Im Kampf um KI-Rechenleistung geht es längst nicht mehr um einen einzelnen schnellen Chip. Mit dem Atlas 960E SuperPoD präsentiert Huawei eine komplette Maschine, in der bis zu 4.096 KI-Prozessoren zusammenarbeiten sollen. Damit baut der chinesische Konzern an einer Alternative zur Infrastruktur von Nvidia.
Huawei stellte das System am 17. September auf der HUAWEI CONNECT 2026 vor. Das auffälligste Bauteil sitzt zwischen den Chips: optische Verbindungen, die enorme Datenmengen bewegen sollen. Denn bei einem großen KI-Modell nützt ein schneller Prozessor wenig, wenn er ständig auf seine Nachbarn warten muss.
Warum Tausende Chips ein Team bilden müssen
Ein großes KI-Modell passt nicht immer in den Speicher eines einzelnen Prozessors. Die Arbeit wird aufgeteilt, anschließend tauschen die Teile ständig Informationen aus. Man kann es mit einer riesigen Werkstatt vergleichen: Zusätzliche Mitarbeiter helfen nur, wenn Material und Anweisungen auch rechtzeitig bei allen ankommen.
Huawei versucht deshalb, den gesamten Computer als Einheit zu entwerfen. In seiner Atlas-960E-Ankündigung beschreibt das Unternehmen UnifiedBus für die Verbindungen untereinander und die gemeinsame Adressierung des Speichers. Die Maschine erhält zudem eine vollständige Flüssigkeitskühlung.
Licht trägt die Daten weiter
Die optische Technik heißt NPO, kurz für Near-Package Optics. Dabei sitzen die optischen Bauteile nah an den Chips. Huawei nutzt dafür sein Hi-ONE-Modul, für das es eine Übertragungskapazität von 7,2 Terabit pro Sekunde nennt.
Der Atlas 960E ist dafür ausgelegt, bis zu 4.096 NPUs zu koppeln. Eine solche Neural Processing Unit ist ein Prozessor für Berechnungen neuronaler Netze. Huawei richtet die neue Infrastruktur auf das Training und den Betrieb sehr großer KI-Modelle aus. Größere Cluster bestehen anschließend aus mehreren solcher Systeme.
Huawei baut den ganzen Werkzeugkasten
Der Ansatz kommt nicht aus dem Nichts. Beim früheren Atlas 900 A3 verband Huawei bereits bis zu 384 Ascend-910C-Chips. Mit der SuperPoD-Familie baut das Unternehmen weiter an einer Kette aus eigenen Prozessoren, Netzwerken und Serverdesigns.
Das ist eine andere Sicht auf das Chip-Rennen. Die Frage lautet nicht nur, wie schnell ein Bauteil rechnet, sondern wie viel nützliche Arbeit die gesamte Anlage leistet. Auch Speicher, Verbindungen, Kühlung und der Stromverbrauch des kompletten Aufbaus zählen.
Nvidia hat mehr als schnelle Hardware
Auch Nvidias Position beruht auf einer kompletten Plattform. Über CUDA können Entwickler Software auf der GPU rechnen lassen. Darüber hinaus liefert das Unternehmen Bibliotheken und Werkzeuge, die gängige Berechnungen beschleunigen. Wer jahrelang mit diesen Werkzeugen gearbeitet hat, wechselt nicht auf Knopfdruck.
Huawei setzt dem seine eigene CANN-Umgebung entgegen. Nach Angaben des Unternehmens wird sie inzwischen als Open Source mit einer Entwicklergemeinschaft weiterentwickelt. Das soll es attraktiver machen, Modelle und Anwendungen auf Ascend-Hardware zu bringen.
Der eigentliche Wettkampf findet im Rechenzentrum statt
Eine maximale Zahl an Chips sagt noch nichts darüber, wie viel ein Kunde am Ende für eine brauchbare KI-Antwort bezahlt. Dafür muss die Software das System gut auslasten, müssen genügend Chips verfügbar sein und muss das Ganze zuverlässig laufen. Große theoretische Rechenwerte sind also nur ein Teil der Geschichte.
Interessant ist, dass Huawei auf all diesen Ebenen gleichzeitig mitspielen will. Der chinesische Herausforderer verkauft einen Plan für die gesamte KI-Fabrik: vom Prozessor über die Verbindungen bis zu den Programmierwerkzeugen. Damit wird das Duell mit Nvidia deutlich größer als ein Vergleich zweier Chips.
