화웨이와의 공동 개발 발표, 독립 성명은 아직 미확보

딥시크 위챗 공식 계정 발표문에 따르면, 이번 도구들은 화웨이와의 공동 개발이며 어센드 950 128카드 슈퍼노드에 맞춰 공동 최적화됐다고 전했습니다. 발표문은 학습용 타일랭 연산자 전부가 어센드 고성능 구현을 보유하게 됐다고 밝혔습니다.

공개된 저장소에는 타일랭·타일커널·플래시MLA·딥셀렉트 등이 포함됩니다. 이 중 4개는 기존 프로젝트에 어센드 백엔드를 추가한 형태이며 딥GEMM-어센드와 딥EP-어센드 2개는 이번에 새로 만들어졌습니다.

깃허브 저장소의 화웨이 감사 문구는 공동 개발 방향을 뒷받침합니다. 다만 화웨이 자신의 독립 공식 성명은 아직 확인되지 않았습니다.

타일랭은 딥시크가 만든 언어가 아닙니다

'화웨이와 함께 도구를 만들었다'는 전제와 달리, 핵심 언어인 타일랭 자체는 딥시크가 만든 것이 아닙니다. 이번 공개의 상당 부분은 기존 오픈소스 프로젝트에 어센드 지원을 얹는 작업이며, 완전 신규 도구는 2개뿐입니다.

이 구분은 의존 축소의 실제 폭을 가늠하게 합니다. 기존 생태계를 어센드에 이식한 성격이 강해 이식의 완성도와 성능이 관측 지점이 됩니다.

발표 당일 외신 원문 채증이 막힌 사정

로이터는 이 협력을 화웨이와의 칩 프로그래밍 도구 개발로 축소된 의존도 관점에서 보도한 것으로 전해집니다. 다만 원문은 발표 당일 캡차와 스냅샷 부재로 직접 확인하지 못했고, 이를 인용한 국내 통신사 원문으로 대체 확인했습니다.

딥시크 위챗 원문도 앱 전용 접근 제한으로 전문 채증에 한계가 있었습니다. 확정된 것은 저장소 공개라는 행위 자체와 발표문 요지입니다.

어센드 최적화의 성능 검증은 앞으로의 과제

저장소 공개는 방향성의 확인이며 실제 학습 성능이 어센드 950 슈퍼노드에서 엔비디아 대안으로 기능하는지는 아직 관측되지 않았습니다. 벤치마크 결과와 화웨이의 공식 입장이 차후 확인 지점입니다.

공동 개발과 슈퍼노드 최적화 주장은 발표문과 저장소 감사 문구의 범위 안에서 대체로 사실입니다.