Huawei stellt auf seiner jährlichen Connect-Veranstaltung Open-Source-KI-Roadmap vor

Die Entwicklung von Open-Source-KI stand im Mittelpunkt der Huawei Connect 2025, auf der das Unternehmen konkrete Zeitpläne und technische Details für die Veröffentlichung seines gesamten KI-Software-Stacks bis Ende des Jahres vorstellte.

Die Ankündigungen waren für Entwickler besonders bedeutsam, da sie ein offenes Eingeständnis der bisherigen Schwierigkeiten, klare Zusagen darüber, welche Komponenten veröffentlicht werden sollen, und Einzelheiten darüber enthielten, wie die Software in bestehende Entwickler-Workflows und Betriebssysteme integriert werden soll.

Reibungen zwischen Entwicklern anerkannt

In seiner Keynote begann Eric Xu, stellvertretender Vorsitzender und rotierender Vorsitzender von Huawei, mit ungewöhnlich offenen Bemerkungen zu den Herausforderungen, denen Entwickler mit der Ascend-Infrastruktur begegnet sind. Unter Bezugnahme auf die Auswirkungen der Veröffentlichung von DeepSeek-R1 Anfang dieses Jahres erklärte Xu: „Von Januar bis zum 30. April haben unsere KI-Forschungs- und Entwicklungsteams intensiv daran gearbeitet, sicherzustellen, dass die Inferenzfähigkeiten unserer Ascend 910B- und 910C-Chips den sich wandelnden Kundenanforderungen gerecht werden.“

Nach Kundenfeedback-Sitzungen fügte Xu hinzu: „Unsere Kunden haben zahlreiche Bedenken und Erwartungen in Bezug auf Ascend geäußert und uns dabei immer wieder wertvolle Vorschläge unterbreitet.“

Diese Anerkennung der Herausforderungen für Entwickler bildete die Grundlage für die umfassenden Open-Source-Verpflichtungen, die erstmals auf dem Ascend Computing Industry Development Summit am 5. August 2025 angekündigt und später von Xu auf der Huawei Connect bekräftigt wurden.

Für Entwickler, die mit den Tools, der Dokumentation oder der Ausgereiftheit des Ökosystems von Ascend zu kämpfen hatten, signalisiert diese ehrliche Einschätzung, dass Huawei sich der Kluft zwischen dem technischen Potenzial der Plattform und ihrer praktischen Nutzbarkeit bewusst ist. Die Open-Source-Strategie scheint direkt darauf abzuzielen, diese Reibungspunkte durch Community-Beiträge, Transparenz und externe Verbesserungen zu beseitigen.

CANN: Details zum Compiler und zum virtuellen Befehlssatz

Die technisch bedeutendste Zusage betrifft CANN (Compute Architecture for Neural Networks), das Kern-Toolkit von Huawei, das AI-Frameworks und Ascend-Hardware miteinander verbindet. Auf dem Gipfeltreffen im August erklärte Xu: „Für CANN werden wir die Schnittstellen für den Compiler und den virtuellen Befehlssatz öffnen und die restliche Software vollständig als Open Source zur Verfügung stellen.“

Dieser mehrstufige Ansatz unterscheidet zwischen Komponenten, die vollständig als Open Source veröffentlicht werden, und solchen, für die Huawei offene Schnittstellen bereitstellen wird, möglicherweise mit proprietären Implementierungen. Der Compiler und der virtuelle Befehlssatz – wichtige Übersetzungsschichten, die hochrangigen Code in für die Hardware ausführbare Befehle umwandeln – werden über offene Schnittstellen verfügen. Dies gibt Entwicklern Einblick in die Kompilierung ihres Codes für Ascend-Prozessoren und ermöglicht potenzielle Optimierungen, selbst wenn die Kernimplementierung des Compilers teilweise geschlossen bleibt.

Diese Unterscheidung ist für die Leistungsoptimierung von entscheidender Bedeutung. Entwickler benötigen Einblick in den Kompilierungsprozess, wenn sie latenzempfindliche Anwendungen erstellen oder maximale Hardwareeffizienz anstreben. Offene Schnittstellen bieten diese Transparenz; eine vollständige Open-Source-Veröffentlichung würde zusätzlich die Modifizierung oder den Austausch des Compilers selbst ermöglichen. Der Ansatz von Huawei bietet Optimierungstransparenz unter Beibehaltung bestimmter proprietärer Elemente.

Der Zeitplan ist fest: „Wir werden CANN (basierend auf dem bestehenden Ascend 910B/910C-Design) bis zum 31. Dezember 2025 als Open Source veröffentlichen und frei zugänglich machen.“ Die Klarstellung „basierend auf dem bestehenden Ascend 910B/910C-Design“ deutet darauf hin, dass die Veröffentlichung der aktuellen Hardware-Generation entspricht und nicht zukünftigen Architekturen.

Mind-Serie: Anwendungs-Enablement-Kits und Toolchains

Über die grundlegende CANN-Ebene hinaus hat sich Huawei verpflichtet, die Tools, die Entwickler täglich verwenden, als Open Source zur Verfügung zu stellen. „Für unsere Anwendungs-Enablement-Kits und Toolchains der Mind-Serie werden wir bis zum 31. Dezember 2025 vollständig auf Open Source umstellen“, erklärte Xu auf der Huawei Connect und bekräftigte damit die auf dem Ascend Computing Industry Development Summit am 5. August 2025 gemachte Zusage.

Die Mind-Serie umfasst die praktische Entwicklungsumgebung – die SDKs, Bibliotheken, Debugging-Tools, Profiler und Dienstprogramme, die für die Erstellung von KI-Anwendungen verwendet werden. Im Gegensatz zum mehrstufigen Ansatz von CANN mit offenen Schnittstellen für einige Komponenten wird die Mind-Serie vollständig als Open Source verfügbar gemacht.

Das bedeutet, dass die gesamte Toolchain auf Anwendungsebene von der Community überprüft, geändert und erweitert werden kann. Debugging-Tools können um erforderliche Funktionen erweitert, Bibliotheken für bestimmte Anwendungsfälle optimiert und Dienstprogramme in benutzerfreundlichere Schnittstellen eingebunden werden. Kurz gesagt: Das Entwicklungsökosystem kann sich durch Beiträge der Community weiterentwickeln, anstatt sich ausschließlich auf Updates der Anbieter zu verlassen.

In der Ankündigung wurde jedoch nicht genau angegeben, welche Tools die Mind-Serie umfasst, welche Programmiersprachen sie unterstützt und wie umfassend die begleitende Dokumentation sein wird. Entwickler, die überlegen, ob sie Zeit in die Plattform investieren sollen, müssen nach der Veröffentlichung im Dezember die Vollständigkeit der Toolchain beurteilen.

OpenPangu-Grundlagenmodelle

Huawei hat sich außerdem dazu verpflichtet, „unsere OpenPangu-Foundation-Modelle vollständig als Open Source zur Verfügung zu stellen”. Damit positioniert sich Huawei neben der Llama-Serie von Meta, den Angeboten von Mistral AI und anderen Initiativen im Bereich der Open-Source-Foundation-Modelle, die den Schwerpunkt auf die Beteiligung der Community legen.

Die Ankündigung enthielt keine Einzelheiten zu den Fähigkeiten von openPangu, der Anzahl der Parameter, den Trainingsdaten oder den Lizenzbedingungen. Die Open-Source-Veröffentlichung von Foundation-Modellen wirft Fragen auf, die über die reine Verfügbarkeit hinausgehen, insbesondere hinsichtlich kommerzieller Nutzungsbeschränkungen, der Zusammensetzung der Trainingsdatensätze, potenzieller Verzerrungen und der Zulässigkeit von Feinabstimmungen und Weiterverbreitung. Diese Details sind zumindest öffentlich noch ungeklärt.

Für Entwickler bieten Open-Source-Grundlagenmodelle Ausgangspunkte für domänenspezifische Anwendungen, ohne dass die für das Training von Grund auf erforderlichen massiven Rechenressourcen benötigt werden. Die praktische Verwendbarkeit eines Modells hängt jedoch von seiner Qualität, der Flexibilität der Lizenzierung und der verfügbaren Dokumentation ab. Die Veröffentlichung im Dezember wird zeigen, ob die openPangu-Modelle eine wettbewerbsfähige Alternative zu etablierten Open-Source-Optionen darstellen.

Flexibilität bei der Integration in Betriebssysteme

Ein praktisches Implementierungsdetail, das auf der Huawei Connect 2025 vorgestellt wurde, befasst sich mit einem häufigen Hindernis für die Einführung neuer KI-Infrastrukturen: der Kompatibilität mit Betriebssystemen. Huawei gab bekannt, dass es „die gesamte UB OS-Komponente als Open Source verfügbar gemacht hat, sodass ihr Code in vorgelagerte Open-Source-OS-Communities wie openEuler integriert werden kann”.

Der Integrationsansatz bietet bemerkenswerte Flexibilität. Laut den Ankündigungen „können Benutzer den Quellcode der UB OS-Komponente teilweise oder vollständig in ihre bestehenden Betriebssysteme integrieren, um unabhängige Iterationen und Versionswartungen zu unterstützen. Benutzer können auch die gesamte Komponente als Plug-in in ihre bestehenden Betriebssysteme einbetten, um sicherzustellen, dass sie sich im Gleichschritt mit Open-Source-Communities weiterentwickeln kann.“

Durch dieses modulare Design sind Unternehmen, die Ubuntu, Red Hat Enterprise Linux oder andere Distributionen einsetzen, nicht gezwungen, auf ein Huawei-spezifisches Betriebssystem umzusteigen. Die UB OS-Komponente, die das SuperPod-Interconnect-Management auf Betriebssystemebene übernimmt, kann in bestehende Umgebungen integriert werden. Für Entwickler und Systemadministratoren bedeutet dies eine erhebliche Verringerung der Reibungsverluste bei der Bereitstellung.

Flexibilität bringt jedoch auch Verantwortung mit sich. Unternehmen, die sich dafür entscheiden, den Quellcode der UB OS-Komponente in ihre eigenen Systeme zu integrieren, sind für Tests, Wartung und Updates verantwortlich. Huawei stellt die Komponente als Open-Source-Software und nicht als vom Anbieter unterstütztes Produkt für beliebige Linux-Distributionen zur Verfügung. Dieser Ansatz eignet sich gut für Unternehmen mit fundierten Linux-Kenntnissen, kann jedoch für diejenigen, die einen schlüsselfertigen Support durch den Anbieter erwarten, eine Herausforderung darstellen.

Strategie zur Framework-Kompatibilität

Der vielleicht wichtigste Faktor für die Akzeptanz durch Entwickler ist die Kompatibilität mit bestehenden KI-Frameworks. Anstatt Entwickler zu zwingen, vertraute Tools aufzugeben, baut Huawei Integrationsschichten auf. Laut Huawei „hat das Unternehmen der Unterstützung von Open-Source-Communities wie PyTorch und vLLM Priorität eingeräumt, um Entwicklern zu helfen, unabhängig innovativ zu sein“.

Die Kompatibilität mit PyTorch ist besonders wichtig, da dieses Framework sowohl in der KI-Forschung als auch in Produktionsumgebungen eine dominierende Rolle spielt. Wenn Entwickler Standard-PyTorch-Code schreiben können, der ohne umfangreiche Änderungen effizient auf Ascend-Hardware ausgeführt wird, sinkt die Hemmschwelle für Experimente erheblich. Unternehmen könnten die Ascend-Infrastruktur mit ihren bestehenden Codebasen und minimalen Anpassungen evaluieren, anstatt sie komplett neu schreiben zu müssen.

Die vLLM-Integration zielt auf einen bestimmten Anwendungsfall mit hoher Nachfrage ab: die optimierte Inferenz großer Sprachmodelle. Wenn Unternehmen LLM-basierte Anwendungen einsetzen, werden die Inferenzleistung und die Kosten zu entscheidenden Faktoren. Die native vLLM-Unterstützung deutet darauf hin, dass Huawei sich nicht nur mit Forschungsfähigkeiten, sondern auch mit praktischen Einsatzfragen befasst.

In den Ankündigungen wurden jedoch keine Details zur Vollständigkeit dieser Integrationen genannt. Eine teilweise PyTorch-Kompatibilität, die Workarounds für bestimmte Vorgänge erfordert oder eine suboptimale Leistung liefert, könnte sich eher als frustrierend denn als hilfreich erweisen. Die Qualität der Framework-Integrationen wird letztendlich darüber entscheiden, ob sie die Einführungsbarrieren wirklich senken oder lediglich neue Kategorien von Kompatibilitätsproblemen schaffen.

Die Frist am 31. Dezember und was danach kommt

Die Frist für die Open-Source-Veröffentlichung der CANN-, Mind- und openPangu-Modelle am 31. Dezember 2025 ist nur noch etwa drei Monate entfernt. Dieser kurzfristige Zeitplan lässt darauf schließen, dass bereits umfangreiche Vorbereitungsarbeiten abgeschlossen sind: Der Code wurde von internen Abhängigkeiten bereinigt, die Dokumentation wird geschrieben, die Lizenzbedingungen werden finalisiert und die Repository-Infrastruktur wird eingerichtet.

Die Qualität der ersten Version wird maßgeblich die Reaktion der Community bestimmen. Open-Source-Projekte, die mit unvollständiger Dokumentation, begrenzten Beispielen, fehlenden Funktionen oder unausgereiften Tools auf den Markt kommen, ziehen oft keine Mitwirkenden an, unabhängig von ihrem technischen Wert. Entwickler, die unbekannte Plattformen evaluieren, benötigen umfassende Lernressourcen, funktionierende Beispiele und klare Wege zum Erfolg.

Die Wochen und Monate nach der Veröffentlichung werden entscheidend sein. Erfolgreiche Open-Source-Projekte erfordern aktive Wartung, reaktionsschnelle Governance und eine einladende Community. Die langfristige Entwicklung wird davon abhängen, ob Entwickler einen ausreichenden Mehrwert sehen, um einen Beitrag zu leisten, wodurch ein positiver Kreislauf der Verbesserung entsteht, oder ob die Plattform weiterhin in erster Linie vom Anbieter gesteuert wird.

Ausblick

Für Entwickler und Organisationen, die die Open-Source-Aktivitäten von Huawei beobachten, ist die Veröffentlichung im Dezember ein Ausgangspunkt und kein Abschluss. Der eigentliche Test wird darin bestehen, wie sich die Software in den Händen der Community weiterentwickelt, wie gut die Integrationen sind und ob die Plattform sich in einem wettbewerbsintensiven Ökosystem eine nachhaltige Nische erschließen kann. Die kommenden Monate werden die Antworten liefern.