-V4とKimi K3はHuaweiとAlibabaのシステムに適応されていますが、両社はこれらのモデルを訓練するために使用されたチップを公表していません。《情報》の報道によると、Kimi K3は訓練にNvidiaのハードウェアを使用しているとされ、先進的なBlackwellプロセッサを含んでいます。この報道はまた、中国の開発者が国産代替品の拡大に向けた努力の中で、依然としてNvidiaのチップを使用して先進モデルを訓練していることを指摘しています。
国産ハードウェアがより重要な役割を果たし始めている兆候があります。今年6月、Meituanは1.6兆パラメータを持つモデルLongCat-2.0を発表しました。このモデルは、完全に50,000の国産計算クラスター上で訓練されたと同社は述べていますが、チップの供給者は明らかにしていません。したがって、中国が直面している課題は、単に代替品を構築することを超え、国産チップは訓練に必要なソフトウェアエコシステムと開発ワークフローをサポートする必要があり、競争力のある速度とコストを達成する必要があります。