Lingqu UnifiedBus: pomysł Huawei na łączenie SuperPoD-ów i klastrów AI

W dużym systemie AI samo dodawanie akceleratorów nie wystarczy. Procesory muszą sprawnie wymieniać dane, a podczas generowania odpowiedzi model potrzebuje dostępu do rosnącego kontekstu rozmowy. Na konferencji Huawei Connect 2026 firma przedstawiła Lingqu UnifiedBus jako wspólną warstwę łączącą moc obliczeniową, pamięć i magazyny danych w swoich SuperPoD-ach — zespołach fizycznych serwerów mających pracować jak większy system — oraz w klastrach złożonych z takich zespołów. 81921

Jeden protokół zamiast odizolowanych serwerów

Według Huawei UnifiedBus łączy ponad dziesięć protokołów komunikacyjnych we wspólny protokół z semantyką dostępu do pamięci. Architektura zakłada bezpośrednie połączenia między elementami systemu oraz dostęp do pamięci ponad granicami fizycznych serwerów. Ma to ułatwiać współpracę procesorów CPU, akceleratorów AI typu NPU, pamięci i zasobów opartych na SSD. 271923

Firma podaje wzrost przepustowości połączeń z klasy około 100 GB/s do klasy TB/s oraz spadek opóźnienia transmisji w obie strony z około 7 do 2 µs. To deklarowane parametry sieci połączeniowej, a nie pomiar przyspieszenia konkretnego zadania AI. Szybka wymiana danych ma też znaczenie dla proponowanego przez Huawei rozdzielenia operacji Attention i sieci feed-forward (FFN) w modelach Transformer: korzyść z przydzielenia ich różnym zasobom zależy od kosztu przesyłania wyników pośrednich. Dostępne materiały nie określają zysku wydajności całej aplikacji. 7819

Osobny problem: gdzie trzymać kontekst modelu

W opisywanym przez Huawei stosie Kunpeng 950 odpowiada za obliczenia ogólnego przeznaczenia, Ascend 960 za obliczenia AI, a OceanStor M900 ma zapewniać pamięć kontekstu podczas generowania odpowiedzi. M900 wykorzystuje UnifiedBus do współdzielenia pamięci podręcznej KV — danych, do których model wraca podczas przetwarzania kontekstu — i rozmieszcza ją na kilku poziomach: od pamięci na układzie i DRAM po dyski SSD. 421

To dwa różne wyzwania. Szybsze połączenia między procesorami mogą ograniczać czas komunikacji, natomiast współdzielona pamięć KV ma zwiększać dostępną pojemność. Dostęp do danych zapisanych na SSD nadal zależy od wydajności całej ścieżki, nie tylko od opóźnienia samej sieci. 721

Od szafy serwerowej do klastra

Huawei opisuje urządzenia UnifiedBus przeznaczone do połączeń wewnątrz szaf serwerowych, między szafami i między klastrami. Jednemu z opisywanych urządzeń przypisuje się 176 portów o przepustowości 1,6 Tbit/s każdy, czyli około 280 Tbit/s łącznej przepustowości portów. Nie jest to przepustowość dostępna pojedynczemu procesorowi ani wynik testu obciążenia AI. 719

Przy większej skali Huawei stawia również na połączenia optyczne. Atlas 960E SuperPoD wykorzystuje optykę umieszczoną blisko układów elektronicznych, a według firmy całkowicie optyczna konfiguracja UnifiedBus w TaiShan 950 SuperPoD obsługuje do 4096 NPU. Zapowiadany kierunek rozwoju sięga klastrów z milionem NPU — to cel skalowania architektury, nie opublikowany wynik pomiaru takiego wdrożenia. 2519

Czego jeszcze nie wiadomo

W relacjach z konferencji warstwa urządzeń połączeniowych UBG pojawia się jako część projektu obejmującego drogę od szafy do klastra. Dostępne źródła nie pozwalają jednak precyzyjnie ustalić roli ani stanu wdrożenia Atlas 650E; nie potwierdzają też liczbowego twierdzenia o oszczędności miedzi. Brakuje ponadto niezależnego testu pełnego klastra, który pokazałby, jak deklarowane parametry przekładają się na trwały wzrost wydajności trenowania lub generowania odpowiedzi. UnifiedBus należy więc na razie oceniać jako architekturę Huawei i zestaw podawanych przez firmę parametrów, nie jako zweryfikowany wynik pracy całego systemu. 7819