# DeepSeek publie DeepEP-Ascend pour les communications sur NPU Huawei

> DeepSeek publie en open source une bibliothèque de communication haute performance qui accélère l’entraînement des modèles MoE sur les NPU Ascend. Les premiers tests affichent jusqu’à 95 % d’utilisation de la bande passante.

Oossa · 2026-09-30 · https://oossa.com/fr/deepseek-releases-deepep-ascend-library-for-huawei-npu-communication

DeepSeek a publié un nouveau dépôt GitHub baptisé DeepEP-Ascend. Il fournit une bibliothèque de communication pour l’entraînement et l’inférence sur les NPU Huawei Ascend, avec prise en charge du tout-à-tout en parallélisme par experts, du parallélisme en pipeline et de l’accès à la mémoire distante. La bibliothèque reprend l’API de NVIDIA DeepEP et peut être installée à l’aide d’une commande pip. Les premiers tests sur Ascend 950DT montrent une bande passante de dispatch proche de la limite matérielle, pour des tailles de parallélisme par experts allant jusqu’à 32.

## Les faits

- Dépôt créé le 30 septembre 2026 ; prise en charge du dispatch FP8 et de la combinaison BF16
- Les tests sur Ascend 950DT font état d’une bande passante de dispatch de 373 à 375 Go/s pour une taille de parallélisme par experts de 8

## Pourquoi c'est important

Cette bibliothèque permet aux développeurs d’utiliser les puces Ascend de Huawei pour entraîner à grande échelle des modèles à mélange d’experts, avec des communications proches des vitesses maximales du matériel.

## Sources et références

1. [New repository deepseek-ai/DeepEP-Ascend: A high-performance communication library for machine learning training and inference on Huawei Ascend NPUs.](https://github.com/deepseek-ai/DeepEP-Ascend) – DeepSeek, 2026-09-30

Dernière mise à jour: 2026-09-30