Auf der Huawei Connect 2025 gab das Unternehmen einige mutige Versprechen ab: Huawei plant, bis zum 31. Dezember 2025 einen Großteil seines KI-Software-Stacks, von Compiler-Toolchains bis hin zu Foundation-Modellen, zu öffnen und sich damit offen der großen KI-Community anzuschließen. Anstelle vager Versprechungen legte Huawei Zeitpläne, technische Rahmenbedingungen und Integrationsstrategien vor, die darauf abzielen, langjährige Reibungen zwischen Entwicklern zu beseitigen. Für Unternehmen und Ingenieure, die das Ascend/Atlas-Ökosystem in Betracht ziehen, markieren diese Ankündigungen einen möglichen Wendepunkt.
Dieser Artikel beschreibt genau, was Huawei veröffentlicht, was noch ungewiss ist und wie sich Entwickler auf den Meilenstein im Dezember vorbereiten sollten.
Hintergrund: Anerkennung vergangener Spannungen
Huawei stieg mit großen Ambitionen im Bereich der KI-Hardware ein – mit seinen Ascend-NPUs und SuperPoD-Architekturen –, doch im Laufe der Zeit haben Nutzer Beschwerden über die Undurchsichtigkeit der Toolchain, die begrenzte Dokumentation und die Plattformbindung geäußert.
In seiner Keynote räumte Eric Xu, stellvertretender Vorsitzender und rotierender Vorsitzender, diese Reibungen mit den Entwicklern offen ein, insbesondere im Zusammenhang mit den Inferenzfähigkeiten von Huaweis Ascend 910B und 910C. Laut Huawei haben die internen Teams von Januar bis April 2025 „eng zusammengearbeitet, um sicherzustellen, dass die [Ascend]-Chips den Kundenanforderungen gerecht werden”. Dieses offene Eingeständnis signalisiert, dass der Schritt zur Open Source zumindest teilweise reaktionär ist: Huawei versucht, die Lücken zwischen dem Potenzial der Hardware und der praktischen Nutzbarkeit für Entwickler zu schließen.
Huaweis Logik ist, dass Offenheit Vertrauen schaffen, Beiträge der Community fördern und im Laufe der Zeit den Wartungsaufwand für proprietären Code reduzieren kann.
Was Huawei öffnen will (und wann)
Huawei plant nicht, alles sofort auf den Markt zu werfen, sondern die Veröffentlichung wichtiger Komponenten sorgfältig zu staffeln, damit sich das Ökosystem stabil und nutzbar entwickeln kann. Hier sind die wichtigsten Komponenten und Ziele:
CANN: Compiler und virtuelle Befehlsschnittstelle
- CANN (Compute Architecture for Neural Networks) ist der zentrale Software-Stack von Huawei, der Beschreibungen neuronaler Netze in ausführbare Hardware-Aufgaben übersetzt.
- Entscheidend ist, dass Huawei Schnittstellen für den Compiler und den virtuellen Befehlssatz (vISA) öffnen und gleichzeitig andere unterstützende Software vollständig als Open Source zur Verfügung stellen wird.
- Dies bedeutet, dass Entwickler Einblick darin erhalten, wie hochrangige Operationen auf die Hardware heruntergebrochen werden, was für die latenzempfindliche Optimierung und die Abstimmung auf Kernel-Ebene wichtig ist.
- Das offene Schnittstellenmodell bewahrt Huawei die Flexibilität, zunächst einige proprietäre Optimierungen beizubehalten und gleichzeitig Transparenz und Erweiterbarkeit zu gewährleisten.
- Die Open-Source-Veröffentlichung wird an die bestehenden Ascend 910B/910C-Designs angepasst und nicht an zukünftige Chips.
- Frist: 31. Dezember 2025.
Mind-Serie: SDKs, Toolchains und Anwendungskits
- Parallel dazu verspricht Huawei, seine „Mind“-Serie von Anwendungs-Enablement-Kits und Toolchains (SDKs, Bibliotheken, Debugging-/Profiling-Tools, Dienstprogramme) vollständig als Open Source zur Verfügung zu stellen.
- Diese Ebene ist diejenige, mit der die meisten Entwickler direkt interagieren. Durch die vollständige Öffnung soll es den Nutzern ermöglicht werden, Komponenten zu verbessern, zu erweitern und anzupassen, ohne auf Huawei warten zu müssen.
- Huawei hat (noch) nicht genau bekannt gegeben, welche Tools, Sprachen oder Module in der offenen Mind-Version enthalten sein werden.
openPangu-Grundlagenmodelle
- Huawei hat sich außerdem dazu verpflichtet, seine openPangu-Foundation-Modellreihe als Open Source zur Verfügung zu stellen. Damit reiht sich Huawei in die Reihe der Unternehmen ein, die Basismodelle veröffentlichen, die für die Feinabstimmung und Erweiterung durch die Community vorgesehen sind.
- Wichtige Details bleiben jedoch weiterhin unbekannt: Modellgrößen, Trainingsdaten, Lizenzierung, Einschränkungen der kommerziellen Nutzung und Leistungsmerkmale sind nach wie vor undurchsichtig.
- Die Veröffentlichung von openPangu wird mit dem Zeitplan für den 31. Dezember synchronisiert.
UB-OS component and OS integration
- Die UB-OS-Komponente, die die SuperPod-Verbindung von Huawei auf Betriebssystemebene unterstützt, wird als Open Source verfügbar sein. Diese Komponente kann (ganz oder teilweise) in Upstream-Betriebssysteme wie openEuler integriert werden.
- Dieses modulare Design zielt darauf ab, Reibungsverluste bei der Bereitstellung von Ascend-Hardware in bestehenden Linux-Umgebungen zu reduzieren, ohne eine vollständige Betriebssystemmigration zu erzwingen.
Betonung der Rahmenkompatibilität
- Huawei beabsichtigt, der Kompatibilität mit gängigen Frameworks wie PyTorch und vLLM Vorrang einzuräumen. Dies senkt die Hürden für die Portierung bestehender Modelle und Experimente.
- Wenn Framework-Betreiber über die offenen Schnittstellen eine saubere Zuordnung zur Ascend-Hardware herstellen, könnten Entwickler bestehenden Code mit minimalen Änderungen wiederverwenden.
Warum diese Strategie wichtig ist
Reduzierung der Herstellerabhängigkeit
Durch die Öffnung von Schnittstellen und die Gewährung des Zugriffs auf zugrunde liegende Toolchains untergräbt Huawei eines der stärksten Argumente gegen proprietäre KI-Stacks. Entwickler erhalten mehr Kontrolle, Portabilität und die Möglichkeit zur Fehlerbehebung oder Erweiterung.
Leistungsoptimierung und Optimierungen ermöglichen
Das Verständnis, wie hochrangige Operationen auf Hardware abgebildet werden, ist für die Optimierung von entscheidender Bedeutung – insbesondere für Modelle, die einen hohen Durchsatz, eine geringe Latenz oder spezielle Operatoren erfordern. Die offenen Schnittstellen in CANN machen dies möglich.
Förderung des Wachstums des Ökosystems und der Beiträge der Community
Die Open-Source-Veröffentlichung von Mind-Toolchains und -Modellen könnte externe Mitwirkende, Bugfixes, Optimierungen und kreative Erweiterungen von Anwendungsfällen anziehen, anstatt sich ausschließlich auf die internen Entwicklerteams von Huawei zu verlassen.
Hardware-Monetarisierung statt Software-Lizenzierung
Huawei hat signalisiert, dass seine Monetarisierungsstrategie weiterhin auf Hardware und nicht auf Software-Lizenzierung ausgerichtet ist. Durch die Open-Source-Veröffentlichung von Software-Stacks hofft das Unternehmen, durch Chip-Verkäufe, die Größe des Ökosystems und den Einsatz von Infrastruktur Geld zu verdienen, anstatt die Nutzer an Software-Abonnements zu binden.
Angesichts der Beschränkungen beim Zugang zu fortschrittlichen Halbleitern (aufgrund von Handelsbeschränkungen) könnte der offene Ansatz von Huawei eine strategische Maßnahme sein, um den Wert der Hardware durch das Wachstum des Ökosystems zu steigern.
Infrastructure Synergy: SuperPod & UnifiedBus
Die Vision von Huawei für die KI-Infrastruktur umfasst SuperPod-Systeme, die eine UnifiedBus-Verbindungsarchitektur verwenden, um Cluster eher wie einzelne logische Maschinen zu behandeln. Huawei öffnet den Zugang zu SuperPod-Referenzdesigns und den Verbindungsprotokollen, sodass Partner kompatible Hardware- und Software-Stacks entwickeln können.
In seiner Keynote betonte Xu, dass der Open-Source-Software-Stack mit dem übergeordneten Infrastrukturziel übereinstimmt: effizientere, skalierbare KI-Systeme durch offene Standards zu erreichen.
Risiken, Unbekannte und Herausforderungen
Die Roadmap von Huawei ist mutig, aber es bestehen weiterhin einige entscheidende Unsicherheiten. Um diese Vision zu verwirklichen, bedarf es mehr als nur der Veröffentlichung von Code.
Lizenzbedingungen und Governance
Huawei hat noch nicht bestätigt, welche Open-Source-Lizenzen es verwenden wird (Apache 2.0, MIT, GPL usw.). Diese Entscheidung wird einen starken Einfluss auf die kommerzielle Einführung und die Richtlinien für abgeleitete Werke haben.
Darüber hinaus ist die Governance noch nicht definiert: Wird Huawei externe Betreuer zulassen oder eine unabhängige Stiftung gründen? Wer wird über die Prioritäten der Roadmap entscheiden? Ohne transparente Governance könnten Projekte wieder unter die Kontrolle der Anbieter fallen.
Dokumentation, Beispiele und Entwickler-Onboarding
Viele Open-Source-Projekte scheitern nicht aufgrund des Codes, sondern aufgrund fehlender guter Dokumentation, Tutorials und Einführungsanleitungen. Wenn Huawei Code ohne starke Unterstützung für die Entwicklererfahrung (DX) veröffentlicht, wird die Akzeptanz nur langsam voranschreiten.
Risiko hinsichtlich Leistung und Reife bei der Veröffentlichung
Der Code mag zwar am 31. Dezember offen sein, aber die Funktionalität, Stabilität und Leistung der Komponenten könnte zunächst hinter ausgereiften Alternativen zurückbleiben. Entwickler könnten fehlende Funktionen, suboptimale Kernel oder unvollständige Integrationen feststellen.
Kompatibilitätslücken und teilweise Unterstützung
Huaweis Fokus auf PyTorch- und vLLM-Kompatibilität ist vielversprechend, aber reale Randfälle (benutzerdefinierte Operatoren, dynamische Graphen, experimentelle Schichten) erfordern möglicherweise Adapter-Schichten oder Workarounds. Eine teilweise Kompatibilität könnte Nutzer frustrieren.
Hardware-Einschränkungen und Dynamik des Ökosystems
Selbst mit offener Software kann die Hardware von Huawei (z. B. Ascend NPUs) in einigen Bereichen hinter der Konkurrenz zurückbleiben. Der Wert der Software-Offenheit hängt von der Wettbewerbsfähigkeit der Hardware, der Stabilität der Treiber und dem Engagement des Ökosystems ab.
Nachhaltiges Engagement und Aufbau einer Community
Open Source ist keine einmalige Veröffentlichung – es erfordert kontinuierliches Engagement der Community, die Priorisierung von Problemen, die Überprüfung von Pull-Anfragen, die Planung von Roadmaps und Wartungsarbeiten. Wenn Huawei sich nicht langfristig engagiert, könnten die Repositorys stagnieren.
Was Entwickler bis Dezember tun sollten
Für Entwickler, Organisationen und KI-Teams, die eine Investition in das Ökosystem von Huawei in Betracht ziehen, ist jetzt der richtige Zeitpunkt, sich vorzubereiten. Hier ist ein Vorschlag für einen Fahrplan:
Führen Sie eine Lückenanalyse durch
Überprüfen Sie Ihre Workloads und Abhängigkeiten (PyTorch-Versionen, benutzerdefinierte Operationen, Modelltypen), um Kompatibilitätsrisiken zu identifizieren.
Beschaffen Sie sich Ascend-/Atlas-Hardware zum Testen.
Wenn Sie Zugang dazu haben, beginnen Sie mit dem Testen kleiner Modelle auf den Ascend 910B/910C-Chips unter Verwendung der vorhandenen CANN-Toolchain, um die aktuelle Leistung zu verstehen.
Verfolgen Sie die Bereitschaft des Open-Source-Repositorys.
Bewerten Sie nach dem 31. Dezember, wie vollständig und nutzbar der Open Stack ist – prüfen Sie vorrangig die Compiler-Schnittstellen, die Benutzerfreundlichkeit des SDK, Beispielcode und die Leistung.
Führen Sie Pilotmigrationen durch
Migrieren Sie ein Referenzmodell oder eine Inferenz-Workload auf den Huawei-Stack und messen Sie die Leistung, Speichernutzung, Latenz und Reibung.
Engagieren Sie sich in der Community
Tragen Sie mit Fehlerberichten, Beispielcode oder Dokumentationen dazu bei, frühzeitig Präsenz und Einfluss zu zeigen.
Vergleichen Sie mit Alternativen
Vergleichen Sie mit anderen offenen Ökosystemen (z. B. CUDA, Triton, OneAPI, Meta/Anthropic-Stacks), um sicherzustellen, dass die Einführung aus Sicht der Leistung, Portabilität und Kosten sinnvoll ist.
Ausblick und strategische Implikationen (2026 und darüber hinaus)
Wenn Huawei seine Verpflichtungen erfüllt, sind mehrere Ergebnisse möglich:
Eine wettbewerbsfähige offene KI-Stack-Alternative zu CUDA
Der Stack von Huawei könnte zu einer praktikablen, attraktiven Alternative zum proprietären Ökosystem von NVIDIA werden, insbesondere in Märkten, in denen China Einfluss hat oder regulatorische Präferenzen genießt.
Ökosystemgesteuerte Hardware-Differenzierung
Der Erfolg könnte ein Modell bestätigen, bei dem Hardware zu einer Massenware wird und Differenzierung durch offene und robuste Software-Ökosysteme entsteht.
Beschleunigung der Diversifizierung der KI-Infrastruktur
Mit offener Software und SuperPod-Referenzdesigns können Partner und lokale Anbieter abgeleitete Systeme entwickeln und so die Abhängigkeit von einer einzigen Lieferantenkette verringern.
Wechselwirkung zwischen Regulierung und Geopolitik
In Regionen, die sich vor einer Abhängigkeit von US-Technologie hüten, könnten offene Huawei-Ökosysteme attraktiv sein – auch wenn geopolitische Zwänge und Sanktionen die Einführung von außen erschweren könnten.
Community-getriebene Verbesserungen
Wenn sich die Community aktiv beteiligt, könnten Optimierungen, neue Betreiber, domänenspezifische Verbesserungen und die Integration in breitere offene Tool-Ökosysteme zu beobachten sein.
Ein Scheitern in einem der oben genannten Bereiche (z. B. enttäuschende Leistung, eingeschränkte Governance, fehlerhafte Tools) könnte jedoch dazu führen, dass die Stack-Lösung von Huawei nur in Nischenbereichen zum Einsatz kommt.
Schlussfolgerung
Huawei hat auf der Connect 2025 eine mutige Vision vorgestellt und versprochen, die CANN-Compiler-Schnittstellen freizugeben, die Mind-Toolchains vollständig als Open Source verfügbar zu machen, öffentlich zugängliche Pangu-Foundation-Modelle einzuführen und die UB OS-Komponente zu öffnen. Diese Schritte signalisieren ein umfassendes Bekenntnis zu Transparenz und Innovation. Sie zeigen, dass Huawei die Lücke zwischen leistungsstarker KI-Hardware und der Benutzerfreundlichkeit für Entwickler schließen möchte.
Aber der Teufel steckt im Detail. Der Erfolg hängt nicht nur von der Veröffentlichung des Codes ab, sondern auch von der Klarheit der Lizenzierung, der Dokumentation, dem Engagement der Community, der Leistungsreife und der nachhaltigen Unterstützung. Für Entwickler und Organisationen ist der 31. Dezember 2025 weniger ein Endpunkt als vielmehr ein Anfang: der Moment, in dem Theorie und Praxis aufeinandertreffen müssen.
Wenn Huawei einen nutzbaren, stabilen und gut dokumentierten Open Stack liefert, könnte sich das Kräfteverhältnis zwischen KI-Hardware und -Software verschieben. Wenn nicht, bleibt es ein interessantes Experiment. So oder so ist es eine Entwicklung, die es wert ist, genau beobachtet zu werden.
