答え公開済み18 ソース
ファーウェイの霊衢UnifiedBusは、AI SuperPoDをどうつなぐのか
霊衢UnifiedBusは、複数の物理サーバーにまたがる計算資源、メモリ、ストレージを共通の接続基盤で結ぶ構想の中核だ。[2][19] OceanStor M900はKVキャッシュを階層化・共有し、AI推論で使えるコンテキストの容量を広げようとしている。[21] 帯域や遅延、将来の大規模化に関する数値は、個々のAI処理がどれだけ速くなるかを示す独立した実測結果ではない。[7][8][19]
公開者GPT-6 Sol で編集GPT Image 2 で画像を生成
研究の答え
重要なポイント
- 霊衢UnifiedBusは、複数の物理サーバーにまたがる計算資源、メモリ、ストレージを共通の接続基盤で結ぶ構想の中核だ。[2][19]
- OceanStor M900はKVキャッシュを階層化・共有し、AI推論で使えるコンテキストの容量を広げようとしている。[21]
- 帯域や遅延、将来の大規模化に関する数値は、個々のAI処理がどれだけ速くなるかを示す独立した実測結果ではない。[7][8][19]
AI プロンプト
openai.comCreate a landscape editorial hero image for this Studio Global article: How did Huawei present Lingqu UnifiedBus at Huawei Connect 2026 as the interconnect core of its Agentic AI SuperPoD and SuperCluster archite. Article summary: Huawei presented Lingqu UnifiedBus as the common interconnect for its Agentic AI SuperPoDs and SuperClusters: a way to make processors, memory and storage cooperate across cabinets and clusters, rather than treating each. Topic tags: general, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clic
ファーウェイが「Huawei Connect 2026」で示した霊衢（Lingqu）UnifiedBusは、AI向けの大規模計算システム「SuperPoD」と、さらに大きなSuperClusterをつなぐ基盤だ。狙いはアクセラレーターの数を増やすだけではない。物理サーバーをまたいで計算資源、メモリ、ストレージを連携させ、データのやり取りと、推論に必要な情報の保持という二つの課題に取り組む。8
19
21
サーバー間の通信を、共通の仕組みに
ファーウェイによると、UnifiedBusは10種類を超える接続プロトコルを、メモリを扱うための共通プロトコルにまとめる。CPUやAI演算用のNPUなどを対等に接続し、異なる物理サーバー間でもメモリにアクセスできるようにする設計だ。同社が示す接続基盤の数値は、帯域が従来の毎秒100GB級から毎秒TB級へ、往復遅延が約7マイクロ秒から約2マイクロ秒へ、というもの。ただし、これらは接続基盤についての公表値であり、AIアプリケーション全体の高速化を測った結果ではない。2
7
19
23
この通信性能は、TransformerのAttention（注意機構）とFFN（フィードフォワードネットワーク）の処理を分け、それぞれに適した資源で実行する構想にも関わる。処理の途中で生じるデータの受け渡しに時間がかかれば、分離する利点は薄れる。提示された資料からは、この構成による処理全体の改善幅までは分からない。7
8
「速くつなぐ」と「長い文脈を保持する」は別の課題
ファーウェイの構想では、Kunpeng 950が汎用計算、Ascend 960がAI計算、OceanStor M900が推論時のコンテキスト用ストレージを担う。M900はUnifiedBusを使い、推論中に参照する情報を保持するKVキャッシュを共有する。保存先をチップ内メモリやDRAMからSSDまで階層化し、アクセラレーター上のメモリだけに頼らず、利用できる容量を広げる考え方だ。4
21
ここで区別したいのは、プロセッサー間の通信を速くすることと、KVキャッシュの容量を増やすことだ。SSD側に置いた情報を使う際の性能は、接続基盤の遅延だけでなく、ストレージを含む経路全体に左右される。7
21
筐体間から光接続のSuperPoDへ
ファーウェイは、筐体内、筐体間、クラスター間をつなぐUnifiedBus対応機器を示している。報じられた接続機器の仕様は、毎秒1.6テラビットのポートを176基備え、ポート容量の合計が約280テラビット毎秒というものだ。これは機器全体のポート容量であり、個々のプロセッサーやAI処理に割り当てられる帯域を意味しない。7
19
より大きな構成では光接続を組み合わせる。Atlas 960E SuperPoDには、光学部品を処理チップの近くに配置する「ニアパッケージド・オプティクス」が採用されている。またファーウェイは、全光UnifiedBusで接続するTaiShan 950 SuperPoDが最大4096基のNPUに対応すると説明する。将来の目標として示す「100万基規模のNPUクラスター」は、同規模のシステムで性能を実証したという意味ではない。2
5
19
まだ確認できないこと
筐体からクラスターまでをつなぐ構成には、会議の報道で言及されたUBG層などの接続機器も位置付けられる。一方、提示された資料だけではAtlas 650Eの正確な役割や導入状況、銅線の削減量を具体的な数値で確認できない。帯域・遅延・規模の公表値が、クラスター全体で持続的な学習・推論性能の向上につながることを示す独立したベンチマークもない。現時点ではUnifiedBusを、検証済みの総合性能ではなく、ファーウェイが示した統合アーキテクチャと仕様として捉えるのが妥当だ。7
8
19
Studio Global AI
研究を続けてください
このページにはソースに裏付けされた回答が含まれており、Studio Global 内で続行できます。
人々も尋ねます
「ファーウェイの霊衢UnifiedBusは、AI SuperPoDをどうつなぐのか」の短い答えは何ですか?
霊衢UnifiedBusは、複数の物理サーバーにまたがる計算資源、メモリ、ストレージを共通の接続基盤で結ぶ構想の中核だ。[2][19]
最初に検証する重要なポイントは何ですか?
霊衢UnifiedBusは、複数の物理サーバーにまたがる計算資源、メモリ、ストレージを共通の接続基盤で結ぶ構想の中核だ。[2][19] OceanStor M900はKVキャッシュを階層化・共有し、AI推論で使えるコンテキストの容量を広げようとしている。[21]
次の実践では何をすればいいでしょうか？
帯域や遅延、将来の大規模化に関する数値は、個々のAI処理がどれだけ速くなるかを示す独立した実測結果ではない。[7][8][19]
情報源
itpro.comInfrastructure and agents take center stage at Huawei Connect 2026
huawei.comHuawei Unveils New UnifiedBus Computing Architecture for ...