Huawei представила суперкомпьютеры Atlas 950 и 960 для конкуренции с Nvidia

На конференции Connect 2025 в Шанхае Huawei объявила о выходе на рынок ИИ-ускорителей с системами Atlas 950 и Atlas 960 SuperPoD. Эти масштабные кластеры на базе чипов Ascend призваны бросить вызов системам Nvidia эры Rubin и укрепить позиции Китая в сфере искусственного интеллекта.

Atlas 950 SuperPoD использует 8192 чипа Ascend 950DT, обеспечивая производительность 8 EFLOPS (FP8) и 16 EFLOPS (FP4) при пропускной способности межсоединений 16,3 ПБ/с. Система демонстрирует скорость обработки 4,91 млн токенов в секунду при обучении и 19,6 млн токенов при выводе — в 17 и 26 раз больше, чем у предыдущего поколения Atlas 900 A3.

Физически система занимает 160 стоек, соединенных через оптический протокол UnifiedBus 2.0, который, по заявлениям Huawei, в десять раз быстрее современной интернет-инфраструктуры.

Компания также анонсировала создание суперкластеров Atlas 950 SuperCluster, объединяющих 64 SuperPoD. Такая система будет насчитывать более 520 000 NPU и обеспечит производительность 524 EFLOPS (FP8). По словам председателя Huawei Эрика Сюй, это превзойдет системы xAI Илона Маска и будущие развертывания Nvidia NVL144 и NVL576.

В 2026 году ожидается выход Atlas 960 SuperPoD с 15 488 чипами Ascend 960, производительностью до 30 EFLOPS (FP8) и 60 EFLOPS (FP4). К 2027 году планируется достичь показателя в 2 ZFLOPS (FP8) с суперкластером на базе этой архитектуры.

Huawei также обновила дорожную карту чипов Ascend: 950PR и 950DT появятся в 2026 году, 960 — в 2027, а 970 — в 2028. Каждое поколение обещает удвоение вычислительной мощности и поддержку новых форматов данных, включая FP8, MXFP4 и HiF4.

Стратегия компании, отрезанной от передовых западных полупроводниковых производств, заключается в победе за счет масштаба и системной интеграции. Контролируя весь стек — от памяти и сетей до упаковки и межсоединений, — Huawei надеется удовлетворить растущий спрос на вычисления для обучения моделей и бросить вызов доминированию Nvidia.

Однако реализация таких амбициозных систем столкнется с вызовами, включая энергопотребление, тепловыделение и зрелость программного обеспечения. Преимущество CUDA от Nvidia создавалось годами, и повторить эту оптимизацию для масштабных кластеров — непростая задача.