Huawei construye un gigante de la IA

Huawei amplía la gama de aceleradores Ascend y apuesta no solo por la potencia de cada chip, sino también por sistemas combinados gigantescos. La compañía desarrolla la plataforma Atlas 960 SuperPoD, un complejo de computación para entrenar y ejecutar inteligencia artificial. Está diseñado para modelos de hasta 10 billones de parámetros. Los parámetros son ajustes numéricos de una red neuronal: cuantos más tenga, más complejas pueden ser las tareas que resuelva, aunque el tamaño por sí solo no garantiza la calidad.

En la hoja de ruta actualizada de Huawei, la configuración máxima de Atlas 960 SuperPoD incluye hasta 15.488 procesadores Ascend 960. Antes, la compañía había hablado de un sistema con 8.192 procesadores. La potencia anunciada alcanza los 30 EFLOPS en modo FP8 y los 60 EFLOPS en modo FP4. Un EFLOPS equivale a un trillón de operaciones de coma flotante por segundo, y FP8 y FP4 son formatos de cálculo con distinta precisión. Reducir la precisión permite acelerar la IA si el modelo concreto mantiene una calidad aceptable.

La memoria total del sistema se cifra en 4.460 TB y el ancho de banda de las conexiones entre componentes, en 34 PB/s. Huawei calcula que el sistema podrá procesar hasta 15,9 millones de tokens por segundo durante el entrenamiento. Los tokens son pequeños fragmentos de texto en los que la IA divide los datos de entrada.

Una pieza clave del proyecto es UnifiedBus, una arquitectura que conecta procesadores, memoria y almacenamiento dentro de un gran complejo de computación. Huawei la utiliza en Atlas 960E, donde hasta 4.096 NPU acceden a la memoria compartida de SuperPoD. Las NPU son procesadores especializados en cálculos de redes neuronales. En otras palabras, la compañía intenta que miles de chips funcionen como un solo sistema, en vez de como una multitud de especialistas gritando a la vez en el mismo pasillo.

UnifiedBus se complementa con la tecnología óptica Hi-ONE. El sistema utiliza óptica cercana al encapsulado, o NPO: los componentes ópticos se sitúan más cerca de los procesadores para acelerar la transmisión de datos y reducir el consumo energético. Según Huawei, Atlas 960E utiliza unos 5.500 bloques Hi-ONE en lugar de alrededor de 48.000 módulos ópticos convencionales de clase 800G. Esto podría reducir en más de 550 kW el consumo de energía de las interconexiones.

Atlas 960E anuncia una potencia de 8 EFLOPS en FP8 y admite modelos de hasta 10 billones de parámetros. Estos sistemas pueden agruparse en un SuperCluster de 512.000 NPU, y la arquitectura está preparada a largo plazo para configuraciones con un millón de procesadores.

La razón de semejante despliegue es muy práctica. A Huawei le cuesta reducir la distancia respecto a Nvidia únicamente con la potencia de cada acelerador. Por eso compensa sus limitaciones ampliando la escala: añade más procesadores, acelera el intercambio de datos y crea un entorno común para entrenar y ejecutar modelos. En las cargas de trabajo de IA más exigentes, los chips intercambian datos constantemente; si la conexión es lenta, un clúster caro puede acabar convertido en una estufa enorme.

Al mismo tiempo, Huawei acelera el lanzamiento de la familia Ascend 960. Ahora prevé presentar la versión 960DT en el primer trimestre de 2027 y Ascend 960PR en el tercer trimestre de ese año. La compañía afirma que ambas versiones llegarán antes de lo previsto y que la mejora de sus prestaciones ya ha superado las expectativas iniciales.

David Wang, vicepresidente y presidente rotatorio de Huawei, declaró que la compañía pasará a actualizar Ascend cada año. Según él, Ascend 970 llegará en 2028 y Ascend 980, en 2029. Huawei vincula las futuras mejoras de prestaciones a la Tau Scaling Law y promete que la potencia de cálculo seguirá duplicándose. Las facturas de electricidad, la estabilidad de los clústeres y los resultados del entrenamiento de modelos mostrarán hasta qué punto funciona en sistemas reales; las presentaciones no bastarán.