De strijd om AI-rekenkracht gaat allang niet meer om één snelle chip. Huawei presenteert met de Atlas 960E SuperPoD een complete machine waarin tot 4.096 AI-processoren moeten samenwerken. Daarmee bouwt het Chinese bedrijf aan een alternatief voor de infrastructuur van Nvidia.
Huawei onthulde het systeem op 17 september tijdens HUAWEI CONNECT 2026. Het opvallende onderdeel zit tussen de chips: optische verbindingen die enorme hoeveelheden gegevens moeten verplaatsen. Want bij een groot AI-model helpt een snelle processor weinig als hij voortdurend op zijn buren moet wachten.
Waarom duizenden chips één team moeten vormen
Een groot AI-model past niet altijd in het geheugen van één processor. Het werk wordt verdeeld, waarna de onderdelen voortdurend informatie uitwisselen. Vergelijk het met een enorme werkplaats: extra medewerkers helpen alleen als materialen en instructies ook op tijd bij iedereen aankomen.
Huawei probeert daarom de volledige computer als één geheel te ontwerpen. In zijn Atlas 960E-aankondiging beschrijft het bedrijf UnifiedBus voor de onderlinge verbindingen en het gezamenlijk adresseren van geheugen. De machine krijgt bovendien volledige vloeistofkoeling.
Licht brengt de gegevens verder
De optische techniek heet NPO, kort voor near-package optics. Daarbij komen de optische onderdelen dicht bij de chips te zitten. Huawei gebruikt hiervoor zijn Hi-ONE-module, waarvoor het een transmissiecapaciteit van 7,2 terabit per seconde noemt.
De Atlas 960E is ontworpen om maximaal 4.096 NPU’s te koppelen. Zo’n neural processing unit is een processor voor berekeningen van neurale netwerken. Huawei richt de nieuwe infrastructuur op het trainen en uitvoeren van zeer grote AI-modellen. De grotere clusters bestaan vervolgens uit meerdere van zulke systemen.
Huawei bouwt de hele gereedschapskist
De aanpak komt niet uit de lucht vallen. Bij de eerdere Atlas 900 A3 verbond Huawei al tot 384 Ascend 910C-chips. Met de SuperPoD-familie bouwt het bedrijf verder aan een keten van eigen processoren, netwerken en serverontwerpen.
Dat is een andere manier om naar de chiprace te kijken. De vraag wordt niet alleen hoe snel één onderdeel rekent, maar hoeveel nuttig werk de hele installatie verzet. Ook geheugen, verbindingen, koeling en het stroomverbruik van de complete opstelling tellen mee.
Nvidia heeft meer dan snelle hardware
Nvidia’s positie draait eveneens om een compleet platform. Via CUDA kunnen ontwikkelaars software op de GPU laten rekenen. Daarbovenop levert het bedrijf bibliotheken en hulpmiddelen die veelgebruikte berekeningen versnellen. Wie jarenlang met die gereedschappen heeft gewerkt, stapt niet met één druk op de knop over.
Huawei zet daar zijn eigen CANN-omgeving tegenover. Het bedrijf zegt dat die inmiddels als open source met een gemeenschap van ontwikkelaars wordt doorontwikkeld. Dat moet het aantrekkelijker maken om modellen en toepassingen naar Ascend-hardware te brengen.
De echte wedstrijd speelt zich in het datacenter af
Een maximaal aantal chips zegt nog niet hoeveel een klant aan het eind voor een bruikbaar AI-antwoord betaalt. Daarvoor moet de software het systeem goed benutten, moeten de chips voldoende beschikbaar zijn en moet het geheel betrouwbaar blijven draaien. Grote theoretische rekengetallen zijn dus maar één deel van het verhaal.
De interessante ontwikkeling is dat Huawei op al die lagen tegelijk probeert mee te doen. De Chinese uitdager verkoopt een plan voor de hele AI-fabriek: van processor tot verbinding en programmeergereedschap. Dat maakt de strijd met Nvidia een stuk groter dan een vergelijking tussen twee chips.
