Huawei Ascend: Fünf Ansätze für KI-Agenten mit langen Aufgaben

Bei der HUAWEI CONNECT 2026 bezeichnete Zhu Zhaosheng, Huaweis Strategiechef für Computing, Ascend als ein Ökosystem, das einen Wendepunkt überschritten habe. Gemeint ist nicht allein die Leistungsfähigkeit der KI-Beschleuniger. Huawei verweist darauf, dass Entwickler inzwischen auf mehr Software, Werkzeuge und gemeinsam nutzbare Rechenressourcen aufbauen können. Zugleich stellte Zhu einen Ansatz vor, bei dem SuperPoDs und SuperClusters statt einzelner Chips im Mittelpunkt der Programmierung stehen. Das ist Huaweis Einschätzung – kein unabhängiger Nachweis für einen Leistungssprung. 221

Warum lange Agentenläufe andere Anforderungen stellen

Ein KI-Agent, der eine umfangreiche Aufgabe über viele Schritte bearbeitet, muss womöglich seinen Zustand behalten, Arbeit später fortsetzen und dann zügig wieder eine erste Antwort ausgeben. Je mehr NPUs – auf KI-Aufgaben ausgelegte Prozessoren – beteiligt sind, desto wichtiger werden Datentransfers zwischen ihnen und der verfügbare Speicher. Huaweis Ansatz behandelt diese Fragen auf Ebene eines SuperPoD oder SuperCluster. Auch die gesondert vorgestellte UnifiedBus-Architektur stellt Verbindungen und Speicherbedarf als Herausforderungen des gesamten Verbunds dar. 26

Die fünf Ansätze im Überblick

1. Ressourcen über Knoten hinweg kombinieren. Programmierschnittstellen sollen Rechenleistung, Kommunikation und Speicher innerhalb eines SuperPoD oder SuperCluster gemeinsam nutzbar machen. Das könnte Entwicklern die Arbeit über mehrere Knoten hinweg erleichtern. Es bedeutet nicht, dass der Aufwand für Datentransfers verschwindet. 24
2. Den Ausführungszustand eines Agenten erhalten. ThinkPro und ThinkProcess aus dem openEuler-Umfeld sollen die Ausführung langer Aufgaben verwalten. Kann ein Agent mit erhaltenem Zustand weiterarbeiten, könnte das unnötige Wiederholungen vermeiden und die Zeit bis zum ersten ausgegebenen Token verkürzen. Ein gemessener Latenzgewinn geht aus dem angeführten Material jedoch nicht hervor. 2
3. Unterschiedliche Rechenmuster unterstützen. Huawei nennt für Ascend 950 die Fähigkeiten SIMD und SIMT sowie die Regbase-Programmierung. Damit sollen sowohl gleichförmige, rechenintensive Abläufe als auch weniger regelmäßige Operationen abgedeckt werden. Wie gut das funktioniert, hängt von der jeweiligen Anwendung ab. 2
4. Die Rechengenauigkeit passend wählen. HiF4 ist als Option mit geringerer numerischer Präzision vorgesehen. Wo ein Modell diese verträgt, könnten Durchsatz und Speicherbedarf profitieren. Ob sich das lohnt, muss gegen mögliche Einbußen bei der Ergebnisqualität geprüft werden. 2
5. Agenten bei der Operatorentwicklung einsetzen. KI-Agenten sollen helfen, Operatoren – grundlegende Rechenbausteine für Modelle – zu erstellen und zu optimieren. So könnten neue Modellverfahren schneller effizient auf Ascend laufen. Vorgestellt wird damit ein Entwicklungsansatz, keine nachgewiesene Lösung für jeden Softwareengpass. 2

Was den Ökosystem-Anspruch stützt – und was nicht

Zu Huaweis Argument gehören ein offener PTO-Befehlssatz, die gemeinschaftsgetriebene Weiterentwicklung von CANN, Unterstützung für Modelle und Frameworks sowie Entwicklerwerkzeuge. Partnern und Entwicklern stellt das Ascend-Umfeld nach Unternehmensangaben zudem gemeinsam nutzbare Rechenressourcen in der Größenordnung von 10.000 NPUs bereit. Ein Bericht über Zhus Aussagen nennt für die CANN-Community mehr als 5.200 monatlich aktive Nutzer. Das sind Hinweise auf Zugang und Beteiligung, aber noch kein Beleg dafür, dass jede Anwendung einfach portierbar ist oder schnell läuft. 2421

Huaweis Kernthese lautet somit: Rund um Ascend sei inzwischen genug Infrastruktur entstanden, damit andere darauf entwickeln können. Die fünf Ansätze zeigen, wie das Unternehmen die Reaktionszeit lang laufender Agenten, die Kommunikation zwischen Knoten und den Speicherbedarf angehen will. Ob sie diese Ziele erreichen, lässt sich erst anhand konkreter Anwendungen beurteilen. 26