Så ska Lingqu UnifiedBus binda samman Huaweis AI-kluster

Det räcker inte att lägga till fler AI-processorer om de måste vänta på data från varandra. På Huawei Connect 2026 presenterade Huawei Lingqu UnifiedBus som länken mellan beräkning, minne och lagring i sina SuperPoD-system och större SuperCluster. Tanken är att flera fysiska servrar ska kunna samarbeta mer som ett sammanhängande system än som separata maskiner. 81921

Ett gemensamt nät för data och minnesåtkomst

Enligt Huawei samlar UnifiedBus fler än tio förbindelseprotokoll under ett protokoll med gemensamma minnessemantiska funktioner. Konstruktionen bygger på direkta förbindelser mellan resurser och ska möjliggöra minnesåtkomst över servergränser: CPU:er, AI-processorer av typen NPU, minne och lagring ska kunna utbyta data utan att varje server blir en egen ö. 271923

Huawei uppger att bandbredden för förbindelserna går från storleksordningen 100 GB/s till TB/s och att tur-och-retur-latensen minskar från omkring 7 till 2 mikrosekunder. Det är uppgifter om själva förbindelsen, inte mått på hur mycket snabbare en färdig AI-tillämpning blir. 719

Snabba dataöverföringar är också viktiga för Huaweis idé att lägga en transformatormodells Attention-beräkningar och framåtriktade nätverksberäkningar, FFN, på resurser som passar respektive uppgift. Vinsten kan ätas upp om mellanresultaten tar för lång tid att flytta. Det tillgängliga underlaget anger ingen samlad prestandavinst för det upplägget. 78

Kontextminne är en annan flaskhals

I Huaweis bredare system står Kunpeng 950 för generell beräkning och Ascend 960 för AI-beräkning. OceanStor M900 har en annan roll: att ge AI-inferens tillgång till mer kontextminne. Med UnifiedBus ska M900 samla och dela KV-cache – data som modellen återanvänder när den behandlar en längre konversation eller text – i nivåer från minne på chipet och DRAM till SSD-lagring. 421

Det löser inte automatiskt samma problem som snabbare kommunikation mellan processorer. En större cache kan öka hur mycket kontext som finns tillgänglig, men åtkomst till data på SSD beror på hela vägen genom systemet, inte bara på förbindelsens angivna latens. 721

Från serverrack till större kluster

Huawei beskriver UnifiedBus-utrustning för anslutningar inom rack, mellan rack och mellan kluster. En rapporterad förbindelseenhet har 176 portar på 1,6 Tbit/s vardera, motsvarande ungefär 280 Tbit/s sammanlagd portkapacitet. Det ska inte förväxlas med bandbredden som en enskild processor eller AI-arbetslast får. 719

För större system kombineras förbindelserna med optisk teknik. Atlas 960E SuperPoD använder optik placerad nära kretsarna, medan Huawei uppger att en helt optisk UnifiedBus-konfiguration av TaiShan 950 SuperPoD stöder upp till 4 096 NPU:er. Företagets vision om kluster med upp till en miljon NPU:er är ett skalningsmål, inte ett publicerat test av ett sådant driftsatt kluster. 2519

Vad är fortfarande oklart?

Huawei placerar även förbindelseutrustning, däribland ett UBG-lager som nämns i rapporteringen, i sin arkitektur från rack till kluster. Underlaget visar däremot inte vilken exakt roll Atlas 650E har eller om den används i en sådan installation. Det styrker inte heller någon siffra för hur mycket koppar som skulle sparas. Framför allt saknas oberoende tester av kompletta kluster som visar att de uppgivna värdena för latens, bandbredd och skala ger varaktiga vinster vid träning eller inferens. UnifiedBus bör därför läsas som en arkitektur med leverantörsuppgivna specifikationer – inte som ett verifierat slutresultat. 7819