Shenzhen accende il suo supercluster AI da 10.000 schede con chip Huawei

La scala del progetto

Shenzhen, grande polo tecnologico della Cina meridionale, ha attivato un cluster per l’intelligenza artificiale composto da 10.000 schede di calcolo basate su chip Huawei Ascend 910C. Il nuovo segmento offre una capacità dichiarata di 11.000 petaflops, cioè 11.000 quadrilioni di operazioni in virgola mobile al secondo. 711

Il progetto si aggiunge a una prima fase da 3.000 petaflops entrata in funzione l’anno precedente. Considerate insieme, le due infrastrutture raggiungono una capacità di 14.000 petaflops. Le fonti lo presentano come il primo cluster cinese di questa scala costruito con chip avanzati prodotti a livello nazionale e con uno stack completamente domestico. 1112

Cosa c’è dentro: Ascend 910C e CANN

Il componente principale è l’Ascend 910C, l’acceleratore AI di fascia alta di Huawei. Sul piano dell’architettura, il chip è descritto come un modulo a due die, con due componenti di calcolo integrati in un’unica scheda acceleratrice. Huawei lo inserisce nella propria architettura Da Vinci e lo abbina a memoria HBM2E nei sistemi destinati ai data center. 610

Il cluster non è però soltanto un insieme di processori. La sua autonomia dipende dall’intera piattaforma «Ascend + CANN»: CANN, acronimo di Compute Architecture for Neural Networks, è l’ambiente software di Huawei che consente di gestire gli acceleratori e ottimizzare i carichi di lavoro AI. Reti ad alta velocità, server, strumenti di sviluppo e software di orchestrazione sono essenziali quanto il singolo chip.

Il confronto con Nvidia H100: un dato da leggere con cautela

Secondo test attribuiti a ricercatori di DeepSeek, l’Ascend 910C avrebbe raggiunto circa il 60% delle prestazioni di inferenza di un Nvidia H100 su carichi basati sui modelli DeepSeek. 1113

Il dato non equivale a dire che il 910C sia «il 60% di un H100» in ogni circostanza. È un confronto riferito all’inferenza, cioè alla fase in cui un modello già addestrato produce risposte o risultati. Non costituisce un benchmark universale e non dimostra la parità tra i due chip nell’addestramento di modelli di grandi dimensioni, nell’efficienza energetica, nella maturità del software o nella facilità d’uso.

Alcune analisi descrivono infatti compromessi rilevanti in termini di area del silicio, prestazioni per watt e prestazioni per millimetro quadrato. 6 Il punto strategico per la Cina, tuttavia, non è necessariamente superare Nvidia in ogni indicatore: è poter realizzare infrastrutture AI su larga scala senza dipendere interamente da acceleratori stranieri soggetti a restrizioni.

Perché migliaia di acceleratori funzionano meglio insieme

Un cluster AI collega migliaia di acceleratori affinché un singolo lavoro possa essere suddiviso in parallelo. Durante l’addestramento, per esempio, il sistema può distribuire tra più schede i dati, i livelli del modello o i calcoli necessari per aggiornare i parametri. Nell’inferenza, invece, può smistare simultaneamente molte richieste o suddividere l’elaborazione di un modello complesso.

In teoria, più schede significano più capacità di calcolo aggregata. Nella pratica, il risultato dipende dalla velocità con cui le schede comunicano tra loro e dalla qualità del software che coordina il lavoro. Se lo scambio di dati tra acceleratori è troppo lento, le schede rimangono in attesa e una parte del vantaggio del parallelismo si perde. Per questo interconnessioni ad alta velocità, memoria con ampia banda e strumenti software ottimizzati sono elementi decisivi.

Quanto è stato adottato il sistema

La prima fase da 3.000 petaflops sarebbe stata completamente prenotata prima dell’entrata in funzione dell’espansione da 10.000 schede. 11 Un’altra ricostruzione riferisce che quasi 50 organizzazioni hanno firmato accordi quadro per utilizzare la capacità del cluster e che il tasso complessivo di prenotazione ha raggiunto il 92%. 1

Questi numeri indicano una domanda concreta di capacità di calcolo domestica, ma non dimostrano che la piattaforma Huawei abbia sostituito Nvidia in modo generalizzato in Cina. «Prenotato» non significa necessariamente che tutta la capacità sia già utilizzata a regime, né che ogni azienda abbia abbandonato l’hardware straniero. Alcune imprese cinesi continuano a reperire capacità Nvidia anche attraverso data center situati fuori dalla Cina.

Gli altri sviluppi dei chip cinesi

Huawei ha presentato anche un percorso di progettazione che, secondo le sue previsioni, potrebbe portare entro il 2031 a chip con una densità di transistor equivalente a quella associata ai processi da 1,4 nanometri, senza ricorrere agli strumenti di litografia più avanzati. Reuters sottolinea però che l’azienda non ha fornito dati indipendenti sulle prestazioni: per ora si tratta di un obiettivo tecnologico, non della dimostrazione di un prodotto pronto per la produzione.

Separatamente, Reuters ha riferito che i test presso i clienti del nuovo Ascend 950PR hanno dato risultati favorevoli e che ByteDance e Alibaba starebbero valutando ordini. Anche questo sviluppo segnala l’ampliamento dell’ecosistema Huawei, ma non cancella le difficoltà legate a produzione, disponibilità, software e prestazioni rispetto alle piattaforme Nvidia.

La risposta ai controlli statunitensi

Gli Stati Uniti hanno iniziato a limitare nel 2022 l’esportazione verso la Cina di GPU avanzate come Nvidia A100 e H100. Le regole sono state rafforzate nel 2023 per includere ulteriori chip per il calcolo avanzato e apparecchiature rilevanti per la produzione di semiconduttori.

Il cluster di Shenzhen va letto in questo contesto. La risposta cinese non consiste soltanto nel progettare un processore alternativo: punta a costruire una filiera completa fatta di acceleratori, server, interconnessioni, sistemi operativi e software per l’intelligenza artificiale.

Huawei è al centro di questa strategia perché la famiglia Ascend offre un’alternativa nazionale sia a livello di chip sia a livello di sistema per data center. Il progetto di Shenzhen dimostra che gli acceleratori cinesi possono essere aggregati in un’infrastruttura di dimensioni molto rilevanti e impiegati per carichi AI avanzati. Ma il divario rispetto a Nvidia in alcuni ambiti, insieme alla persistente ricerca di capacità Nvidia da parte di alcune aziende cinesi, mostra che l’autosufficienza tecnologica resta un percorso ancora incompleto. 712