화웨이 Connect 2026의 핵심은 단일 AI 가속기 발표라기보다 수천 개 프로세서를 하나의 시스템처럼 묶는 방법이었다. 화웨이는 Ascend 960 NPU, UnifiedBus, 새 광인터커넥트 엔진 Hi-ONE을 결합한 AI 슈퍼노드 Atlas 960E SuperPoD를 공개했다. 목표는 최대 10조 파라미터 모델의 학습과 추론을 위한 대규모 결합형 시스템이다. 136

핵심 사양: 최대 4096개 NPU, FP8 8 EFLOPS

화웨이는 Atlas 960E를 업계 최초의 근접 패키지 광학(NPO·Near-Package Optics) 기반 SuperPoD라고 소개했다. UnifiedBus의 통합 메모리 주소 지정 기능을 통해 단일 시스템은 최대 4096개 NPU, FP8 8 EFLOPS, FP4 16 EFLOPS, 최대 1PB HBM까지 확장할 수 있다는 설명이다. 3813

다만 이 수치는 화웨이가 제시한 시스템 전체 기준 사양이다. Ascend 960 단일 칩의 독립 검증 수치나 타사 제품과의 공통 조건 벤치마크로 해석해서는 안 된다.

화웨이는 같은 NPU 연결을 위해 기존 800G 광모듈 4만8000개 대신 Hi-ONE 5500개를 사용한다고 밝혔다. 이를 통해 전력 소모를 550kW 이상 낮추고 시스템 신뢰성을 두 배로 높였다는 주장이다. 13 메시지는 분명하다. 초대형 AI 모델 환경에서는 칩의 최고 연산 성능만큼이나, 칩 사이의 데이터를 얼마나 빠르고 효율적으로 옮기느냐가 중요해진다는 것이다.

NPO·Hi-ONE·UnifiedBus는 각각 무엇을 하나

NPO: 광 연결을 연산부 가까이 배치

NPO는 광 연결 장치를 프로세서 패키지 가까이에 두어, 전기 신호가 광 신호로 변환되기 전 이동해야 하는 거리를 줄이는 방식이다. 화웨이는 이 구조가 SuperPoD에서 더 높은 속도와 낮은 에너지 사용량을 제공한다고 설명했다. 913

Hi-ONE: NPO를 위한 광인터커넥트 엔진

Hi-ONE은 화웨이의 NPO 설계에 쓰이는 광인터커넥트 구성요소다. 화웨이는 광원을 통합하고, 고대역폭·저지연·저전력 설계를 적용했다고 밝혔다. 13 발표 보도에 따르면 이 엔진은 레인당 200Gbps, 총 36레인으로 7.2Tbps를 구현하며, 화웨이가 제시한 통신 지연 시간은 10나노초다. 32

이 10나노초는 SuperPoD 전체의 종단 간 지연 시간이 아니다. UnifiedBus로 연결된 시스템 전반의 왕복 지연 시간은 별도 보도에서 약 2마이크로초로 언급됐다. 1135

UnifiedBus: 큰 시스템을 하나의 장비처럼

UnifiedBus는 연산·메모리·스토리지를 연결하는 패브릭 및 메모리 주소 지정 계층이다. Atlas 960E에서는 4096개 NPU 전체에 걸친 통합 메모리 주소 지정을 지원한다. 38

화웨이는 UnifiedBus 기반 SuperCluster가 최대 100만 개 NPU까지 확장될 수 있다고도 밝혔다. 이는 공개된 실제 구축 물량이 아니라 아키텍처 수준의 확장성 주장이다. 234

10조 파라미터 모델에서의 성능 주장

화웨이는 Atlas 960E를 최대 10조 파라미터 모델의 학습과 추론용으로 내세웠다. 6 회사는 특정 10조 파라미터 워크로드에서 Atlas 950 대비 학습 처리량이 최대 2.3배, 추론 처리량이 최대 2.5배 높아진다고 주장한다. 435

이 수치가 말해주는 것은 NPO와 UnifiedBus의 실용적 목적이다. 이 규모에서는 연산 자체만이 아니라 가속기 사이에서 활성화값, 가중치, 중간 데이터를 이동하는 비용이 성능을 좌우할 수 있다. 다만 화웨이는 다양한 워크로드나 엔비디아 제품과의 비교를 뒷받침할 공개 독립 벤치마크를 제시하지 않았다.

Ascend 950 대비 무엇이 달라지나

화웨이의 이전 로드맵에 따르면 Ascend 960은 Ascend 950보다 연산 성능, 메모리 접근 대역폭, 메모리 용량, 인터커넥트 포트 수가 각각 두 배가 될 예정이다. 30 Atlas 960E는 이 차세대 실리콘을 더욱 밀도 높은 광 연결 구조와 결합한 구성이다.

제품명 구분은 특히 유의할 필요가 있다. Connect 2026에서 구체적으로 공개된 Atlas 960E는 4096 NPU 기반 NPO 시스템이다. 반면 앞선 로드맵 자료에는 더 큰 미래형 Atlas 960 SuperPoD 구성도 등장한다. 서로 다른 발표에서 나온 모든 Atlas 960 수치를 같은 출하 구성의 사양으로 간주해서는 안 된다. 2538

2027년 로드맵: Ascend 960DT와 960PR

화웨이는 Ascend 960 계열의 두 변형 제품 일정을 앞당겼다.

• Ascend 960DT: 학습용 제품으로, 2027년 1분기 출시 예정이다. 기존 계획보다 3개 분기 앞당겼다. 13
• Ascend 960PR: 추론용 제품으로, 2027년 3분기 출시 예정이다. 기존 계획보다 1개 분기 빠르다. 15

이전 로드맵은 Ascend 960의 목표 시점을 2027년 4분기로 제시했으며, 칩 기준 FP8 2 PFLOPS와 FP4 4 PFLOPS를 언급했다. 30 이번 발표는 플랫폼의 방향을 더 구체화했지만, DT와 PR 변형의 칩 단위 사양은 아직 독립적으로 검증할 수 있는 공개 정보가 제한적이다.

엔비디아식 AI 인프라 전략에 가까운 이유

화웨이는 Ascend 프로세서, HBM, 광인터커넥트, Atlas 시스템, 모델 배포용 소프트웨어 계층을 아우르는 AI 인프라 스택을 구축하려 한다. 이는 특히 엔비디아를 포함한 해외 반도체 공급망 의존도를 낮추려는 중국의 흐름과 맞닿아 있다. 918

다만 제조는 중요한 변수다. 미국 수출 통제로 화웨이는 TSMC와 거래할 수 없으며, 화웨이는 해당 칩의 제조사를 공개적으로 밝히지 않았다. 분석가들은 중국 최대 파운드리 SMIC와의 협업 가능성을 거론하지만, 이는 공식 제조사 공개가 아닌 분석가 평가로 봐야 한다. 19

모델 최적화도 마찬가지로 중요하다. 하드웨어 용량만으로는 성숙한 소프트웨어 생태계를 대체할 수 없다. 개발자에게는 프레임워크, 컴파일러, 모델별 최적화가 필요하다. DeepSeek가 Ascend 950DT를 추론에 사용하되 학습에는 엔비디아 하드웨어를 계속 활용할 계획이라는 보도는, 화웨이의 진전과 동시에 남은 과제를 보여준다. 21

공급 제약과 해외 확장, 에릭 쉬의 발언

화웨이의 전략적 야심은 당장의 생산 제약과 맞물린다. 순환 회장 에릭 쉬는 화웨이가 중국 내 AI 컴퓨팅 장비 수요조차 충족할 만큼 생산하지 못하고 있어, 전면적인 해외 시장 확장 계획은 없다고 밝혔다. 다만 수요가 강한 일부 시장에는 공급하고 있다고 덧붙였다. 20

쉬는 중국 AI 개발자들이 미국 선도 기업들이 언급한 최전선 안전 위험을 아직 마주할 정도로 강력한 모델을 보유하지 않았을 수 있다고도 말했다. 로이터 보도에 따르면 그는 위험과 혁신의 균형을 유지하면서도 성능 향상을 계속해야 한다는 입장이다. 17

결론

Atlas 960E는 AI 인프라 경쟁이 프로세서 하나가 아니라 프로세서·메모리·광학·패브릭·소프트웨어를 함께 묶는 시스템 경쟁이라는 화웨이의 가장 분명한 선언이다. 4096 NPU, FP8 8 EFLOPS, HBM 1PB라는 발표 사양의 중심에는 NPO가 있다. 1338

그러나 이 플랫폼은 아직 로드맵 단계이며, 가장 중요한 성능 수치 역시 화웨이 측 발표에 기반한다. 엔비디아의 지속 가능한 대안이 될 수 있는지는 생산 능력, 소프트웨어 채택, 실제 모델 성능, 그리고 중국 밖에서의 시스템 공급 여부에 달려 있다. 2019

화웨이 Connect 2026의 핵심은 단일 AI 가속기 발표라기보다 수천 개 프로세서를 하나의 시스템처럼 묶는 방법이었다. 화웨이는 Ascend 960 NPU, UnifiedBus, 새 광인터커넥트 엔진 Hi-ONE을 결합한 AI 슈퍼노드 Atlas 960E SuperPoD를 공개했다. 목표는 최대 10조 파라미터 모델의 학습과 추론을 위한 대규모 결합형 시스템이다. 136

핵심 사양: 최대 4096개 NPU, FP8 8 EFLOPS

화웨이는 Atlas 960E를 업계 최초의 근접 패키지 광학(NPO·Near-Package Optics) 기반 SuperPoD라고 소개했다. UnifiedBus의 통합 메모리 주소 지정 기능을 통해 단일 시스템은 최대 4096개 NPU, FP8 8 EFLOPS, FP4 16 EFLOPS, 최대 1PB HBM까지 확장할 수 있다는 설명이다. 3813

다만 이 수치는 화웨이가 제시한 시스템 전체 기준 사양이다. Ascend 960 단일 칩의 독립 검증 수치나 타사 제품과의 공통 조건 벤치마크로 해석해서는 안 된다.

화웨이는 같은 NPU 연결을 위해 기존 800G 광모듈 4만8000개 대신 Hi-ONE 5500개를 사용한다고 밝혔다. 이를 통해 전력 소모를 550kW 이상 낮추고 시스템 신뢰성을 두 배로 높였다는 주장이다. 13 메시지는 분명하다. 초대형 AI 모델 환경에서는 칩의 최고 연산 성능만큼이나, 칩 사이의 데이터를 얼마나 빠르고 효율적으로 옮기느냐가 중요해진다는 것이다.

NPO·Hi-ONE·UnifiedBus는 각각 무엇을 하나

NPO: 광 연결을 연산부 가까이 배치

NPO는 광 연결 장치를 프로세서 패키지 가까이에 두어, 전기 신호가 광 신호로 변환되기 전 이동해야 하는 거리를 줄이는 방식이다. 화웨이는 이 구조가 SuperPoD에서 더 높은 속도와 낮은 에너지 사용량을 제공한다고 설명했다. 913

Hi-ONE: NPO를 위한 광인터커넥트 엔진

Hi-ONE은 화웨이의 NPO 설계에 쓰이는 광인터커넥트 구성요소다. 화웨이는 광원을 통합하고, 고대역폭·저지연·저전력 설계를 적용했다고 밝혔다. 13 발표 보도에 따르면 이 엔진은 레인당 200Gbps, 총 36레인으로 7.2Tbps를 구현하며, 화웨이가 제시한 통신 지연 시간은 10나노초다. 32

이 10나노초는 SuperPoD 전체의 종단 간 지연 시간이 아니다. UnifiedBus로 연결된 시스템 전반의 왕복 지연 시간은 별도 보도에서 약 2마이크로초로 언급됐다. 1135

UnifiedBus: 큰 시스템을 하나의 장비처럼

UnifiedBus는 연산·메모리·스토리지를 연결하는 패브릭 및 메모리 주소 지정 계층이다. Atlas 960E에서는 4096개 NPU 전체에 걸친 통합 메모리 주소 지정을 지원한다. 38

화웨이는 UnifiedBus 기반 SuperCluster가 최대 100만 개 NPU까지 확장될 수 있다고도 밝혔다. 이는 공개된 실제 구축 물량이 아니라 아키텍처 수준의 확장성 주장이다. 234

10조 파라미터 모델에서의 성능 주장

화웨이는 Atlas 960E를 최대 10조 파라미터 모델의 학습과 추론용으로 내세웠다. 6 회사는 특정 10조 파라미터 워크로드에서 Atlas 950 대비 학습 처리량이 최대 2.3배, 추론 처리량이 최대 2.5배 높아진다고 주장한다. 435

이 수치가 말해주는 것은 NPO와 UnifiedBus의 실용적 목적이다. 이 규모에서는 연산 자체만이 아니라 가속기 사이에서 활성화값, 가중치, 중간 데이터를 이동하는 비용이 성능을 좌우할 수 있다. 다만 화웨이는 다양한 워크로드나 엔비디아 제품과의 비교를 뒷받침할 공개 독립 벤치마크를 제시하지 않았다.

Ascend 950 대비 무엇이 달라지나

화웨이의 이전 로드맵에 따르면 Ascend 960은 Ascend 950보다 연산 성능, 메모리 접근 대역폭, 메모리 용량, 인터커넥트 포트 수가 각각 두 배가 될 예정이다. 30 Atlas 960E는 이 차세대 실리콘을 더욱 밀도 높은 광 연결 구조와 결합한 구성이다.

제품명 구분은 특히 유의할 필요가 있다. Connect 2026에서 구체적으로 공개된 Atlas 960E는 4096 NPU 기반 NPO 시스템이다. 반면 앞선 로드맵 자료에는 더 큰 미래형 Atlas 960 SuperPoD 구성도 등장한다. 서로 다른 발표에서 나온 모든 Atlas 960 수치를 같은 출하 구성의 사양으로 간주해서는 안 된다. 2538

2027년 로드맵: Ascend 960DT와 960PR

화웨이는 Ascend 960 계열의 두 변형 제품 일정을 앞당겼다.

• Ascend 960DT: 학습용 제품으로, 2027년 1분기 출시 예정이다. 기존 계획보다 3개 분기 앞당겼다. 13
• Ascend 960PR: 추론용 제품으로, 2027년 3분기 출시 예정이다. 기존 계획보다 1개 분기 빠르다. 15

이전 로드맵은 Ascend 960의 목표 시점을 2027년 4분기로 제시했으며, 칩 기준 FP8 2 PFLOPS와 FP4 4 PFLOPS를 언급했다. 30 이번 발표는 플랫폼의 방향을 더 구체화했지만, DT와 PR 변형의 칩 단위 사양은 아직 독립적으로 검증할 수 있는 공개 정보가 제한적이다.

엔비디아식 AI 인프라 전략에 가까운 이유

화웨이는 Ascend 프로세서, HBM, 광인터커넥트, Atlas 시스템, 모델 배포용 소프트웨어 계층을 아우르는 AI 인프라 스택을 구축하려 한다. 이는 특히 엔비디아를 포함한 해외 반도체 공급망 의존도를 낮추려는 중국의 흐름과 맞닿아 있다. 918

다만 제조는 중요한 변수다. 미국 수출 통제로 화웨이는 TSMC와 거래할 수 없으며, 화웨이는 해당 칩의 제조사를 공개적으로 밝히지 않았다. 분석가들은 중국 최대 파운드리 SMIC와의 협업 가능성을 거론하지만, 이는 공식 제조사 공개가 아닌 분석가 평가로 봐야 한다. 19

모델 최적화도 마찬가지로 중요하다. 하드웨어 용량만으로는 성숙한 소프트웨어 생태계를 대체할 수 없다. 개발자에게는 프레임워크, 컴파일러, 모델별 최적화가 필요하다. DeepSeek가 Ascend 950DT를 추론에 사용하되 학습에는 엔비디아 하드웨어를 계속 활용할 계획이라는 보도는, 화웨이의 진전과 동시에 남은 과제를 보여준다. 21

공급 제약과 해외 확장, 에릭 쉬의 발언

화웨이의 전략적 야심은 당장의 생산 제약과 맞물린다. 순환 회장 에릭 쉬는 화웨이가 중국 내 AI 컴퓨팅 장비 수요조차 충족할 만큼 생산하지 못하고 있어, 전면적인 해외 시장 확장 계획은 없다고 밝혔다. 다만 수요가 강한 일부 시장에는 공급하고 있다고 덧붙였다. 20

쉬는 중국 AI 개발자들이 미국 선도 기업들이 언급한 최전선 안전 위험을 아직 마주할 정도로 강력한 모델을 보유하지 않았을 수 있다고도 말했다. 로이터 보도에 따르면 그는 위험과 혁신의 균형을 유지하면서도 성능 향상을 계속해야 한다는 입장이다. 17

결론

Atlas 960E는 AI 인프라 경쟁이 프로세서 하나가 아니라 프로세서·메모리·광학·패브릭·소프트웨어를 함께 묶는 시스템 경쟁이라는 화웨이의 가장 분명한 선언이다. 4096 NPU, FP8 8 EFLOPS, HBM 1PB라는 발표 사양의 중심에는 NPO가 있다. 1338

그러나 이 플랫폼은 아직 로드맵 단계이며, 가장 중요한 성능 수치 역시 화웨이 측 발표에 기반한다. 엔비디아의 지속 가능한 대안이 될 수 있는지는 생산 능력, 소프트웨어 채택, 실제 모델 성능, 그리고 중국 밖에서의 시스템 공급 여부에 달려 있다. 2019