Shenzhen enciende un clúster de IA de 10.000 chips para reducir su dependencia de Nvidia

La escala del nuevo sistema

Shenzhen, uno de los principales polos tecnológicos de China, ha puesto en funcionamiento el primer clúster de inteligencia artificial del país con 10.000 tarjetas de cómputo construido íntegramente con tecnología nacional. La nueva fase, equipada con aceleradores Huawei Ascend 910C, ofrece una capacidad anunciada de 11.000 petaflops, es decir, 11.000 billones de operaciones de coma flotante por segundo.

Al sumar una fase de 3.000 petaflops activada anteriormente, el complejo alcanza una capacidad total de 14.000 petaflops de cómputo para IA. 711

La cifra no significa que una sola aplicación utilice necesariamente toda esa potencia a la vez. En la práctica, el recurso se reparte entre distintos trabajos: entrenamiento de modelos, generación de respuestas —la llamada inferencia—, simulaciones y otros servicios de inteligencia artificial.

Qué tecnología utiliza Huawei

El corazón del sistema son los aceleradores Ascend 910C de Huawei. Pero el proyecto no consiste únicamente en instalar miles de chips: se presenta como una plataforma de pila completa, con hardware, servidores, redes y software desarrollados dentro de China.

Su base es el ecosistema Ascend + CANN. CANN —siglas en inglés de Compute Architecture for Neural Networks— es la plataforma de software de Huawei para gestionar cargas de trabajo de redes neuronales y permitir que los desarrolladores adapten sus modelos a los aceleradores Ascend.

Esa integración es importante porque el rendimiento de un clúster no depende solo de la potencia teórica de cada chip. También influyen la memoria, la interconexión entre aceleradores, el sistema de comunicación de datos y las herramientas que utilizan los investigadores para programar y optimizar los modelos.

¿Cómo se compara el Ascend 910C con el Nvidia H100?

Según pruebas atribuidas a investigadores de DeepSeek, el Ascend 910C alcanzó aproximadamente el 60 % del rendimiento de inferencia de un Nvidia H100. 1114

La comparación debe interpretarse con cautela. Se refiere a tareas y modelos concretos de inferencia, es decir, a la ejecución de un modelo ya entrenado para producir respuestas. No constituye un resultado universal para cualquier programa y no demuestra que ambos chips sean equivalentes en entrenamiento, madurez del software, consumo energético o rendimiento por unidad de superficie.

El dato sí resulta relevante para China: incluso sin igualar al H100 en todos los escenarios, un acelerador nacional puede ofrecer una alternativa utilizable cuando el acceso a los productos más avanzados de Nvidia está restringido.

Por qué juntar miles de aceleradores mejora el rendimiento

Un clúster permite trabajar con miles de aceleradores como si fueran un sistema coordinado. Una tarea de IA puede dividirse de varias maneras:

• distribuir partes de un modelo entre distintas tarjetas;
• repartir los datos de entrenamiento en paralelo;
• procesar simultáneamente grandes volúmenes de solicitudes de usuarios;
• asignar diferentes modelos o servicios a grupos separados de aceleradores.

La ventaja principal es el paralelismo: en lugar de depender de una sola unidad, el sistema ejecuta muchas operaciones al mismo tiempo. Sin embargo, conectar más chips no garantiza automáticamente un rendimiento proporcional. Si los aceleradores tardan demasiado en intercambiar datos, la comunicación puede convertirse en el cuello de botella.

Por eso son esenciales las redes de alta velocidad, la memoria compartida o coordinada y un software capaz de distribuir las operaciones con eficiencia. El objetivo es que los miles de chips trabajen como una unidad y no como una colección de máquinas aisladas.

Cuánto se ha adoptado el sistema

La fase anterior, con 3.000 petaflops, habría quedado completamente reservada antes de que entrara en funcionamiento la ampliación de 10.000 tarjetas. 11 Otros informes señalan que casi 50 organizaciones firmaron acuerdos marco para utilizar la capacidad del complejo y que la tasa combinada de reservas alcanzó el 92 %. 1

Estos datos apuntan a una demanda significativa de capacidad de cómputo nacional entre empresas, laboratorios y otras entidades chinas. Aun así, no bastan para concluir que Huawei haya desplazado de forma generalizada a Nvidia en el mercado chino. Algunas compañías del país siguen dependiendo de capacidad basada en Nvidia, incluso mediante centros de datos situados fuera de China.

Otros avances de Huawei y de la industria china

Huawei ha presentado además una ruta de diseño que, según sus previsiones, permitiría fabricar para 2031 chips con una densidad de transistores comparable a la de los procesos de 1,4 nanómetros sin depender de las herramientas de litografía más avanzadas. Se trata de una proyección de la empresa: no equivale a la demostración de un chip producido en serie ni aporta por sí sola datos independientes de rendimiento. 23

Por otra parte, Reuters informó de pruebas favorables entre clientes para el Ascend 950PR y señaló que ByteDance y Alibaba estarían considerando realizar pedidos. 23 La adopción de estos productos será una prueba clave para determinar si el ecosistema Ascend puede competir no solo en capacidad técnica, sino también en disponibilidad, compatibilidad y facilidad de uso.

La respuesta a los controles tecnológicos de Estados Unidos

Estados Unidos empezó a restringir en 2022 la exportación a China de aceleradores avanzados como los Nvidia A100 y H100, y endureció las medidas en 2023 para abarcar más chips de cómputo avanzado y equipos relevantes para su fabricación. 23

El clúster de Shenzhen debe entenderse en ese contexto. Su objetivo industrial es sustituir una infraestructura extranjera limitada por una alternativa nacional que cubra toda la cadena: aceleradores, servidores, redes, sistemas de gestión y software.

Huawei ocupa un lugar central en esa estrategia porque su familia Ascend ofrece tanto los chips como sistemas completos para centros de datos. La puesta en marcha de un clúster de 10.000 tarjetas muestra que China puede desplegar capacidad nacional a gran escala y utilizarla en cargas de trabajo exigentes. Pero la diferencia de rendimiento frente al H100 en algunas pruebas y la continuidad del acceso chino a capacidad de Nvidia también dejan claro que la autosuficiencia tecnológica todavía no está completa. 712