การประกาศของ Huawei ในงาน Huawei Connect 2026 มีประเด็นสำคัญอยู่ที่ “การเชื่อมต่อ” มากกว่าตัวเร่งความเร็ว AI เพียงชิปเดียว บริษัทเปิดตัว Atlas 960E SuperPoD ซูเปอร์โหนด AI ที่ใช้ NPU ตระกูล Ascend 960 ร่วมกับ UnifiedBus และเอนจินเชื่อมต่อด้วยแสงใหม่ชื่อ Hi-ONE เป้าหมายคือทำให้โปรเซสเซอร์นับพันทำงานประสานกันอย่างแน่นแฟ้น เพื่อฝึกและรันโมเดลที่มีพารามิเตอร์ระดับ 10 ล้านล้านตัวได้
13
6
ตัวเลขสำคัญ: 4,096 NPU และ 8 EFLOPS FP8
Huawei เรียก Atlas 960E ว่าเป็น SuperPoD รายแรกของอุตสาหกรรมที่ใช้ near-package optics (NPO) หรือการนำส่วนเชื่อมต่อออปติคัลไปไว้ใกล้แพ็กเกจของชิปมากขึ้น ระบบหนึ่งชุดระบุว่าสเกลได้ถึง 4,096 NPU มีสมรรถนะรวม 8 EFLOPS ที่ความละเอียด FP8 และ 16 EFLOPS ที่ FP4 พร้อมความจุหน่วยความจำแบนด์วิดท์สูง (HBM) สูงสุด 1 PB โดย UnifiedBus ทำหน้าที่รองรับการระบุตำแหน่งหน่วยความจำแบบรวมศูนย์
38
13
อย่างไรก็ดี ตัวเลขเหล่านี้เป็น สเปกระดับระบบที่ Huawei ประกาศเอง ไม่ใช่ผลทดสอบอิสระของชิป Ascend 960 หนึ่งตัว หรือผลเบนช์มาร์กข้ามผู้ผลิต
Huawei ระบุด้วยว่า ระบบ 960E ใช้ Hi-ONE 5,500 ยูนิต แทนโมดูลออปติคัล 800G แบบเดิม 48,000 โมดูลสำหรับการเชื่อมต่อ NPU ในระดับเดียวกัน ช่วยลดการใช้พลังงานได้มากกว่า 550 กิโลวัตต์ และเพิ่มความเชื่อถือได้ของระบบเป็นสองเท่า
13 ข้อเสนอหลักของบริษัทจึงคือ ในยุคโมเดลขนาดใหญ่ การออกแบบโครงข่ายเชื่อมต่ออาจเป็นตัวตัดสินการสเกลระบบได้พอ ๆ กับกำลังคำนวณสูงสุดของชิป
NPO, Hi-ONE และ UnifiedBus ทำหน้าที่อะไร
NPO ย้ายจุดเชื่อมต่อด้วยแสงให้ใกล้ชิปยิ่งขึ้น
Near-package optics คือแนวทางที่วางการเชื่อมต่อออปติคัลไว้ใกล้กับแพ็กเกจโปรเซสเซอร์ เพื่อลดระยะทางที่สัญญาณต้องวิ่งในรูปแบบไฟฟ้าก่อนแปลงเป็นสัญญาณแสง Huawei ระบุว่าแนวทางนี้ช่วยเพิ่มความเร็วและลดการใช้พลังงานในสถาปัตยกรรม SuperPoD ของตน
9
13
Hi-ONE คือเอนจินออปติคัล
Hi-ONE เป็นส่วนประกอบเชื่อมต่อด้วยแสงของ Huawei สำหรับดีไซน์ NPO บริษัทระบุว่าเอนจินนี้รวมแหล่งกำเนิดแสงไว้ด้วย และออกแบบมาเพื่อแบนด์วิดท์สูง หน่วงต่ำ และใช้พลังงานต่ำ
13 รายงานเกี่ยวกับงานเปิดตัวระบุการใช้งานที่ 7.2 Tbps ผ่าน 36 เลน เลนละ 200 Gbps และตัวเลขความหน่วงการสื่อสารของเอนจินออปติคัลที่ Huawei ระบุไว้ที่ 10 นาโนวินาที
32
ตัวเลข 10 นาโนวินาทีนี้ไม่ควรถูกตีความว่าเป็นความหน่วงแบบต้นทางถึงปลายทางของ SuperPoD ทั้งระบบ รายงานอีกส่วนหนึ่งระบุความหน่วงไป-กลับของระบบที่เชื่อมผ่าน UnifiedBus โดยรวมไว้ราว 2 ไมโครวินาที
11
35
UnifiedBus ทำให้ระบบขนาดใหญ่คล้ายเครื่องเดียว
UnifiedBus คือชั้นโครงข่ายและการระบุตำแหน่งหน่วยความจำ ซึ่งตั้งใจใช้เชื่อมทรัพยากรประมวลผล หน่วยความจำ และสตอเรจ ใน Atlas 960E เทคโนโลยีนี้ทำให้เกิด unified memory addressing ครอบคลุมระบบ 4,096 NPU
38
Huawei ยังระบุว่า SuperCluster ที่ใช้ UnifiedBus อาจขยายได้ถึง 1 ล้าน NPU แต่เป็นคำกล่าวถึงขนาดที่สถาปัตยกรรมรองรับ ไม่ใช่จำนวนระบบที่มีการติดตั้งจริงและเปิดเผยต่อสาธารณะ
2
34
สิ่งที่ Huawei อ้างสำหรับโมเดล 10 ล้านล้านพารามิเตอร์
Huawei วางตำแหน่ง Atlas 960E สำหรับทั้งการฝึกและการอนุมานโมเดลที่มีขนาดสูงสุด 10 ล้านล้านพารามิเตอร์
6 รายงานการเปิดตัวระบุว่า Huawei อ้างว่าประสิทธิภาพการฝึกเพิ่มขึ้นได้ถึง 2.3 เท่า และประสิทธิภาพการอนุมานเพิ่มขึ้นได้ถึง 2.5 เท่า เมื่อเทียบกับ Atlas 950 ในเวิร์กโหลด 10 ล้านล้านพารามิเตอร์ที่กำหนดไว้
4
35
เหตุผลเชิงปฏิบัติของ NPO และ UnifiedBus อยู่ตรงนี้เอง: เมื่อระบบใหญ่ถึงระดับดังกล่าว การย้าย activation, weights และข้อมูลระหว่างกลางข้ามตัวเร่งความเร็ว อาจสำคัญไม่แพ้ความเร็วคำนวณเชิงคณิตศาสตร์ Huawei ยังไม่ได้เผยแพร่เบนช์มาร์กอิสระที่เปรียบเทียบระบบนี้กับเวิร์กโหลดที่หลากหลาย หรือกับทางเลือกจาก Nvidia
Ascend 960 จะต่างจาก Ascend 950 อย่างไร
ตามโรดแมปก่อนหน้านี้ของ Huawei นั้น Ascend 960 จะมีกำลังประมวลผล แบนด์วิดท์การเข้าถึงหน่วยความจำ ความจุหน่วยความจำ และจำนวนพอร์ตเชื่อมต่อ เพิ่มเป็นสองเท่าจาก Ascend 950
30 การประกาศ 960E คือการนำซิลิคอนเจเนอเรชันถัดไปไปผสานกับระบบออปติคัลที่รวมแน่นกว่าเดิม
ควรแยกชื่อผลิตภัณฑ์ที่คล้ายกันให้ชัดเจน: Atlas 960E ที่เพิ่งเปิดเผยรายละเอียดคือระบบ NPO ขนาด 4,096 NPU ในงาน Connect 2026 ขณะที่เอกสารโรดแมปก่อนหน้านี้เคยกล่าวถึง Atlas 960 SuperPoD รุ่นอนาคตที่มีการจัดวางขนาดใหญ่กว่า ดังนั้น ตัวเลขของ Atlas 960 จากประกาศคนละช่วงเวลาไม่ควรถูกนำมารวมว่าเป็นสเปกของคอนฟิกูเรชันเดียวกัน
25
38
โรดแมปปี 2027: Ascend 960DT และ 960PR
Huawei เร่งกำหนดการของ Ascend 960 สองรุ่นดังนี้
- Ascend 960DT สำหรับการฝึกโมเดล วางแผนเปิดตัวใน ไตรมาส 1 ปี 2027 เร็วกว่ากำหนดเดิม 3 ไตรมาส
1
3
- Ascend 960PR สำหรับการอนุมาน วางแผนเปิดตัวใน ไตรมาส 3 ปี 2027 เร็วกว่ากำหนดเดิม 1 ไตรมาส
1
5
โรดแมปเดิมตั้งเป้า Ascend 960 รุ่นทั่วไปไว้ในไตรมาส 4 ปี 2027 พร้อมตัวเลข 2 PFLOPS ที่ FP8 และ 4 PFLOPS ที่ FP4 สำหรับชิป
30 แม้งาน Connect 2026 จะเผยทิศทางของแพลตฟอร์มมากขึ้น แต่ข้อมูลสาธารณะที่ตรวจสอบได้อย่างอิสระเกี่ยวกับสเปกต่อชิปของรุ่น DT และ PR ยังมีจำกัด
ภาพของการเป็นผู้ให้บริการโครงสร้างพื้นฐาน AI แบบ Nvidia
Huawei กำลังพยายามประกอบสแตก AI แบบครบวงจร ตั้งแต่โปรเซสเซอร์ Ascend, HBM, การเชื่อมต่อออปติคัล, ระบบ Atlas ไปจนถึงซอฟต์แวร์สำหรับติดตั้งและใช้งานโมเดล ยุทธศาสตร์นี้สอดคล้องกับความพยายามในวงกว้างเพื่อลดการพึ่งพาซัพพลายเออร์เซมิคอนดักเตอร์ต่างชาติ โดยเฉพาะ Nvidia
9
18
แต่การผลิตยังเป็นข้อจำกัดสำคัญ มาตรการควบคุมการส่งออกของสหรัฐฯ ทำให้ Huawei ไม่สามารถทำงานกับ TSMC ได้ และ Huawei ไม่ได้เปิดเผยต่อสาธารณะว่าใครเป็นผู้ผลิตชิปเหล่านี้ นักวิเคราะห์เชื่อมโยง Huawei กับ SMIC ของจีน แต่ควรมองความสัมพันธ์นี้เป็นการประเมินของนักวิเคราะห์ ไม่ใช่การยืนยันจากผู้ผลิต
19
การปรับแต่งโมเดลก็สำคัญไม่แพ้ฮาร์ดแวร์ เพราะกำลังคำนวณอย่างเดียวไม่สามารถแทนที่ระบบนิเวศซอฟต์แวร์ที่พัฒนาเต็มที่ได้ นักพัฒนาต้องการเฟรมเวิร์ก คอมไพเลอร์ และโมเดลที่ปรับจูนแล้ว รายงานที่ว่า DeepSeek วางแผนใช้ Ascend 950DT ของ Huawei สำหรับงานอนุมาน แต่ยังใช้ฮาร์ดแวร์ Nvidia ในการฝึกโมเดล สะท้อนทั้งความคืบหน้าของ Huawei และโจทย์ที่ยังเหลืออยู่
21
กำลังผลิต การขยายตลาดต่างประเทศ และความเห็นของ Eric Xu เรื่องความปลอดภัย
ความทะเยอทะยานนี้ต้องเผชิญข้อจำกัดด้านการผลิตในระยะใกล้ Eric Xu ประธานหมุนเวียนของ Huawei กล่าวว่า บริษัทผลิตอุปกรณ์ประมวลผล AI ได้ไม่เพียงพอต่อความต้องการในจีน จึงยังไม่มีแผนขยายสู่ตลาดต่างประเทศอย่างเต็มรูปแบบ แม้จะจัดส่งให้บางตลาดที่มีอุปสงค์สูง
20
Xu ยังกล่าวว่านักพัฒนา AI ของจีนอาจยังไม่มีโมเดลที่ก้าวหน้าพอจะพบความเสี่ยงด้านความปลอดภัยระดับแนวหน้าตามที่บริษัทชั้นนำในสหรัฐฯ รายงาน Reuters ระบุว่าเขาสนับสนุนให้พัฒนาขีดความสามารถต่อไป โดยรักษาสมดุลระหว่างนวัตกรรมกับความเสี่ยง
17
บทสรุป
Atlas 960E คือคำประกาศที่ชัดที่สุดของ Huawei ว่าการแข่งขันด้านโครงสร้างพื้นฐาน AI จะตัดสินกันในระดับระบบ ทั้งโปรเซสเซอร์ หน่วยความจำ ออปติคัล โครงข่าย และซอฟต์แวร์ที่ทำงานร่วมกัน คอนฟิกูเรชัน 4,096 NPU, 8 EFLOPS FP8 และ HBM 1 PB ที่ประกาศนั้นมีความทะเยอทะยานสูง โดย NPO คือแกนเทคนิคสำคัญ
13
38
แต่แพลตฟอร์มนี้ยังอยู่ในระยะโรดแมป และตัวเลขด้านประสิทธิภาพที่สำคัญที่สุดมาจาก Huawei เอง ความสามารถในการเปลี่ยนดีไซน์นี้ให้เป็นทางเลือกที่ยั่งยืนต่อ Nvidia จะขึ้นกับกำลังผลิต การยอมรับซอฟต์แวร์ ประสิทธิภาพกับโมเดลในงานจริง และความพร้อมของระบบนอกประเทศจีน
20
19