I begyndelsen af august 2025 skabte Huawei overskrifter, da virksomheden valgte at open-source deres Compute Architecture for Neural Networks (CANN) softwarepakke. Det betyder, at Huaweis alternative platform til NVIDIA’s CUDA nu er frit tilgængelig for udviklere verden over. Mange spørger sig selv: Kan Kinas største teknologikoncern reelt ryste NVIDIAs to årtier lange dominans på AI-markedet, eller ender det blot som endnu et geopolitisk ekko?

Hvorfor dominerer NVIDIA stadig AI-markedet?

NVIDIA sidder tungt på AI-soft- og hardware, ikke mindst takket være det stærkt lukkede CUDA-økosystem. CUDA gør det muligt at udnytte NVIDIAs grafikchips til tung maskinlæring og har været uomgængeligt i både forskning og industri. Det skyldes især en overflod af optimerede biblioteker, udviklingsværktøjer og brugervenlig dokumentation, som det har taget næsten 20 år at opbygge.

Men NVIDIAs position bygger også på eksklusivitet. Licensaftaler forbyder brug af CUDA på andet end NVIDIAs egne chips, og virksomheden har gentagne gange blokeret forsøg på at oversætte CUDA-kode til andre platforme. Faktisk blev det i licensvilkårene i 2024 præciseret, at oversættelse af CUDA-kode via såkaldte translation layers til tredjeparts-GPU’er er forbudt. Denne lukkede tilgang gør det langt sværere for alternativer at vinde indpas.

Hvad gør CANN, og hvordan adskiller det sig?

CANN blev lanceret af Huawei i 2018 som drivmotor i selskabets Ascend AI-chips. Platformen tilbyder flere lag API’er – fra højniveaumuligheder for klassiske AI-applikationer til performance-tunet kode for AI-specialister. I modsætning til CUDA gør open-sourcing, at udviklere nu kan inspicere, videreudvikle og potentielt portere CANN – uden at være bundet af proprietære vilkår.

Huaweis håb er klart: At open source på sigt skaber et community af bidragsydere, undersøgere og partnere, der ligesom på Linux eller Apache kan drive innovation og udbrede platformen. Ifølge Huaweis roterende bestyrelsesformand, Eric Xu, handler det eksplicit om at gøre Ascend-chips mere attraktive og lette at bruge for det internationale AI-miljø.

Er timingen genial eller drevet af geopolitik?

Huaweis åbning kommer midt i massive US-amerikanske sanktioner og voksende politisk pres på kinesiske firmaer. Parallelle eksempler ses, hvor Alibaba har open-sourcet Qwen3-Coder AI-modellen, og Xiaomi har frigivet MiDashengLM-7B til offentligheden. Den kinesiske stat skubber bagpå: En mere åben kodebase skal mindske teknologisk afhængighed af amerikanske industrier og styrke it-sikkerhed. Samtidig lagde det kinesiske cybersikkerhedsagentur pres på NVIDIA, da bekymringer omkring chip-sikkerhed blev fremlagt – alt sammen ingredienser i det voksende kapløb om AI-uafhængighed.

Tekniske barrierer: Hvorfor er migration så svær?

Mange analytikere ser positivt på CANNs open source-potentiale, men er enige om, at tekniske barrierer forsinker et bredere skifte væk fra CUDA. Først og fremmest er CANNs API-design og API-lag ikke én-til-én erstatning for CUDA – det kræver omskrivning af kode og målrettet indsats for at sikre kompatibilitet. Desuden er CANNs integration med de mest populære AI-frameworks som PyTorch og TensorFlow stadig under udvikling, og det betyder, at migrering ofte kræver tilpassede wrappers eller plugins, som endnu kun har begrænset dokumentation.

Eksempelvis er dokumentationen og community-understøttelsen langt mere fragmenteret for CANN sammenlignet med CUDA, og en del udviklingsværktøjer er først nu undervejs. Derudover er stabiliteten af CANN-biblioteker og drivere stadig i sin vorden, især uden for det kinesiske marked, hvor feedback fra internationale brugere er sparsom. Hardware-kompatibiliteten halter også, da CANN kun er optimeret til Huaweis egne Ascend-chips, hvorimod CUDA dækker en bred vifte af NVIDIAs produkter.

CloudMatrix og DeepSeek-benchmarks – hvad kan man stole på?

Flere medier har omtalt nye resultater fra kinesiske benchmarks – især hvor CloudMatrix 384 med Ascend-chips på DeepSeek R1 workload hævdes at nå eller overgå NVIDIA på visse opgaver. Både CloudMatrix og DeepSeek R1 er dog kinesiske referenceplatforme: CloudMatrix er et cloudinfrastruktur-setup optimeret til AI med Ascend og NVIDIA-chips, mens DeepSeek R1 er et sæt AI-testopgaver (primært sprogmodeller og inference). Selvom tallene vækker opsigt, mangler der stadig uafhængige, internationale benchmarks og bred evaluering af stabilitet og performance – især uden for de workloads, der er tæt på optimeret Ascend-software.

Uvildige internationale analysesider påpeger, at NVIDIA generelt leverer højere performance på tværs af workloads, og at Ascend/CANN kun matcher på udvalgte, optimerede områder. CTO’er bør derfor være skeptiske overfor overdrevne tal uden detaljerede, sammenlignelige testgrundlag.

Community-opbygning og partnere: En gentagelse af open source-succeser?

Med South China Morning Post som kilde samarbejder Huawei allerede med større, kinesiske universiteter, forskningsmiljøer og virksomheder for at etablere et nyt open source-udviklermiljø omkring Ascend. Det trækker på erfaringer fra Linux, Apache og andre succesfulde open source-økosystemer, hvor et globalt fællesskab hurtigt kan løfte kvaliteten gennem peer review og community fixes.

I praksis er CANN dog stadig et nicheprodukt uden de tusindvis af testede biblioteker og plug-and-play-værktøjer, som CUDA-miljøet tilbyder. Tiden vil vise, om CANN – med effektiv koordinering og globalt interesse – kan indhente dette efterslæb.

Risici og muligheder for danske virksomheder

For danske AI-ansvarlige, IT-ledere og digitaliseringschefer åbner udviklingen både dilemmaer og muligheder. På den ene side kan open source-basering give frihed fra vestlige licenser og mulighed for at forhandle bedre priser på hardware og support. For virksomheder med følsomme data kan national eller europæisk hardware/software-stack også reducere compliance-risici og politisk afhængighed.

• Innovative virksomheder kan bidrage til og præge CANN-platformen fra et tidligt stadie, hvilket kan give konkurrencefordele og udviklingsmuligheder.
• Scale-ups og forskningsmiljøer får mulighed for at eksperimentere med alternative løsninger uden at være låst fast af amerikanske leverandører.
• Snilld kan bistå med strategisk sparring, risikovurdering og migreringsplaner for CANN – både for virksomheder, der aktivt overvejer platformen, og dem, der følger udviklingen på sidelinjen.

Hovedudfordringer og kritiske spørgsmål før migration

• Er CANNs software og dokumentation stabil nok til produktion?
• Vil eksport- og forsyningskædeproblemer påvirke adgang til Ascend-chips og support?
• Hvor let er det at integrere CANN i eksisterende AI-workflows og cloudsammenhænge?
• Er der uvildig, international support og bugfixing, eller er CANN stadig domineret af kinesiske aktører?

Her bør virksomheder holde sig orienteret via internationale reviews, følge udviklingen af bridge-værktøjer og forlange uvildige benchmark-rapporter før større investeringer. Rent teknisk bør IT-teams forvente ekstra integrations- og supportomkostninger i opstartsfasen – også hvis ambitionen blot er at køre proof-of-concept uden for produktionsmiljø.

Snillds anbefalinger: Sådan holder du dig på forkant

• Invester i testmiljøer, hvor CANN kan sammenlignes direkte med eksisterende CUDA-setup på jeres vigtigste AI-opgaver.
• Indhent rådgivning om juridiske og politiske risici, især hvis din virksomhed opererer kommercielt i både EU, USA og Asien.
• Overvej, om dual-source hardware/software-strategier (fx flere leverandører af AI-chips) kan øge fleksibiliteten uden at øge kompleksiteten uforholdsmæssigt meget.
• Hold øje med EU-initiativer og potentielle partnerskaber med kinesiske aktører for innovation og teknologisk uafhængighed.

Med Snillds assistance kan din virksomhed både opbygge exit-strategier fra lukkede stacks, udnytte mulighederne i CANN og navigere i det geopolitiske landskab – uden at miste overblikket eller innovationskraften. Vores erfaring er, at de hurtigste gevinster opnås af dem, der afgør hvor CANN kan supplere – ikke erstatte – eksisterende AI-infrastruktur.

Man skal ikke forvente, at NVIDIAs dominans brister natten over. Men åbenheden i CANN-platformen, potentialet for et voksende community og geopolitikken kan tilsammen give først-movere – særligt med strategisk, teknisk og juridisk overblik – en ny position på et mere åbent og mangfoldigt AI-marked.

Kilder:

• https://www.artificialintelligence-news.com/news/huawei-nvidia-cann-cuda-open-source-challenge/
• https://www.scmp.com/tech/tech-war/article/3320852/tech-war-huawei-open-source-ai-chip-toolkit-take-nvidias-proprietary-platform
• https://weightythoughts.com/p/cuda-is-still-a-giant-moat-for-nvidia
• https://www.reddit.com/r/DeepSeek/comments/1kc6r9i/huawei_ascend_910d_vs_nvidia_h100_performance/
• https://www.csis.org/analysis/china-imposes-its-most-stringent-critical-minerals-export-restrictions-yet-amidst

Målgruppens mening om artiklen

Anders Kristensen, IT-chef i større dansk produktionsvirksomhed:
Jeg giver artiklen 80 ud af 100. Den er relevant for mig, fordi den adresserer både de tekniske og strategiske overvejelser, vi står overfor, når vi skal vurdere alternativer til NVIDIA. Jeg savner dog flere konkrete eksempler på danske eller europæiske virksomheder, der har prøvet CANN i praksis, samt mere detaljeret information om supportmuligheder uden for Kina.

Sofie Madsen, Digitaliseringschef i offentlig sektor:
Jeg giver artiklen 75. Den er informativ og giver et godt overblik over geopolitikken og de potentielle fordele ved open source, men den er lidt for teknisk til min smag og mangler cases fra den offentlige sektor. Jeg kunne godt tænke mig mere om compliance og datasikkerhed i forhold til CANN.

Jonas Pedersen, AI Lead i dansk scale-up:
Jeg giver den 90. Artiklen rammer plet ift. de dilemmaer, vi står med som mindre virksomhed, der gerne vil eksperimentere med alternativer til de amerikanske giganter. Jeg synes, den balancerer tekniske detaljer og strategiske perspektiver godt, men jeg savner hands-on erfaringer og benchmarks fra europæiske miljøer.

Camilla Holm, CTO i dansk fintech-virksomhed:
Jeg giver den 70. Jeg synes, artiklen er grundig, men den er lidt for fokuseret på de kinesiske forhold og for lidt på, hvordan man konkret kan migrere eller lave proof-of-concept i en dansk kontekst. Jeg kunne godt tænke mig mere om integration med eksisterende cloud-løsninger og sikkerhed.

Michael Jensen, IT-arkitekt i større konsulenthus:
Jeg giver den 85. Artiklen er meget oplysende og rammer mange af de spørgsmål, vi møder hos vores kunder. Jeg synes dog, at den kunne have været endnu stærkere, hvis den havde haft flere konkrete anbefalinger til, hvordan man vurderer omkostninger og risici ved migration til CANN.

*Denne artiklen er skrevet af en redaktion bestående af kunstig intelligenser, der har skrevet artiklen på baggrund af automatiseret research og oplysninger om de seneste teknologi nyheder fra internettet.

Billederne i artiklen er lavet af FLUX.1.1 Pro fra Black Forest Labs.