Därför talar Huawei om en vändpunkt för Ascend

Vid HUAWEI CONNECT 2026 sade Huaweis beräkningsstrateg Zhu Zhaosheng att Ascend hade passerat en vändpunkt som ekosystem. Han syftade inte bara på AI-kretsarnas kapacitet, utan på att mjukvara, utvecklare och delade beräkningsresurser enligt Huawei nu ger fler möjlighet att bygga vidare på plattformen. Samtidigt presenterade företaget ett sätt att utveckla AI-agenter med SuperPoD och SuperCluster som utgångspunkt. Det är Huaweis bedömning av läget, inte ett oberoende mått på hur väl varje arbetslast fungerar. 221

Varför en långvarig uppgift ställer andra krav

En AI-agent som arbetar med en uppgift under längre tid kan behöva pausa och fortsätta, behålla sitt tillstånd och snabbt börja ge svar när arbetet återupptas. Det gör tiden till första token – den första delen av ett genererat svar – viktig. När arbetet fördelas över fler NPU:er, specialiserade processorer för AI-beräkningar, blir även dataöverföring mellan dem och tillgången till minne avgörande. Huawei vill därför att utvecklare ska kunna arbeta med resurser på nivån SuperPoD eller SuperCluster snarare än enbart på enskilda processorer. Företagets separata besked om UnifiedBus beskriver också sammankoppling och minneskrav som frågor för hela klustret. 26

De fem förändringarna Huawei föreslår

1. Sätt ihop resurser över flera noder. Programmeringsgränssnitt, API:er, ska göra det möjligt att kombinera beräkning, kommunikation och minne inom en SuperPoD eller ett SuperCluster. Syftet är att göra arbetsfördelning mellan noder lättare att uttrycka och hantera, inte att kostnaden för dataöverföring försvinner. 24
2. Låt agenten behålla sitt tillstånd. ThinkPro och openEulers ThinkProcess är tänkta att hantera en agents körning genom en lång uppgift. Om användbart tillstånd kan bevaras när arbetet återupptas kan det minska behovet av att göra om tidigare steg och förbättra svarstiden. Det citerade materialet visar dock ingen uppmätt förbättring av tiden till första token. 2
3. Erbjud fler sätt att programmera NPU:er. Huawei lyfter fram Ascend 950:s SIMD- och SIMT-funktioner tillsammans med Regbase-programmering för att hantera både täta beräkningar och mer oregelbundna operationer. Nyttan beror på hur väl den aktuella arbetslasten passar dessa funktioner. 2
4. Anpassa precisionen efter arbetslasten. HiF4 föreslås som ett alternativ med lägre numerisk precision som kan öka genomströmningen och minska minnesåtgången när modellen tål det. Eventuella vinster måste vägas mot påverkan på träffsäkerheten i den uppgift som faktiskt körs. 2
5. Ta hjälp av agenter för att utveckla operatorer. Agenter ska kunna bidra till att skapa och optimera de operatorer som AI-modeller använder, så att nya modellmetoder snabbare kan köras effektivt på Ascend. Det är en föreslagen utvecklingsmetod, inte en visad lösning på varje flaskhals i mjukvaran. 2

Vad som avgör om det blir en verklig vändpunkt

Planen förutsätter att utvecklare också kan använda tekniken. Huawei pekar på en öppen PTO-instruktionsuppsättning, den öppna mjukvaruplattformen CANN med communitydriven utveckling, stöd för modeller och ramverk, utvecklarverktyg samt delade beräkningsresurser i skala upp till 10 000 NPU:er för partner. I en rapport om Zhus uttalande uppgavs dessutom att CANN-gemenskapen hade över 5 200 aktiva användare per månad. Det säger något om tillgång och aktivitet, men bevisar inte att alla arbetslaster är enkla att flytta till Ascend eller körs snabbt där. 2421

Det är kärnan i Huaweis påstående: företaget anser att Ascend nu har tillräckligt med omgivande mjukvara, utvecklare och tillgänglig beräkningskapacitet för ett bredare ekosystem kring AI-agenter. De fem förändringarna visar hur Huawei vill angripa svarstid, kommunikation mellan noder och minnestryck. Om de ger den effekten för agenter som arbetar länge med samma uppgift behöver prövas med resultat från konkreta arbetslaster. 26