Huawei chce rywalizować z Nvidią systemami AI, nie tylko pojedynczymi chipami

Huawei zapowiada, że w I kwartale 2027 r. wprowadzi układ 960DT, a w III kwartale 2027 r. — Ascend 960PR. Nie chodzi jednak wyłącznie o sprzedaż wydajniejszych akceleratorów AI. Firma buduje kompletną, krajową platformę obliczeniową: od chipów, przez połączenia między nimi, po superwęzły, klastry i oprogramowanie. Celem jest ograniczenie zależności chińskiego rynku od Nvidii. 1

Harmonogram: najpierw 960DT, potem 960PR

Z ogłoszonego planu wynika, że jako pierwszy pojawi się 960DT, a kilka miesięcy później Ascend 960PR. Seria 960 ma być kolejnym etapem rozwoju platformy Ascend, czyli układów Huawei przeznaczonych do obciążeń związanych ze sztuczną inteligencją. 2

UnifiedBus: jak wiele chipów może pracować jak jeden system

Najważniejszym elementem tej strategii jest UnifiedBus — szybka infrastruktura połączeń międzyprocesorowych. Jej zadanie polega na umożliwieniu wielu procesorom Ascend szybkiej wymiany danych, z małymi opóźnieniami i dużą przepustowością. Dzięki temu oprogramowanie ma wykorzystywać je jako skoordynowany zasób obliczeniowy, a nie zbiór odrębnych akceleratorów.

Według doniesień ulepszona implementacja może połączyć do 4 tys. procesorów, a połączenia optyczne mają sięgać głębiej do wnętrza systemu. 3

Od superwęzła do klastra z ponad milionem NPU

Architektura Huawei jest warstwowa. Procesory są najpierw grupowane w SuperPoD-y, określane też jako superwęzły, a następnie wiele takich jednostek tworzy SuperCluster. Huawei zapowiedział Atlas 960 SuperCluster z ponad 1 mln procesorów Ascend NPU — NPU to wyspecjalizowany procesor do zadań AI.

To deklaracja dotycząca systemu skalowanego poziomo: nie oznacza, że ponad milion procesorów jest połączonych bezpośrednio w jednej, płaskiej sieci. Oznacza natomiast, że system ma łączyć wiele dużych grup procesorów w jedną infrastrukturę obliczeniową. 4

Ponad 1 tys. wdrożonych superwęzłów — lecz są to dane firmy

Huawei podaje, że dostarczył już ponad 1 tys. superwęzłów Ascend do ponad 370 klientów. Wskazuje to, że rozwiązania wyszły poza etap demonstracji technologicznej i trafiają do zastosowań komercyjnych. 2

Warto jednak zachować zastrzeżenie: liczby dotyczące dostaw i klientów pochodzą od samego Huawei. Nie są one niezależnym potwierdzeniem porównywalnej wydajności, stopnia wykorzystania systemów ani ich rentowności względem rozwiązań konkurencji.

Dlaczego kontrola eksportu z USA wzmacnia tę strategię

Amerykańskie ograniczenia eksportowe utrudniają chińskim podmiotom dostęp do najbardziej zaawansowanych akceleratorów AI, w tym produktów Nvidii. Dla Huawei oznacza to jednocześnie ograniczenie podaży zagranicznego sprzętu i strategiczną szansę: operatorzy chmur, instytucje publiczne oraz twórcy modeli AI w Chinach mają silniejszą motywację, by kwalifikować i wdrażać sprzęt krajowy. 1

Oferta Huawei wpisuje się więc w szersze dążenie Chin do budowy własnej infrastruktury AI. W tym ujęciu konkurencyjność to nie tylko wyniki pojedynczego chipa w testach, lecz także dostępność, odporność łańcucha dostaw oraz możliwość wdrożenia kompletnej platformy na dużą skalę.

Nvidia pozostaje trudnym rywalem

Przewaga Nvidii nie sprowadza się do sprzętu. Jej ekosystem CUDA obejmuje dojrzałe narzędzia, biblioteki, wsparcie dla aplikacji i szeroką bazę programistów. To tworzy wysokie koszty przejścia dla firm, które zbudowały swoje procesy wokół technologii Nvidii.

Huawei musi zatem udowodnić nie tylko moc obliczeniową całego systemu. Równie ważne będzie to, czy migracja modeli, ich strojenie, eksploatacja i skalowanie na Ascend okażą się wystarczająco proste oraz przewidywalne w codziennym użyciu.

Oprogramowanie i społeczność CANN

Huawei wskazuje także na rozwój ekosystemu CANN, swojej platformy oprogramowania dla układów Ascend. Firma raportowała 5270 aktywnych miesięcznie deweloperów w tej społeczności. Taka baza może wspierać rozwój frameworków, operatorów, portów modeli i narzędzi programistycznych. 5

Jednocześnie ekosystem ten pozostaje znacznie mniejszy i mniej zakorzeniony niż globalne środowisko CUDA. Kluczowym sprawdzianem będzie nie sama aktywność programistów, lecz powstawanie dojrzałego oprogramowania produkcyjnego oraz powtarzalnych wdrożeń u klientów.

W skrócie: Huawei próbuje zmniejszyć przewagę Nvidii dzięki skali całych systemów, technologii UnifiedBus, krajowym dostawom oraz rosnącemu ekosystemowi Ascend i CANN. Największą krótkoterminową szansę daje mu rynek chiński, ograniczony dostępem do zaawansowanych chipów z USA. Długofalowo o powodzeniu zdecydują kompatybilność oprogramowania, niezawodność masowych wdrożeń i rzeczywista relacja ceny do wydajności.