딥시크·화웨이, Ascend 950용 오픈소스 도구 공개: TileLang과 CUDA 경쟁의 핵심

이번 공개에서 달라진 것은 무엇인가요

2026년 9월 30일 공개된 딥시크·화웨이의 Ascend용 소프트웨어 도구에서 눈여겨볼 부분은 연산, 통신, 프로그래밍 환경입니다. DeepGEMM-Ascend가 최초 공개됐고 TileLang에는 Ascend 950 네이티브 백엔드 지원이 추가됐습니다. 이번 발표는 새 칩 출시 소식과 구분해서 이해해야 합니다.

공식 문서에서 확인되는 기능을 먼저 살펴보고 인프라 선택에 어떤 의미가 있는지 따로 생각해보겠습니다. 아래의 도입 기준은 개발팀의 검토를 위한 분석이며 공급사가 입증한 성과는 아닙니다.

TileLang은 기존 언어에 실행 경로를 넓혔습니다

TileLang은 2025년부터 공개돼 있던 특화 언어, 즉 특정 계산 작업을 작성하기 위한 DSL입니다. Python 문법을 바탕으로 커널을 작성하고 컴파일러가 이를 실행 코드로 변환하는 구조입니다.

여기서 커널은 칩이 수행할 개별 계산을 담은 작은 프로그램을 뜻합니다.

2026년 9월 30일 업데이트의 핵심은 Ascend 950에 맞는 코드를 직접 생성하는 네이티브 백엔드입니다. 새 언어가 탄생한 시점과 기존 언어의 지원 대상이 확장된 시점은 다릅니다. 익숙한 문법을 쓸 수 있다는 점도 하드웨어별 조정과 검증이 모두 사라진다는 의미로 읽어서는 안 됩니다.

문법이 익숙하더라도 코드를 수정하고 오류를 진단하는 과정은 따로 살펴봐야 합니다. 오류 원인을 찾기 쉬운지, 필요한 계산을 표현할 수 있는지, 변경한 코드가 기대한 결과를 내는지가 검토 기준입니다.

DeepGEMM-Ascend는 행렬 연산을 담당합니다

DeepGEMM-Ascend는 Ascend에서 행렬 곱셈을 수행하는 커널 라이브러리입니다. 공식 README는 Ascend 950에서의 개발·검증과 BF16·FP8·FP4 연산, 기존 DeepGEMM API 호환을 설명합니다.

BF16·FP8·FP4는 숫자를 저장하고 계산하는 형식이며, API는 프로그램이 기능을 호출하는 약속입니다.

API 호환은 모델 전체의 무수정 이식 보장과 다릅니다. 호출 방식의 호환성과 서비스 전체의 정상 동작은 별도 항목으로 검토하는 편이 안전합니다.

도입을 검토한다면 현재 모델에서 이 라이브러리가 맡을 계산부터 구분해보는 것이 좋습니다. 입력 데이터의 형태와 결과 정확도를 확인하고 주변 코드까지 연결했을 때 수정할 부분을 기록해야 개발 부담을 판단할 수 있습니다.

DeepEP-Ascend는 계산 사이의 데이터 이동을 맡습니다

DeepEP-Ascend는 MoE 모델의 전문가 병렬 처리를 위한 통신 라이브러리입니다. MoE는 입력에 따라 선택된 전문가 부분이 계산을 담당하는 구조이며 dispatch는 데이터를 해당 전문가로 보내는 과정, combine은 처리 결과를 다시 모으는 과정입니다.

공식 README는 일부 다른 통신 기능을 개발 중 또는 실험적 상태로 표시합니다. 파이프라인 병렬과 원격 메모리 접근 등의 기능은 이러한 상태를 구분해서 읽어야 합니다. 공개 저장소에 기능이 있다는 이유만으로 모두 같은 수준의 준비 상태라고 판단해서는 안 됩니다.

검토할 때는 필요한 통신 기능과 실험적 기능의 범위가 겹치는지부터 확인하는 편이 좋습니다. 계산과 데이터 이동을 연결한 시험을 설계하고 실패했을 때 원인을 추적할 방법도 평가 항목에 포함해야 합니다.

Ascend 950과 소프트웨어 의존성을 함께 봐야 합니다

공식 문서가 제시한 환경에는 Ascend 950, 화웨이의 소프트웨어 툴킷인 CANN, PyTorch를 Ascend와 연결하는 torch_npu가 포함됩니다.

DeepEP의 검증 스택은 Ascend 950DT와 CANN, torch_npu 조합으로 명시돼 있습니다. 따라서 다른 환경에서도 같은 결과를 얻는다고 확대 해석할 근거는 부족합니다.

DeepEP의 성능 측정에는 수동 설정한 PoC HDK가 사용됐습니다. PoC는 개념 검증용 환경을 뜻하며 해당 측정은 일반 설치 조건의 결과와 구분해야 합니다.

공급사 결과를 독립적으로 재현한 것처럼 읽거나, 이를 전체 모델의 성능 우위로 연결해서는 안 됩니다.

개발팀은 같은 환경을 반복해서 구성할 수 있는지도 점검해야 합니다. 필요한 버전과 설정을 기록하고 담당자가 바뀌어도 같은 시험을 수행할 수 있는지 확인하면 도입 이후의 부담까지 평가할 수 있습니다.

CUDA와의 경쟁을 판단하는 기준

이 글의 분석 관점에서 핵심은 칩과 소프트웨어를 하나의 운영 단위로 평가하는 것입니다. TileLang의 코드 작성, DeepGEMM-Ascend의 연산, DeepEP-Ascend의 통신을 각각 확인한 뒤 실제 모델 안에서 연결해보는 검토가 필요합니다.

CUDA 기반 환경과 비교할 때도 동일한 모델과 입력, 품질 기준을 정하고 전체 작업을 살펴보는 편이 타당합니다. 실행 속도와 함께 수정할 코드의 범위, 문제 진단에 필요한 시간, 버전 변경 시 재검증할 항목을 기록하는 방식입니다.

이번 공개만으로 CUDA 완전 대체나 NVIDIA 성능 추월을 결론 내리지 않는 것이 적절합니다. 개발 부담 역시 API 호환 여부 하나로 판단하기보다, 실제 이식 과정에서 확인한 작업량을 기준으로 평가해야 합니다.

인프라 경쟁의 핵심은 개발과 운영의 연결입니다

이번 발표의 의미는 연산·통신·프로그래밍 도구를 함께 검토할 수 있다는 데 있습니다. 다만 공개된 기능, 검증된 환경, 실험적 기능의 경계를 유지하면서 읽어야 합니다.

새로운 선택지를 평가할 때는 판단 기준도 함께 넓혀야 합니다. 칩의 사양에 더해 필요한 계산을 구현하고 데이터를 이동시키고 문제를 고치는 과정까지 살펴볼 때 도입 판단이 구체적으로 바뀝니다.

한 줄 요약: AI 인프라 경쟁은 칩뿐 아니라 연산·통신·프로그래밍 환경을 얼마나 안정적으로 연결할 수 있는지까지 함께 평가해야 합니다.

참고 출처

• TileLang 공식 저장소와 Ascend 950 지원
• DeepGEMM-Ascend 공식 연산 라이브러리
• DeepEP-Ascend 공식 통신 라이브러리와 검증 조건
• Tom’s Hardware 보도: 2026년 10월 1일
• Google News RSS에서 확인하기

공식 저장소의 현재 README와 날짜가 확인되는 보도를 함께 대조했습니다. Reuters 원문 직접 접근은 401이므로, 해당 보도의 제목·출처·발행일은 Google News RSS로 확인했습니다.