Huawei stellt KI-Infrastruktur mit Ascend 960 und Atlas 960E SuperPoD vor

Das Atlas 960E SuperPoD bündelt Tausende Prozessoren

Das zentrale System der Ankündigung ist das Atlas 960E SuperPoD. Huawei gibt für den Verbund eine maximale FP4-Leistung von 16 Exaflops an. Ein Exaflop entspricht einer Billiarde Gleitkommaoperationen pro Sekunde. Die Zahl ergibt sich im Wesentlichen aus der Kombination von bis zu 4.096 Beschleunigern mit jeweils bis zu 4 Petaflops theoretischer FP4-Leistung.

Werden Ascend-960DT-Beschleuniger mit jeweils 288 Gigabyte HBM eingesetzt, ergibt sich rechnerisch eine Speicherkapazität von mehr als einem Petabyte. Diese Gesamtsumme beschreibt den Speicher des gesamten Verbunds. Sie bedeutet nicht, dass jedes einzelne Modell automatisch auf einen gemeinsamen, einheitlich adressierbaren Speicher zugreifen kann. Die Software muss festlegen, wie Modellparameter und Daten auf die einzelnen Prozessoren verteilt werden.

Die Dimensionierung zeigt, worauf Huaweis Strategie abzielt. Bei einzelnen Beschleunigern liegt das Unternehmen nach den in den Quellen genannten theoretischen Spitzenwerten hinter den neuesten Produkten von Nvidia und AMD. Nvidia wird für eine Rubin-GPU mit bis zu 50 FP4-Petaflops angegeben, AMDs Instinct MI455X mit bis zu 40 FP4-Petaflops. Solche Werte lassen sich nicht ohne Weiteres direkt mit Huaweis Angaben vergleichen, weil konkrete Produktkonfigurationen, Einsatzbedingungen und Messmethoden eine Rolle spielen.

Auf Systemebene versucht Huawei, den Abstand durch die Anzahl der Prozessoren und durch eine enge Vernetzung zu kompensieren. Ein SuperPoD mit mehreren Tausend Einheiten kann theoretisch eine sehr hohe Gesamtleistung bereitstellen. In der Praxis hängt der Nutzen jedoch davon ab, ob die Kommunikation zwischen den Chips schnell genug ist und ob die Anwendungen ausreichend parallelisiert werden können.

Optische Verbindungen sollen den Datenaustausch beschleunigen

Für die Verbindung der Beschleuniger setzt Huawei auf optische Datenübertragung. Bei diesem Ansatz werden Daten über Lichtsignale übertragen, die für die Verarbeitung innerhalb der elektronischen Schaltungen in elektrische Signale umgewandelt werden. Optische Verbindungen können über größere Entfernungen hohe Bandbreiten mit geringeren Signalverlusten ermöglichen.

Huawei bezeichnet eine entsprechende Technologie als Near-Packaged Optics, kurz NPO. Dabei werden optische Komponenten möglichst nah an den Recheneinheiten positioniert. Das soll die Länge elektrischer Hochgeschwindigkeitsverbindungen reduzieren und die Kommunikation innerhalb eines Systems effizienter machen.

Diese Entwicklung ist eine Reaktion auf ein grundlegendes Problem moderner KI-Infrastruktur: Die Rechenleistung der Prozessoren steigt schneller als die Möglichkeiten, Daten zwischen ihnen zu transportieren. Bei großen Sprachmodellen müssen Milliarden oder sogar Billionen Parameter über viele Beschleuniger verteilt werden. Wenn die Kommunikation zum Engpass wird, sinkt die Auslastung der eigentlichen Recheneinheiten.

Die Anforderungen steigen zusätzlich mit der Zahl der Prozessoren. In einem Verbund mit 4.096 Beschleunigern müssen nicht alle Einheiten ständig direkt miteinander kommunizieren. Dennoch entstehen komplexe Datenströme zwischen Knoten, Speichersystemen und Netzwerkkomponenten. Die Topologie des Systems, die Latenz, die Fehlerkorrektur und die Steuerung der Datenbewegungen werden damit zu entscheidenden Leistungsfaktoren.

Huawei kündigt an, seine Architektur über das einzelne SuperPoD hinaus zu skalieren. Als langfristiges Ziel wird ein System mit bis zu einer Million Ascend-Prozessoren genannt. Dabei handelt es sich um eine Roadmap und nicht um den Nachweis eines bereits verfügbaren Systems. Für eine Umsetzung wären erhebliche Fortschritte bei Stromversorgung, Kühlung, Netzwerkmanagement, Fehlerbehandlung und Software erforderlich.

UnifiedBus und Peerium als Bausteine einer eigenen Plattform

Die Hardware soll durch Huaweis eigene Systemarchitekturen ergänzt werden. Dazu zählen UnifiedBus und die Peerium Computing Architecture. Beide Ansätze zielen darauf ab, Rechen-, Speicher- und Netzwerkressourcen enger miteinander zu verbinden und die Verwaltung großer Cluster zu vereinfachen.

Für Betreiber von KI-Rechenzentren ist eine solche Integration von strategischer Bedeutung. Ein Cluster mit Tausenden Beschleunigern lässt sich nicht wie eine Sammlung einzelner Server betreiben. Die Plattform muss Aufgaben verteilen, Daten synchronisieren, ausgefallene Komponenten erkennen und die Ressourcen möglichst gleichmäßig auslasten. Schon kleine Ineffizienzen können bei dieser Größenordnung zu erheblichen Kosten führen.

Ein weiterer Bestandteil der vorgestellten Infrastruktur ist das Speichersystem OceanStor M900. Huawei beschreibt es als Context Memory Storage. Der Begriff verweist auf die wachsende Bedeutung großer Kontextmengen bei KI-Anwendungen. Systeme, die lange Dokumente, Gesprächsverläufe oder umfangreiche Wissensbestände verarbeiten, benötigen Speicherarchitekturen, die über den klassischen Hauptspeicher eines einzelnen Servers hinausgehen.

Zusätzlich entwickelt Huawei seine Softwareplattform CANN weiter. Nach Angaben aus den vorliegenden Quellen umfasst das Ascend-Ökosystem bereits zahlreiche Projekte aus dem Open-Source-Umfeld. Eine offene oder gemeinschaftlich entwickelte Softwarebasis kann die Verbreitung einer Hardwareplattform erleichtern, weil Unternehmen weniger stark von proprietären Schnittstellen abhängig sind. Für die Akzeptanz in der Praxis bleiben jedoch die Qualität der Werkzeuge, die Kompatibilität zu gängigen Frameworks und die Verfügbarkeit qualifizierter Entwickler entscheidend.

Exportbeschränkungen beeinflussen Huaweis Fertigungsstrategie

Die Entwicklung ist vor dem Hintergrund internationaler Exportbeschränkungen für fortgeschrittene Halbleiter und Fertigungstechnologien zu betrachten. Huawei hat nur eingeschränkten Zugang zu bestimmten ausländischen Chipdesigns, Fertigungsprozessen und Komponenten. Der chinesische Auftragsfertiger SMIC kann nach den in den Quellen genannten Informationen Chips mit Strukturbreiten von etwa sieben Nanometern herstellen. Nvidia und AMD setzen bei aktuellen Generationen teilweise auf deutlich modernere Fertigungsprozesse.

Eine kleinere Strukturbreite kann bei gleicher Fläche mehr Transistoren ermöglichen und die Energieeffizienz verbessern. Daraus folgt jedoch nicht automatisch, dass ein Chip mit einem älteren Fertigungsprozess grundsätzlich unbrauchbar ist. Leistung kann auch über größere Chipflächen, mehrere Chiplets, eine höhere Zahl von Prozessoren und eine ausgefeilte Systemarchitektur erreicht werden. Diese Lösungen erhöhen allerdings den Aufwand für Kühlung, Stromversorgung und Kommunikation.

Die Fertigungssituation wirkt sich auch auf die Skalierbarkeit aus. Ein SuperPoD mit 4.096 Beschleunigern benötigt nicht nur ausreichend Rechenchips. Er braucht ebenso Speicher, Platinen, optische Komponenten, Netzwerkhardware und robuste Produktionsprozesse. Soll eine solche Plattform in größerem Umfang eingesetzt werden, müssen alle Teile der Lieferkette zuverlässig verfügbar sein.

Wie viele Atlas-960E-Systeme Huawei tatsächlich produzieren und ausliefern kann, ist derzeit nicht unabhängig dokumentiert. Ebenso fehlen vollständige Angaben zu Preisen, Energiebedarf und Kühlkonzept. Für Unternehmen, die eine Investition in KI-Infrastruktur prüfen, sind diese Informationen jedoch mindestens ebenso wichtig wie die theoretische Rechenleistung.

Die angekündigte Roadmap bis 2029

Huawei stellt die Ascend-960-Familie als Teil einer längerfristigen Produktplanung dar. Für 2028 wird ein Ascend 970 mit einer FP4-Leistung von bis zu 14 Petaflops und schnellerem Speicher in Aussicht gestellt. Für 2029 ist ein Ascend 980 angekündigt. Dieser soll die Rechenleistung gegenüber dem vorherigen Modell verdoppeln und über 384 Gigabyte Speicher mit einer Bandbreite von 38,4 Terabyte pro Sekunde verfügen.

Eine jährliche Folge neuer Generationen würde Huawei ermöglichen, Leistungszuwächse nicht ausschließlich über modernere Fertigungsprozesse zu erzielen. Verbesserungen bei Chiplets, Verpackung, Speicheranbindung, optischer Kommunikation und Software könnten ebenfalls beitragen. Ob die genannten Zeitpläne und Leistungswerte erreicht werden, hängt von technischen, wirtschaftlichen und geopolitischen Bedingungen ab.

Für den Markt ist die Roadmap dennoch relevant. Sie zeigt, dass Huawei nicht nur auf kurzfristige Produktzyklen setzt, sondern eine eigenständige Alternative für große KI-Installationen aufbauen will. Der Erfolg wird davon abhängen, ob chinesische und internationale Kunden die Plattform in bestehende Rechenzentren integrieren können und ob ausreichend Software für ihre konkreten Anwendungen verfügbar ist.

Was die Ankündigung für Unternehmen bedeutet

Unternehmen sollten die Vorstellung nicht ausschließlich anhand der maximalen Flops bewerten. Für die Auswahl einer KI-Plattform sind mehrere Kriterien entscheidend:

• Verfügbarkeit: Entscheidend ist, wann die Beschleuniger tatsächlich in ausreichender Stückzahl geliefert werden können.
• Gesamtkosten: Neben den Anschaffungskosten müssen Strom, Kühlung, Wartung, Netzwerk und Software berücksichtigt werden.
• Softwarekompatibilität: Die Unterstützung von Frameworks, Bibliotheken und bestehenden Modellformaten beeinflusst die Migrationskosten.
• Speicherarchitektur: Kapazität, Bandbreite und die Verteilung des Speichers bestimmen, welche Modelle effizient ausgeführt werden können.
• Skalierung: Die Kommunikation zwischen den Beschleunigern muss auch bei wachsender Clustergröße leistungsfähig bleiben.
• Lieferkette und Regulierung: Exportkontrollen, regionale Vorgaben und die Herkunft einzelner Komponenten können die Planung beeinflussen.
• Benchmarking: Herstellerwerte sollten durch unabhängige Tests mit realen Modellen und typischen Arbeitslasten ergänzt werden.

Für europäische Unternehmen kommt außerdem die Frage der strategischen Abhängigkeit hinzu. Eine alternative Plattform kann die Konzentration auf wenige Anbieter reduzieren. Gleichzeitig entsteht eine neue Abhängigkeit von Huaweis Hardware, Software und Support-Ökosystem. Ob ein solcher Wechsel sinnvoll ist, hängt daher stark vom jeweiligen Einsatzgebiet, den Compliance-Anforderungen und der langfristigen Wartungsstrategie ab.

Einordnung der technischen Leistungswerte

Die in Exaflops und Petaflops angegebenen Werte beschreiben theoretische Spitzenleistungen. Sie eignen sich, um die Größenordnung eines Systems zu illustrieren, ersetzen aber keine praxisnahen Messungen. Bei KI-Anwendungen können Speicherzugriffe, Kommunikation, Modellparallelisierung und Softwareoptimierung die reale Geschwindigkeit deutlich begrenzen.

Auch der Vergleich verschiedener Hersteller ist anspruchsvoll. Nvidia, AMD und Huawei verwenden unterschiedliche Architekturen und Softwarestacks. Ein Wert im FP4-Format kann je nach Implementierung und Anwendung eine andere Aussagekraft haben. Außerdem kann ein einzelner Beschleuniger mit hoher Spitzenleistung bei einer bestimmten Aufgabe effizienter sein als ein großer Verbund weniger leistungsfähiger Einheiten. Umgekehrt kann ein breit skaliertes System bei ausreichend parallelisierbaren Aufgaben Vorteile bieten.

Für das Training besonders großer Modelle ist zudem die Skalierungseffizienz entscheidend. Wenn die Zahl der Prozessoren verdoppelt wird, sollte sich die Bearbeitungszeit möglichst deutlich reduzieren. In realen Systemen fällt der Zuwachs meist geringer aus, weil Synchronisation und Datentransfers zusätzliche Zeit benötigen. Je größer der Verbund, desto wichtiger werden deshalb die Netzwerkarchitektur und die Software für die Aufgabenverteilung.

Fazit: Ein Infrastrukturprojekt mit großer technischer Reichweite

Huawei positioniert das Atlas 960E SuperPoD als umfassende Plattform für das Training und die Inferenz großer KI-Modelle. Die Verbindung von bis zu 4.096 Ascend-960-Beschleunigern, HBM-Speicher, optischen Interconnects und eigenen Software- sowie Netzwerkarchitekturen soll eine Alternative zu etablierten KI-Systemen schaffen.

Die Ankündigung zeigt zugleich die Grenzen und Möglichkeiten dieses Ansatzes. Huawei kann fehlende Spitzenleistung pro Chip teilweise durch eine größere Zahl von Prozessoren ausgleichen. Dafür müssen jedoch Kommunikation, Speicher, Kühlung, Energieversorgung und Software eng zusammenspielen. Die angekündigten Werte sind daher vor allem als Zielgrößen für eine integrierte Infrastruktur zu verstehen.

Für die weitere Bewertung werden unabhängige Benchmarks, Angaben zur Energieeffizienz, konkrete Preise, Liefermengen und Erfahrungen aus realen Rechenzentren entscheidend sein. Der geplante Marktstart des Ascend 960DT im ersten Quartal 2027 und des Ascend 960PR im dritten Quartal 2027 markieren die nächsten wichtigen Prüfsteine. Erst dann wird sich belastbar beurteilen lassen, wie leistungsfähig und wirtschaftlich Huaweis Strategie in der praktischen Nutzung ist.

Bibliografie

1. Heise online: „Huawei packt 4096 KI-Beschleuniger in einen riesigen Server“, Mark Mantel, veröffentlicht am 18. September 2026. https://www.heise.de/news/Huawei-packt-4096-KI-Beschleuniger-in-einen-riesigen-Server-11458847.html
2. Huawei: „Huawei stellt Atlas 960E SuperPoD für KI-Modelle mit bis zu 10 Billionen Parametern vor“, 18. September 2026. https://www.huawei.com/de/news/2026/09/atlas-960e-superpod-fuer-ki-modelle
3. Webnumerus: „Huawei vernetzt bis zu 4096 KI-Beschleuniger in einem Supercomputer“, Sladjan Lazic, 18. September 2026. https://www.webnumerus.de/huawei-vernetzt-bis-zu-4096-ki-beschleuniger-in-einem-supercomputer/
4. Borncity: „Ascend 960: Huawei stellt KI-Chip-Familie für 2027 vor“, Borncity Redaktion, 17. September 2026. https://borncity.com/news/ascend-960-huawei-stellt-ki-chip-familie-fuer-2027-vor/
5. Borncity: „Ascend 960DT: Huawei zieht KI-Chip um drei Quartale vor“, Borncity Redaktion, 19. September 2026. https://borncity.com/news/ascend-960dt-huawei-zieht-ki-chip-um-drei-quartale-vor/
6. Borncity: „Huawei Atlas 960E: Erste NPO-Architektur mit 16 EFLOPS“, Borncity Redaktion, 18. September 2026. https://borncity.com/news/huawei-atlas-960e-erste-npo-architektur-mit-16-eflops/
7. IT-Boltwise: „Huawei plant 2027 neue KI-Chips und setzt auf UnifiedBus gegen Nvidia“, 17. September 2026. https://www.it-boltwise.de/huawei-plant-2027-neue-ki-chips-und-setzt-auf-unifiedbus-gegen-nvidia.html
8. Gate: „Huawei Launches AI Computing System with 4,096 NPU Capacity“, 18. September 2026. https://www.gate.com/en-us/news/detail/huawei-launches-ai-computing-system-with-4096-npu-capacity-17874350