Mjukvaran är det verkliga vapnet – så försöker Kina bryta Nvidias järngrepp om AI-världen

Mjukvaran är vallgraven – och nu attackeras den

De flesta diskussioner om Nvidias dominans inom AI-infrastruktur fokuserar på hårdvaran: hur snabba chippen är, hur många transistorer de rymmer, hur väl de presterar på olika riktmärken. Men enligt analysföretaget SemiAnalysis sitter Nvidias verkliga försprång inte i kiselchipsen – det sitter i den mjukvara som knyter ihop tusentals chips till ett sammanhängande, programmerbart system.

Det ekosystemet heter CUDA, och det har uppskattningsvis fyra miljoner aktiva utvecklare världen över. Det är en siffra som AMD fått känna av på nära håll: trots att deras hårdvara på pappret ibland mäter sig med Nvidias, har de aldrig lyckats locka över tillräckligt många utvecklare för att utmana på allvar. Mjukvarulåsningen är helt enkelt för stark.

Det är precis den låsningen som Kina nu försöker bryta.

TileLang – ett nytt fundament

Kärnan i Deepseeks lansering är programmeringsspråket TileLang, ursprungligen framtaget av forskare vid Pekinguniversitetet. Deepseek uppger att de använt verktyget internt i ungefär ett år och beskriver det som ett nödvändigt fundament för ett självständigt mjukvaruekosystem – en bas att bygga vidare på, snarare än ett färdigt svar på CUDA.

Vad som gör TileLang intressant är ambitionen att erbjuda en enklare programmeringsmodell än CUDA, utan att offra prestanda. Det är en utmaning som många försökt lösa tidigare, men sällan med det kombinerade stöd av ett ledande AI-laboratorium och en hårdvarutillverkare som Huawei.

Och det samarbetet är ingen slump. Enligt The Decoder har Huawei stöttat arbetet aktivt, och de två företagen har gemensamt optimerat ett så kallat superknippe bestående av 128 Ascend 950-chips. Det är ett samordnat industriellt projekt, inte ett hobbyistprojekt på GitHub.

Varför öppen källkod är ett strategiskt vapen

Valet att släppa TileLang som öppen källkod är i sig ett taktiskt beslut. Öppen källkod lockar utvecklare, skapar gemenskap och – framför allt – bygger det nätverksekosystem som är Nvidias främsta konkurrensmedel. Ju fler som skriver kod mot ett verktyg, desto fler bibliotek, desto fler handledningar, desto svårare att byta.

Det är exakt samma logik som gjort CUDA svår att konkurrera med. Nu försöker Kina replikera den dynamiken – fast med öppen källkod som hävstång.

Det påminner om hur Linux en gång utmanade Microsofts servermonopol: inte genom att vara bättre från dag ett, utan genom att vara tillräckligt bra och helt fri att använda, modifiera och bygga vidare på. Ingen förutsåg 1994 att Linux skulle driva majoriteten av världens servrar trettio år senare.

Hur allvarligt är hotet mot Nvidia?

Det vore naivt att överdriva. Att bygga ett mjukvaruekosystem tar år, ibland decennier. Fyra miljoner CUDA-utvecklare byter inte verktyg för att ett kinesiskt alternativ dykt upp – de byter när alternativet är minst lika bra, minst lika stöttat och erbjuder en tydlig fördel.

Men SemiAnalysis noterar något viktigt: vallgraven kan hålla på att erodera. OpenAIs eget slutledningschip är ett exempel på att även de stora aktörerna börjar söka sig bortom CUDA-beroendet. När tillräckligt tunga spelare börjar investera i alternativa mjukvarumiljöer förändras förutsättningarna snabbt.

Det Deepseek och Huawei gör nu är att lägga grunden. De bygger inte för nästa kvartal – de bygger för nästa decennium. Och det faktum att de gör det i öppen källkod, koordinerat och med statligt stöd i bakgrunden, gör det till ett drag som förtjänar att tas på allvar.

För oss som arbetar med AI-infrastruktur är det här fascinerande att följa. Mjukvarulåsning är en av de mest underskattade krafterna i teknikbranschen – och nu ser vi ett storskaligt experiment i om den låsningen faktiskt kan brytas.