Huawei porta mesos desenvolupant la seva pròpia família de models de llenguatge, Pangu, com a peça central d'una estratègia per demostrar que és possible entrenar sistemes d'intel·ligència artificial de primer nivell sense dependre dels processadors de Nvidia, als quals la companyia xinesa té l'accés restringit pels controls d'exportació nord-americans des de fa anys.
El 31 de juliol de 2026, Huawei va publicar en obert openPangu-2.0-Pro, un model de mescla d'experts (MoE) amb 505.000 milions de paràmetres totals, dels quals només uns 18.000 milions s'activen per a cada resposta, entrenat íntegrament amb processadors Ascend, el maquinari propi de la companyia, amb aproximadament 34 bilions de tocs de dades i una finestra de context de fins a 512.000 tocs. La publicació inclou els pesos del model, el codi d'inferència i documentació tècnica a través de la comunitat de codi obert Ascend Tribe, i arriba després que Huawei ja hagués alliberat el 30 de juny la versió més petita, openPangu-2.0-Flash, de 92.000 milions de paràmetres. Yu Chengdong, executiu de la companyia, ha declarat que Huawei "destinarà una gran quantitat de recursos de còmput d'IA per donar suport a l'ecosistema industrial domèstic", i la companyia ha subratllat que prioritza optimitzar mètriques com la latència i el rendiment per targeta per sobre del simple nombre de paràmetres.
La publicació és rellevant perquè s'emmarca en la mateixa estratègia que ja segueixen altres laboratoris xinesos com DeepSeek o Moonshot AI -alliberar models potents en obert per guanyar adopció global- però hi afegeix un element geopolític addicional: demostrar en públic que un model d'aquesta escala es pot entrenar sencer amb maquinari xinès, en un moment en què els controls d'exportació de xips nord-americans continuen sent un dels punts de fricció més grans entre Washington i Pequín en matèria d'intel·ligència artificial.
Huawei no ha publicat comparatives directes de rendiment d'openPangu-2.0-Pro davant de models rivals com Qwen, DeepSeek o els grans models nord-americans, ni ha detallat sota quina llicència exacta d'ús es distribueixen els pesos. Tampoc s'ha pogut verificar de manera independent el cost real ni l'eficiència energètica d'entrenar un model d'aquesta mida amb processadors Ascend en comparació amb el maquinari de Nvidia.