10.000 KI-Beschleuniger aus China: Was hinter Shenzhens Huawei-Cluster steckt

Der neue KI-Großrechner in Shenzhen

Shenzhen hat Chinas ersten vollständig inländischen KI-Cluster der 10.000-Karten-Klasse in Betrieb genommen. Das System basiert auf Huawei-Technik und soll 11.000 Petaflops Rechenleistung liefern – also 11 Billiarden Gleitkommaoperationen pro Sekunde. Zusammen mit einer bereits im Vorjahr aktivierten 3.000-Petaflops-Phase erreicht der Standort insgesamt 14.000 Petaflops KI-Kapazität. 711

Mit „Karten“ sind in diesem Zusammenhang KI-Beschleunigerkarten gemeint: spezialisierte Rechenhardware, die besonders für das Training und den Betrieb großer neuronaler Netze ausgelegt ist.

Welche Huawei-Technik steckt darin?

Das Herzstück des Clusters ist Huaweis Ascend 910C. Der Beschleuniger wird mit Huaweis eigener Da-Vinci-NPU-Architektur und einem vollständig chinesischen Hard- und Software-Ökosystem kombiniert. Dazu gehört insbesondere CANN – die „Compute Architecture for Neural Networks“, also die Softwareplattform, über die KI-Modelle auf Ascend-Hardware ausgeführt und optimiert werden.

Das Ziel ist ein vollständiger Stack aus:

• Ascend-KI-Beschleunigern,
• Servern und Speichersystemen,
• Hochgeschwindigkeitsnetzwerken,
• Treibern und Entwicklungswerkzeugen,
• sowie der CANN-Softwareplattform.

Ein solcher „Full-Stack“-Ansatz soll die Abhängigkeit von ausländischen Chips und proprietärer Software verringern. Zugleich kann Huawei Hard- und Software enger aufeinander abstimmen.

Wie schlägt sich der Ascend 910C gegen Nvidias H100?

Nach gemeldeten Tests von DeepSeek erreicht der Ascend 910C bei Inferenzaufgaben ungefähr 60 Prozent der Leistung eines Nvidia H100. Inferenz bezeichnet den Betrieb eines bereits trainierten Modells – etwa wenn ein Chatbot eine Antwort erzeugt. 1114

Diese Zahl sollte jedoch nicht als allgemeines Duell-Urteil verstanden werden. Sie bezieht sich auf einen bestimmten Workload und ist kein universeller Benchmark. Daraus lässt sich weder eine Gleichwertigkeit beim Training sehr großer Modelle noch bei Software-Reife, Energieeffizienz oder Gesamtbetriebskosten ableiten.

Technisch ist der 910C ein anspruchsvoller Beschleuniger mit zwei großen Recheneinheiten in einer Karte. Huawei gibt für bestimmte Formate eine theoretische Rechenleistung von bis zu 780 TFLOPS an. Gleichzeitig weisen Analysen auf eine größere Chipfläche und Nachteile bei Leistung pro Watt und pro Fläche im Vergleich zum H100 hin. 6

Der entscheidende Punkt für China ist daher nicht unbedingt, dass jede einzelne Karte Nvidia übertrifft. Ein ausreichend leistungsfähiger heimischer Beschleuniger kann in großer Zahl verfügbar sein und in einen vollständig kontrollierbaren Rechenzentrums-Stack eingebunden werden.

Warum steigert ein Cluster die KI-Leistung?

Eine einzelne KI-Karte kann nur einen begrenzten Teil eines sehr großen Modells oder Datensatzes verarbeiten. Ein Cluster bündelt Tausende solcher Beschleuniger und teilt die Arbeit parallel auf:

• Trainingsdaten können auf mehrere Karten verteilt werden.
• Teile eines Modells können gleichzeitig auf unterschiedlichen Karten laufen.
• Viele Anfragen an ein fertiges Modell lassen sich parallel beantworten.

Dadurch steigt die Gesamtrechenleistung erheblich. Allerdings ist die bloße Zahl der Karten nicht ausreichend. Die Beschleuniger müssen über schnelle Verbindungen Daten und Zwischenergebnisse austauschen. Je größer ein Modell und je mehr Karten beteiligt sind, desto wichtiger werden Netzwerk, Speicher, Kühlung und die Abstimmung durch die Software.

Ein gut geplantes Cluster reduziert diese Kommunikationsverluste. Ein schlecht abgestimmtes System kann dagegen einen erheblichen Teil seiner theoretischen Rechenleistung durch Wartezeiten wieder verlieren.

Wie stark wird das System bereits genutzt?

Die Nachfrage scheint beträchtlich zu sein. Die frühere 3.000-Petaflops-Phase war laut Berichten bereits vollständig reserviert, bevor die Erweiterung mit 10.000 Karten in Betrieb ging. 11 Eine weitere Darstellung spricht von fast 50 Organisationen, die Rahmenvereinbarungen zur Nutzung der Rechenleistung unterzeichnet hätten; die kombinierte Reservierungsquote habe 92 Prozent erreicht. 1

Das deutet auf einen hohen Bedarf an heimischer KI-Rechenkapazität hin. Es beweist jedoch nicht, dass Huawei Nvidia in ganz China bereits breit verdrängt hat. Berichte über chinesische Unternehmen, die weiterhin auf Nvidia-Rechenleistung über ausländische Rechenzentren zugreifen, zeigen, dass die technologische Selbstversorgung noch nicht vollständig ist.

Weitere Fortschritte bei chinesischen KI-Chips

Huawei hat außerdem einen Chipdesign-Ansatz vorgestellt, mit dem bis 2031 eine Transistordichte auf dem Niveau eines 1,4-Nanometer-Prozesses erreicht werden soll, ohne die modernsten Lithografiewerkzeuge einzusetzen. Unabhängige Leistungsdaten oder ein entsprechender Serienchip liegen dafür bislang nicht vor. Es handelt sich um eine Unternehmensprognose, nicht um einen bereits bewiesenen Fertigungsdurchbruch.

Parallel dazu berichtete Reuters, dass Tests von Huaweis Ascend 950PR bei Kunden positiv ausgefallen seien. ByteDance und Alibaba sollen demnach Bestellungen erwägen. Der Chip soll zudem stärker mit Nvidias CUDA-Softwareumgebung kompatibel sein, was den Wechsel für Entwickler erleichtern könnte.

Ein weiterer Bericht nennt einen Huawei-geführten Versuch, ein DeepSeek-Modell mit 1,6 Billionen Parametern auf mindestens 1.000 Ascend-910C-Chips vollständig nachzutrainieren. Sollte sich diese Darstellung bestätigen, wäre das ein Hinweis darauf, dass chinesische Beschleuniger zunehmend auch für besonders anspruchsvolle Trainingsaufgaben eingesetzt werden können. 3

Die strategische Bedeutung im Konflikt mit den USA

Die USA führten im Oktober 2022 Exportkontrollen für besonders leistungsfähige KI-Chips wie Nvidia A100 und H100 sowie für bestimmte Technologien zur Chipfertigung ein. 2023 wurden die Regeln ausgeweitet, um zusätzliche Chips, Umgehungsmöglichkeiten und relevante Fertigungsanlagen zu erfassen.

Für China erhöht das den Druck, eine eigene KI-Infrastruktur aufzubauen. Der Shenzhen-Cluster ist deshalb mehr als ein einzelnes Rechenzentrum: Er steht für den Versuch, ausländische Beschleuniger durch einen heimischen Verbund aus Chips, Servern, Netzwerken und Software zu ersetzen – und zwar in einer Größenordnung, die für große KI-Modelle praktisch nutzbar ist.

Huawei spielt dabei eine zentrale Rolle. Die Ascend-Serie bietet China eine Alternative nicht nur auf Chip-Ebene, sondern auch bei kompletten Rechenzentrumssystemen. Der Abstand zum Nvidia H100 bei bestimmten Inferenzaufgaben, die offenen Fragen zu Effizienz und Software sowie der fortbestehende Zugriff chinesischer Unternehmen auf Nvidia-Kapazitäten im Ausland machen aber deutlich: Chinas KI-Selbstversorgung nimmt zu, ist jedoch noch nicht abgeschlossen. 712