Lingqu UnifiedBus má propojit AI systémy Huawei od serveru po rozsáhlý cluster

U rozsáhlého systému pro AI nestačí přidat další akcelerátory. Čipy si musejí stíhat předávat data a při odvozování, tedy vytváření odpovědí modelem, musí mít systém kam ukládat průběžný kontext. Právě na tyto dvě překážky míří návrh Huawei představený na konferenci Huawei Connect 2026: Lingqu UnifiedBus má propojit výpočetní prostředky, paměť a úložiště napříč fyzickými servery, sestavami SuperPoD i většími clustery. 81921

Jedna síť místo oddělených serverů

Huawei uvádí, že UnifiedBus sjednocuje více než deset propojovacích protokolů a používá společný způsob komunikace založený na paměťových operacích. Procesory CPU, akcelerátory NPU a další prostředky se tak mají propojovat přímo mezi sebou a přistupovat k paměti napříč fyzickými servery, místo aby každý server fungoval jako samostatný ostrov. Podle zveřejněných údajů se propustnost propojení posouvá z řádu stovek GB/s do řádu TB/s a zpáteční latence klesá přibližně ze 7 na 2 mikrosekundy. Jde o parametry propojovací vrstvy, ne o naměřené zrychlení konkrétní AI aplikace. 271923

Rychlý přenos je důležitý také pro záměr rozdělit práci modelů typu Transformer mezi operace Attention a dopřednou síť (FFN). Přidělit jim různé prostředky dává smysl jen tehdy, pokud přenos mezivýsledků nesmaže získanou výhodu. Dostupné podklady tento architektonický záměr popisují, ale jeho celkový přínos nevyčíslují. 78

Rychlost přenosu není totéž co kapacita paměti

V širší sestavě Huawei obstarává Kunpeng 950 obecné výpočty a Ascend 960 výpočty AI. OceanStor M900 má při odvozování modelů poskytovat sdílený prostor pro KV cache — průběžně uchovávaná data, která model využívá při práci s kontextem. Pomocí UnifiedBus ji Huawei chce sdružovat a rozložit do několika úrovní, od paměti na čipu a DRAM až po SSD. 421

Tím se řeší jiný problém než samotnou rychlostí spojení mezi procesory: dostupná kapacita pro kontext může růst i mimo paměť akcelerátoru. Jak rychle systém skutečně načte data uložená na SSD, však závisí na celé cestě k nim; z uváděné latence propojení to vyčíst nelze. 721

Od rozvaděče k optickým spojům

Huawei popisuje zařízení UnifiedBus pro spojení uvnitř rozvaděčů, mezi rozvaděči i mezi clustery. U jednoho z nich se uvádí 176 portů po 1,6 Tbit/s, tedy přibližně 280 Tbit/s souhrnné kapacity portů. Toto číslo neříká, jakou propustnost získá jednotlivý procesor nebo úloha AI. 719

Ve větším měřítku má nastoupit optické propojení. Atlas 960E SuperPoD využívá optiku umístěnou blízko čipového pouzdra; u TaiShan 950 SuperPoD Huawei uvádí plně optický UnifiedBus a podporu až 4 096 NPU. Dlouhodobější návrh počítá s clustery o milionu NPU. To je plánovaná škála architektury, nikoli zveřejněný benchmark nasazeného milionového clusteru. 2519

Co zatím nelze ověřit

Do návrhu propojení od rozvaděčů po clustery Huawei řadí také zařízení vrstvy UBG. Dostupné podklady však neupřesňují roli ani stav nasazení modelu Atlas 650E a nedokládají konkrétní číselný údaj o úspoře mědi. Chybí také nezávislý benchmark celého clusteru, který by ukázal, jak se uváděná latence, propustnost a rozsah promítají do trvalého výkonu při trénování nebo odvozování AI. UnifiedBus je proto zatím přesnější chápat jako architekturu a soubor parametrů uváděných Huawei, nikoli jako ověřený výsledek v reálné zátěži. 7819