DeepBlue Technology e Huawei lançam o Wowoker — um telefone de trabalho com HarmonyOS para agentes comerciais

A empresa de IA HongYun, sediada em Pequim, apresentou o HyperLM V2.5 — uma nova versão de sua plataforma para treinamento combinado e inferência de grandes modelos. Isso foi relatado pelas publicações IT Home e ifeng Tech em 3 de novembro. A empresa afirma ser a primeira a realizar uma adaptação profunda ao chip Huawei Ascend 950DT, sendo totalmente compatível com o sistema Atlas 850E SuperPoD com resfriamento a ar e tendo passado pela certificação técnica da Huawei para Ascend Native.

A HongYun acredita que a definição de suporte é frequentemente muito vaga, quando um modelo é considerado suportado apenas após a instalação e geração de tokens. O objetivo da empresa é ajudar clientes governamentais e corporativos que utilizam implantações privadas a obter o máximo desempenho dos novos aceleradores.

A empresa descreve o Ascend 950DT como um chip de ponta para tarefas que exigem alta taxa de transferência, como interações prolongadas em chats, processamento de documentos longos e raciocínio contínuo de agentes. Além disso, observa-se que o sistema Atlas 850E com resfriamento a ar pode ser integrado em data centers existentes sem a necessidade de modernizar a infraestrutura.

O HyperLM V2.5 se adapta em vários níveis. No nível de interconexão, a plataforma suporta a tecnologia UnifiedBus 2.0 da Huawei, que fornece uma largura de banda de interconexão do sistema de 13,4 TB/s, prevenindo gargalos na transmissão de tráfego entre placas, o que é importante para contextos longos ou divisão das fases de pré-preenchimento e decodificação. No nível do operador, o sistema é otimizado para inferência mxFP4, permitindo o uso de 14,2 PFLOPS por nó.

A plataforma suporta os modelos de código aberto mais recentes, incluindo Qwen, GLM e DeepSeek, e seu agendador foi reconstruído levando em consideração o perfil de memória e largura de banda do 950DT.

O lançamento do HyperLM V2.5 inclui cinco novos recursos. A divisão de pré-preenchimento e decodificação permite isolar duas fases em pools de recursos independentes para que não entrem em concorrência durante picos de carga. O cache KV multinível reutiliza prompts do sistema, contextos frequentemente encontrados e modelos de sessão fixos para reduzir o volume de cálculos repetidos. A virtualização vNPU segmenta os chips Ascend 950DT, 910C e 910B, fornecendo cotas granulares e isolamento para cálculos AI Core e memória HBM, além de suportar migração a quente e reagendamento automático em caso de falha de hardware.

Também foi adicionado um modelo de gateway unificado, compatível com o protocolo OpenAI, que gerencia roteamento, limitação de taxa, versões beta e testes A/B. O monitoramento abrangente de toda a pilha rastreia carga, uso de memória, largura de banda, latência e QPS, fornecendo alertas e localização automática de falhas.

Para setores regulamentados, como governo, energia, transporte e finanças, a plataforma prevê a separação de funções de administrador, segurança e auditor, controle multinível de classificação e logs operacionais completos, bem como contabilidade de capacidade computacional, auditoria de chamadas de modelos e estatísticas de uso por projeto.

A HongYun foi incubada pelo Instituto Ocidental de Tecnologia Computacional da Academia Chinesa de Ciências, e sua equipe principal é formada por funcionários do Instituto de Tecnologia Computacional e Sugon. Em 2020, a empresa aderiu ao programa de parceria Ascend da Huawei. A empresa planeja continuar o desenvolvimento com base no hardware Ascend e Hygon DCU, focando em agendamento heterogêneo, aceleração de inferência, cache e aplicações de agentes.

No evento GOSIM Shenzhen 2026, realizado em 16 de outubro, a Huawei apresentou ferramentas para desenvolvedores que funcionam sobre sua pilha CANN aberta, em vez de apenas repetir a declaração anterior sobre código aberto. Lisin Shao, gerente geral de negócios CANN na Huawei, explicou que o CANN atua como um nível de computação heterogêneo entre os frameworks de inteligência artificial e os processadores Ascend, além de descrever detalhadamente os serviços comunitários destinados à aplicação prática por estudantes e engenheiros.

Anteriormente, em 2025, planos da Huawei para abrir amplamente o CANN foram mencionados em publicações em inglês. A nova informação diz respeito à base de trabalho. O CANNLab fornece ambientes de nuvem gratuitos online para trabalhar com Ascend C, PyPTO e operadores relacionados, além de incluir verificações de implantação de modelos e seu ajuste. O CANNBot é apresentado como um assistente multiagente capaz de gerar código, resolver problemas autonomamente, fechar o ciclo de reparo e realizar ajustes ponta a ponta.

O CANNJudge adiciona quadros online para competições, permitindo que os alunos pratiquem tarefas avaliadas, enquanto o CANN-Learning-Hub reúne materiais didáticos e exemplos interativos para trabalhar com operadores de nível iniciante a avançado. A gestão é realizada através de um comitê técnico orientador, um comitê de gerenciamento de projetos e grupos de interesse especiais.

Nos grupos de interesse setoriais, áreas como transporte inteligente, inteligência incorporada, energia e ciências da vida já estão listadas, com repositórios de código correspondentes abertos para colaboração entre universidades, laboratórios e empresas. O CANN-Samples contém exemplos de otimização para treinamento e inferência, incluindo caminhos de chip único focados em classes com capacidade computacional limitada.

A Huawei conecta todos esses elementos no caminho 'aprendizagem-prática-competição-certificação-contratação', buscando fornecer aos estudantes tarefas reais sobre operadores e modelos antes de se formarem. Parceiros do ecossistema relatam a contratação de participantes fortes da comunidade, embora os canais de recomendação externa ainda estejam em desenvolvimento. Além disso, a empresa não afirma que todo o código CANN esteja totalmente pronto para código aberto; ela descreve os serviços e a governança em torno das partes que estão abertas no momento.

Para os desenvolvedores Ascend, a notícia mais importante é o laboratório de nuvem gratuito, o agente assistente para trabalhar com operadores e o ranking público, anunciados juntos como uma base unificada para desenvolvedores. Relatórios anteriores em inglês abordaram a direção de código aberto; esta apresentação foi dedicada às ferramentas destinadas a tornar essa direção aplicável no trabalho diário.

A DeepSeek lançou o DeepInfer, um framework para execução de inferência que está na base dos seus serviços de grandes modelos. Este lançamento ocorreu em 20 de outubro.

O DeepInfer possui suporte para GPUs Nvidia, bem como processadores Huawei Ascend. O framework oferece uma série de funcionalidades, incluindo inferência distribuída, decodificação especulativa e saída estruturada.

De acordo com a DeepSeek, o objetivo deste lançamento é ajudar desenvolvedores e empresas a aumentar o throughput e reduzir a latência, ao mesmo tempo que diminuem os custos de computação e o consumo de energia.

Além disso, a empresa tornou público o componente deepseek-recipe. Ele é responsável por converter solicitações de API e processar a entrada e saída do modelo de acordo com os próprios serviços da DeepSeek. Atualmente, o DeepInfer suporta o modelo DeepSeek-V4.1-Flash-1017, e a empresa pretende continuar lançando código de inferência e otimizações para futuros modelos através deste projeto.