Lingqu UnifiedBus ของ Huawei เชื่อม SuperPoD อย่างไร และแก้คอขวด AI ตรงไหน

ที่งาน Huawei Connect 2026 หัวเว่ยนำเสนอ Lingqu UnifiedBus ในฐานะระบบเชื่อมต่อหลักของสถาปัตยกรรม Agentic AI SuperPoD และ SuperCluster แนวคิดคือทำให้หน่วยประมวลผล หน่วยความจำ และสตอเรจที่อยู่คนละเซิร์ฟเวอร์ทำงานร่วมกันได้ใกล้เคียงระบบขนาดใหญ่ระบบเดียว แทนที่จะขยายกำลัง AI ด้วยการเพิ่มชิปเพียงอย่างเดียว ปัญหาที่ต้องแก้มีทั้งการส่งข้อมูลระหว่างอุปกรณ์ให้เร็วพอ และการมีพื้นที่เก็บบริบทเพียงพอสำหรับการอนุมานของ AI 81921

เชื่อมอุปกรณ์ด้วยโปรโตคอลเดียว

หัวเว่ยระบุว่า UnifiedBus รวมโปรโตคอลการเชื่อมต่อมากกว่าสิบแบบไว้ภายใต้โปรโตคอลเดียวที่รองรับ memory semantics หรือการสื่อสารที่มองทรัพยากรข้ามเครื่องในลักษณะหน่วยความจำร่วม การออกแบบ SuperPoD เน้นการเชื่อมต่อโดยตรงระหว่างอุปกรณ์ (peer-to-peer) และการเข้าถึงหน่วยความจำข้ามเซิร์ฟเวอร์ เพื่อให้ CPU, NPU ซึ่งเป็นหน่วยประมวลผลสำหรับ AI และทรัพยากรอื่นแลกเปลี่ยนข้อมูลกันได้ โดยไม่ต้องมองแต่ละเครื่องเป็นระบบแยกขาดจากกัน 21923

ตัวเลขที่เผยแพร่ระบุว่าแบนด์วิดท์ของระบบเชื่อมต่อขยับจากระดับราว 100 GB/s ไปสู่ระดับ TB/s ส่วนเวลาเดินทางไป-กลับของข้อมูลลดจากประมาณ 7 เหลือ 2 ไมโครวินาที ตัวเลขเหล่านี้เป็นสเปกของระบบเชื่อมต่อที่รายงานไว้ ไม่ใช่ผลวัดว่าแอปพลิเคชัน AI ทำงานเร็วขึ้นเท่าใด 719

ความเร็วในการส่งข้อมูลยังเกี่ยวข้องกับแนวทางของหัวเว่ยที่จะแยกงานส่วน Attention และโครงข่ายแบบ feed-forward (FFN) ในโมเดล Transformer ไปใช้ทรัพยากรที่เหมาะกับแต่ละงาน การแยกเช่นนี้จะคุ้มค่าก็ต่อเมื่อเวลาส่งข้อมูลระหว่างส่วนต่าง ๆ ไม่ลบข้อดีที่ได้ไป แต่ข้อมูลที่มีอยู่ยังไม่ระบุผลเพิ่มประสิทธิภาพของงานทั้งระบบ 78

เพิ่มพื้นที่เก็บบริบท ไม่ใช่แค่เร่งการสื่อสาร

ในภาพรวมของระบบที่หัวเว่ยเสนอ Kunpeng 950 รับงานประมวลผลทั่วไป Ascend 960 รับงานประมวลผล AI และ OceanStor M900 ทำหน้าที่จัดเก็บข้อมูลบริบทสำหรับการอนุมาน M900 ใช้ UnifiedBus รวม KV cache ซึ่งเป็นข้อมูลที่โมเดลเก็บไว้ใช้อ้างอิงระหว่างสร้างคำตอบ ให้ใช้ร่วมกันได้ และจัดเก็บเป็นหลายระดับตั้งแต่หน่วยความจำบนชิปและ DRAM ไปจนถึง SSD เป้าหมายคือเพิ่มพื้นที่สำหรับบริบทที่ SuperPoD ใช้งาน โดยไม่จำกัดอยู่แค่หน่วยความจำใกล้ตัวชิปเร่งความเร็ว 421

สองเรื่องนี้แก้คนละคอขวด: การเชื่อมต่อที่เร็วขึ้นช่วยเรื่องการส่งข้อมูล ส่วน KV cache ที่ใช้ร่วมกันและกระจายตามระดับสตอเรจช่วยเรื่องความจุ เมื่อข้อมูลบริบทอยู่บน SSD ความเร็วที่ใช้งานได้จริงยังขึ้นกับเส้นทางการเข้าถึงทั้งหมด ไม่ใช่ดูเพียงตัวเลขความหน่วงของ UnifiedBus 721

จากตู้เซิร์ฟเวอร์สู่ SuperPoD ที่ใช้เครือข่ายแสง

หัวเว่ยระบุว่ามีอุปกรณ์ UnifiedBus สำหรับเชื่อมต่อทั้งภายในตู้เซิร์ฟเวอร์ ระหว่างตู้ และข้ามคลัสเตอร์ อุปกรณ์เชื่อมต่อรุ่นหนึ่งที่มีรายงานระบุว่ามี 176 พอร์ต พอร์ตละ 1.6 Tbit/s หรือคิดเป็นความจุรวมของพอร์ตราว 280 Tbit/s ตัวเลขของอุปกรณ์นี้ ไม่ใช่แบนด์วิดท์ที่หน่วยประมวลผลหนึ่งตัวหรือเวิร์กโหลด AI หนึ่งงานจะได้รับ 719

เมื่อขยายระบบให้ใหญ่ขึ้น หัวเว่ยจับคู่ UnifiedBus กับเครือข่ายแสง Atlas 960E SuperPoD ใช้เทคโนโลยีวางอุปกรณ์แสงใกล้ชิป (near-packaged optics) ขณะที่หัวเว่ยระบุว่า TaiShan 950 SuperPoD ในรูปแบบ UnifiedBus ที่ใช้เครือข่ายแสงทั้งหมดรองรับ NPU ได้สูงสุด 4,096 ตัว บริษัทวางเป้าสถาปัตยกรรมระยะยาวไปถึงคลัสเตอร์ระดับหนึ่งล้าน NPU แต่เป้าหมายนี้ไม่ใช่ผลทดสอบของคลัสเตอร์ขนาดดังกล่าวที่ใช้งานจริง 2519

อะไรยังต้องรอหลักฐาน

หัวเว่ยวางอุปกรณ์เชื่อมต่อ รวมถึงชั้น UBG ที่กล่าวถึงในรายงานงานประชุม ไว้ในภาพรวมการเชื่อมต่อจากตู้เซิร์ฟเวอร์ถึงคลัสเตอร์ อย่างไรก็ตาม หลักฐานที่มีอยู่ยังไม่ชี้ชัดว่า Atlas 650E มีบทบาทอะไรหรือเริ่มใช้งานในรูปแบบใด และยังไม่รองรับการระบุตัวเลขการประหยัดทองแดงที่แน่นอน 7819

ที่สำคัญ ยังไม่มีผลทดสอบอิสระของคลัสเตอร์ทั้งระบบในข้อมูลชุดนี้ ที่ยืนยันว่าตัวเลขความหน่วง แบนด์วิดท์ และขนาดระบบดังกล่าวแปลงเป็นประสิทธิภาพการฝึกหรือการอนุมานที่ทำได้ต่อเนื่องเพียงใด ตอนนี้ UnifiedBus จึงควรถูกมองเป็น สถาปัตยกรรมที่หัวเว่ยเสนอพร้อมสเปกที่เผยแพร่ มากกว่าผลลัพธ์แบบต้นทางถึงปลายทางที่ผ่านการยืนยันแล้ว 7819