Så fungerar Huaweis jättelika AI-kluster i Shenzhen

Ett AI-kluster byggt utan utländska acceleratorer

Shenzhen har tagit i drift Kinas första AI-kluster i 10 000-kortsklassen som enligt rapporterna är helt byggt med inhemska chip och en inhemsk fullständig teknikstack. Den nya delen består av 10 000 Huawei Ascend 910C-acceleratorer och har en kapacitet på 11 000 petaflops – alltså ungefär 11 biljarder flyttalsoperationer per sekund. 711

Anläggningen är en utbyggnad av en tidigare del på 3 000 petaflops. Sammantaget uppgår Shenzhens AI-kapacitet därmed till 14 000 petaflops. 711

Vad gör Huawei-tekniken?

Kärnan är Huaweis AI-accelerator Ascend 910C. Den ingår i en bredare hårdvaru- och programvarumiljö som brukar beskrivas som Ascend + CANN, där CANN fungerar som den programvaruplattform som låter AI-modeller köras på Huaweis acceleratorer. Målet är att kontrollera hela kedjan: chip, servrar, nätverk och mjukvara – snarare än att vara beroende av Nvidias plattform.

Enligt rapporterade tester från DeepSeek nådde Ascend 910C omkring 60 procent av Nvidia H100:s prestanda för inferens, det vill säga när en färdig AI-modell används för att svara på frågor eller skapa resultat. 111314

Det är viktigt att inte läsa siffran som ett generellt prestandabesked. Jämförelsen gäller en viss typ av arbetsbelastning och säger inte automatiskt att 910C är 60 procent så bra som H100 vid all träning, i alla modeller eller när energieffektivitet och mjukvarumognad räknas in.

Varför blir tusentals chip snabbare tillsammans?

Ett AI-kluster fungerar ungefär som ett stort lagarbete. I stället för att ett enda acceleratorchip hanterar hela uppgiften kan modellen, träningsdatan eller många samtidiga förfrågningar delas upp mellan tusentals kort.

Det ger tre huvudsakliga fördelar:

• Parallell beräkning: många acceleratorer kan utföra delar av samma uppgift samtidigt.
• Större modeller: minne och beräkningskapacitet kan kombineras för modeller som inte ryms på ett enda kort.
• Högre kapacitet: klustret kan hantera fler träningsjobb eller användarförfrågningar parallellt.

Men fler chip räcker inte på egen hand. De måste kunna utbyta data snabbt och samordnas av mjukvaran. Annars går en stor del av tiden åt till kommunikation mellan korten i stället för själva AI-beräkningen. Därför är höghastighetsnätverk, serverdesign och programvarustöd lika viktiga som den sammanlagda chipkapaciteten.

Hur utbredd är användningen?

Den tidigare 3 000-petaflopsdelen uppges ha varit fullbokad innan expansionen med 10 000 kort togs i drift. En annan rapport anger att nästan 50 organisationer hade tecknat ramavtal och att den sammanlagda bokningsgraden låg på 92 procent. 111

Det visar att det finns betydande efterfrågan på inhemsk beräkningskraft i Kina. Däremot går det inte att dra slutsatsen att Huawei redan har trängt undan Nvidia på den kinesiska marknaden i stort. Kinesiska företag har fortfarande rapporterats använda utländsk Nvidia-kapacitet via datacenter utanför Kina, och Huaweis prestanda- och mjukvarugap är inte helt borta.

Fler steg i Kinas chiputveckling

Huawei har också presenterat en chipdesignstrategi som enligt bolagets plan ska kunna ge transistortäthet motsvarande en 1,4-nanometersprocess senast 2031, utan tillgång till de mest avancerade litografiverktygen. Det är än så länge ett företagsmål och inte resultatet från ett färdigt produktionschip. 2

Samtidigt har Reuters rapporterat att kundtester av Huaweis Ascend 950PR gått bra. ByteDance och Alibaba överväger enligt uppgifterna beställningar av chipet. 3

Ett svar på USA:s exportregler

USA började 2022 begränsa exporten av avancerade AI-chip som Nvidia A100 och H100 till Kina. Reglerna skärptes 2023 och omfattade även fler avancerade beräkningschip samt relevant utrustning för chiptillverkning. 23

Shenzhen-klustret kan därför ses som ett industriellt svar på exportbegränsningarna. I stället för att försöka säkra tillgången till utländska acceleratorer bygger Kina en egen AI-infrastruktur – från Ascend-chip och serversystem till nätverk och programvara.

Huawei har en central roll eftersom Ascend inte bara är ett enskilt chip utan en möjlig inhemsk plattform för hela datacenter. Samtidigt visar den begränsade H100-jämförelsen, liksom den fortsatta användningen av utländsk Nvidia-kapacitet, att Kinas tekniska självförsörjning fortfarande är ett pågående projekt snarare än ett avslutat mål. 712