Китайская Huawei ускоряет разработку собственных процессоров для искусственного интеллекта. Компания объявила, что следующее поколение ускорителей Ascend 960 выйдет раньше первоначально запланированного срока, а параллельно Huawei строит масштабную инфраструктуру, способную объединять тысячи и в перспективе до миллиона вычислительных процессоров в единую систему.
Речь идет не просто о создании очередного конкурента Nvidia. Huawei пытается решить более фундаментальную проблему: как обеспечить Китаю необходимую вычислительную мощность в условиях ограничений США на поставки передовых полупроводников и оборудования для их производства.
Ascend 960 выйдет раньше срока
На конференции Huawei Connect 2026 компания представила обновленную дорожную карту семейства ИИ-ускорителей Ascend.
Главной новостью стал Ascend 960DT — его коммерческий выпуск теперь намечен на первый квартал 2027 года, то есть примерно на три квартала раньше первоначального графика. Еще одна версия, Ascend 960PR, должна появиться в третьем квартале 2027-го. Huawei заявляет, что разработка Ascend 960 продвигается быстрее ожиданий, а производительность чипов увеличивается примерно вдвое от поколения к поколению.
Следом в дорожной карте стоят Ascend 970 и Ascend 980 — их выпуск запланирован соответственно на 2028 и 2029 годы. Компания намерена придерживаться ежегодного цикла обновления ИИ-чипов.
При этом Huawei не ограничивается увеличением производительности отдельных процессоров. И здесь начинается наиболее интересная часть стратегии.
Почему одного быстрого чипа недостаточно
Современные системы искусственного интеллекта требуют огромного количества вычислений. При обучении крупных моделей приходится одновременно задействовать тысячи специализированных ускорителей.
У Nvidia основой такой инфраструктуры служат мощные графические процессоры и системы их объединения. Huawei предлагает альтернативный путь: связать большое количество собственных NPU — нейронных процессоров, предназначенных для задач искусственного интеллекта, — в единую вычислительную систему.
Для этого компания разработала архитектуру Peerium и технологию межсоединения UnifiedBus. Они должны позволить объединять процессоры с памятью, накопителями и сетевым оборудованием, превращая множество отдельных компонентов в подобие одного огромного компьютера.
По замыслу Huawei, в перспективе такая система сможет объединять до миллиона NPU. Первые SuperCluster уже создаются на основе этой архитектуры.
Оптические соединения вместо километров меди
Но объединить тысячи процессоров — только половина задачи. Между ними приходится передавать колоссальные объемы данных, и именно система соединений становится одним из главных ограничений.
Huawei делает ставку на оптическую передачу данных и технологию near-packaged optics (NPO) — размещение оптических компонентов максимально близко к вычислительным чипам.
Компания представила оптический модуль Hi-ONE, рассчитанный на пропускную способность до 7,2 Тбит/с на один двигатель оптического соединения. По утверждению Huawei, такой подход позволяет одновременно увеличить пропускную способность, снизить задержки и уменьшить энергопотребление.
На этой основе создан Atlas 960E SuperPoD — вычислительная система, способная объединять до 4096 NPU. Huawei заявляет для нее производительность до 8 эксафлопс в вычислениях FP8 и до 1 петабайта памяти HBM.
Чтобы представить масштаб, достаточно сказать, что петабайт — это миллион гигабайт. Такой объем памяти нужен для работы с огромными ИИ-моделями, параметры которых уже измеряются триллионами.
Huawei пытается компенсировать ограничения масштабом
Почему Китаю вообще понадобилась настолько необычная стратегия?
Американские экспортные ограничения ограничивают доступ китайских компаний к некоторым наиболее современным ИИ-чипам Nvidia и к передовому оборудованию для производства полупроводников. Поэтому Huawei приходится развивать собственную аппаратную экосистему.
Один из способов компенсировать отставание отдельного процессора — использовать больше процессоров одновременно. Это не решает всех проблем, но позволяет превратить большое количество относительно менее мощных ускорителей в единую вычислительную систему.
Именно поэтому в заявлениях Huawei речь все чаще идет не столько об отдельных чипах, сколько о SuperPoD и SuperCluster — масштабных комплексах, объединяющих вычислительные модули, память и высокоскоростные каналы связи.
Компания уже сообщила о более чем 1000 развернутых ИИ-системах и рассчитывает продолжать расширение собственной экосистемы.
Есть ли у Huawei шанс конкурировать с Nvidia?
Здесь важно разделять два вопроса: аппаратное обеспечение и программную экосистему.
Huawei быстро наращивает возможности собственных процессоров и систем их объединения. Однако Nvidia по-прежнему обладает огромным преимуществом в области программного обеспечения благодаря платформе CUDA, вокруг которой за годы сформировалась масштабная экосистема инструментов, библиотек и приложений для машинного обучения.
Кроме того, Huawei сталкивается с ограниченными производственными мощностями. По словам ротационного председателя компании Эрика Сюй (Eric Xu), внутренний спрос в Китае уже превышает возможности производства, поэтому Huawei пока не планирует полноценное расширение поставок нового поколения чипов на международный рынок.
Это важная деталь. Даже очень мощный процессор мало что меняет, если его невозможно выпускать в необходимых количествах.
Большая ставка на собственную ИИ-инфраструктуру
Таким образом, Huawei строит не один «чип-конкурент Nvidia», а целую вертикально интегрированную платформу для искусственного интеллекта — от самих NPU до оптических соединений, памяти, систем хранения данных и огромных вычислительных кластеров.
В ближайшие годы компания планирует ежегодно обновлять семейство Ascend, одновременно увеличивая вычислительную мощность и пропускную способность соединений между процессорами.
Насколько далеко удастся зайти этой стратегии, покажут реальные поставки и независимые тесты. Однако направление уже очевидно: вместо попытки создать единственный процессор, способный во всем превзойти конкурентов, Huawei строит огромную систему, в которой тысячи относительно самостоятельных вычислительных элементов работают как единый организм.
Именно такой подход может стать одним из ключевых факторов дальнейшего развития ИИ-инфраструктуры — особенно в условиях, когда доступ к самым передовым зарубежным чипам остается ограниченным.
