Huawei Ascend : cinq pistes pour faire tourner des agents IA sur de longues tâches

À HUAWEI CONNECT 2026, Zhu Zhaosheng, responsable de la stratégie informatique de Huawei, a affirmé qu’Ascend avait franchi un « point d’inflexion » en matière d’écosystème. Son argument ne repose pas seulement sur les accélérateurs : il associe logiciels, communauté de développeurs et accès à des ressources de calcul partagées. Huawei propose en parallèle de concevoir les applications à l’échelle de ses SuperPoDs et SuperClusters, plutôt qu’autour d’une seule puce. Il s’agit de l’appréciation de l’entreprise, pas d’une validation indépendante des performances annoncées. 221

Pourquoi les agents IA compliquent la donne

Un agent chargé d’une tâche longue peut devoir reprendre son travail, conserver son état et fournir rapidement un premier jeton de réponse. Lorsque son exécution mobilise de nombreux NPU — des processeurs spécialisés dans les calculs d’IA —, les transferts de données et la mémoire disponible deviennent aussi importants que la puissance de calcul. C’est à ces contraintes que Huawei veut répondre en faisant du SuperPoD ou du SuperCluster l’unité de programmation. Son annonce distincte sur UnifiedBus présente également l’interconnexion et les besoins en mémoire par NPU comme des problèmes à traiter à l’échelle du cluster. 26

Les cinq pistes proposées par Huawei

1. Composer les ressources entre plusieurs machines. Des interfaces de programmation (API) doivent permettre d’associer calcul, communication et mémoire au sein d’un SuperPoD ou d’un SuperCluster. L’objectif est de faciliter les traitements répartis sur plusieurs machines, sans pour autant faire disparaître le coût des transferts de données. 24
2. Conserver le fil d’une tâche longue. ThinkPro et ThinkProcess, dans openEuler, sont destinés à gérer l’exécution d’un agent et son état au fil du temps. Cette approche pourrait éviter de refaire certains calculs lorsqu’il reprend une tâche et améliorer sa réactivité, notamment le délai avant le premier jeton. Les sources citées ne chiffrent toutefois aucun gain de latence. 2
3. Offrir plusieurs façons de programmer les NPU. Huawei met en avant les capacités SIMD et SIMT d’Ascend 950, ainsi que la programmation Regbase, pour prendre en charge des calculs denses comme des opérations moins régulières. L’intérêt concret dépendra de l’adéquation entre ces outils et chaque charge de travail. 2
4. Adapter la précision des calculs. Le format HiF4 est présenté comme une option de précision réduite susceptible d’augmenter le débit et de diminuer l’usage de la mémoire lorsque le modèle le permet. Tout gain devra être confronté à ses effets sur la qualité des résultats. 2
5. Aider à développer les opérateurs avec des agents. Huawei propose d’utiliser des agents pour créer et optimiser ces briques logicielles de calcul, afin d’adapter plus vite de nouvelles techniques de modèles à Ascend. C’est une méthode de développement envisagée, non une solution démontrée à tous les goulets d’étranglement logiciels. 2

Le « point d’inflexion » reste à éprouver

Ces propositions ne prendront de valeur que si les développeurs peuvent s’en servir. Huawei cite notamment le jeu d’instructions PTO ouvert, le développement communautaire de CANN, la prise en charge de modèles et de frameworks, des outils de développement et l’accès, pour ses partenaires, à des ressources partagées de l’ordre de 10 000 NPU. Un compte rendu des propos de Zhu fait également état de plus de 5 200 utilisateurs actifs mensuels dans la communauté CANN. Ce sont des signes d’accès et d’activité, pas la preuve que toutes les applications se portent facilement sur Ascend ou y fonctionnent rapidement. 2421

Voilà le sens de la formule de Zhu : selon Huawei, Ascend dispose désormais d’un socle suffisamment étoffé pour accueillir un écosystème plus large d’agents IA. Reste à mesurer, application par application, si les cinq pistes réduisent effectivement le temps de réponse, les coûts de communication et la pression sur la mémoire lors de tâches longues. 26