Huawei stellt Atlas 960E SuperPoD für KI-Modelle mit bis zu 10 Billionen Parametern vor

Neue Ascend-960-Generation, Atlas 960E SuperPoD, NPO-Technologie Hi-ONE, Peerium Computing Architecture und OceanStor M900 bilden eine integrierte Infrastruktur für das Training und die Inferenz von KI-Modellen mit bis zu 10 Billionen Parametern

Shanghai, China, 18. September 2026 – Huawei hat auf der HUAWEI CONNECT 2026 in Shanghai eine neue Generation von KI-Hardware und Computing-Architekturen vorgestellt. Im Mittelpunkt stehen die Ascend-960-Serie und der neue Atlas 960E SuperPoD, der als erstes SuperPoD der Branche auf Near-Packaged Optics (NPO) basiert. Zusammen mit der neuen Peerium Computing Architecture, UnifiedBus, dem optischen Interconnect-System Hi-ONE und dem OceanStor M900 Context Memory Storage verfolgt Huawei einen Systemansatz, bei dem Tausende von Prozessoren, Speicher- und Netzwerksystemen wie ein gemeinsamer Computer zusammenarbeiten.

Huawei richtet seine KI-Strategie dabei ausdrücklich auf den Aufbau und die Monetarisierung von Computing-Hardware. Das Unternehmen will mit SuperPoDs und SuperClustern eine offene Computing-Infrastruktur aufbauen und der Technologiewelt eine weitere Option für umfassendes KI-Computing anbieten. Grundlage dafür sind laut Huawei Innovationen nicht nur bei den Prozessoren, sondern insbesondere in den Bereichen Systemarchitektur, Interconnect und Speicher.

Ascend 960 kommt früher als geplant

Die Ascend-Serie bildet den zentralen Baustein des neuen UnifiedBus-basierten Hardware-Portfolios für SuperPoDs und SuperCluster. Die Entwicklung des Ascend 960 habe die Erwartungen übertroffen; die Rechenleistung verdopple sich wie geplant.

Dabei beschleunigt Huawei die Einführung der neuen Generation gegenüber der im vergangenen Jahr skizzierten Roadmap: Der Ascend 960DT soll bereits im ersten Quartal 2027 verfügbar sein – drei Quartale früher als ursprünglich vorgesehen. Der Ascend 960PR soll im dritten Quartal 2027 folgen, ein Quartal früher als geplant.

Huawei will künftig zu einem Rhythmus von einer neuen Ascend-Generation pro Jahr übergehen. Auf den Ascend 960 sollen 2028 der Ascend 970 und 2029 der Ascend 980 folgen. Huawei erwartet dabei nicht nur eine weitere Verdoppelung der Rechenleistung, sondern zugleich deutliche Verbesserungen bei Speicherbandbreite, Speicherkapazität und Interconnect-Bandbreite.

Huawei führt diese Skalierung unter anderem auf das von dem Unternehmen beschriebene Tau (τ) Scaling Law zurück. Es soll ermöglichen, die Entwicklung nicht allein über zusätzliche Rechenleistung voranzutreiben, sondern gleichzeitig die für große KI-Systeme entscheidenden Größen wie Speicher und Vernetzung zu skalieren.

David Wang, Deputy Chairman of the Board and Rotating Chairman bei Huawei, bei seiner Keynote-Rede auf der HUAWEI CONNECT 2026

Atlas 960E: 4.096 NPUs und bis zu ein Petabyte HBM

Die neuen Ascend-Prozessoren kommen im Atlas 960E SuperPoD zum Einsatz. Das System kann bis zu 4.096 NPUs miteinander verbinden und erreicht laut Huawei 8 EFLOPS FP8-Rechenleistung sowie bis zu 16 EFLOPS FP4. Die HBM-Kapazität beträgt bis zu 1 Petabyte. Der entscheidende Unterschied zu klassischen Serverarchitekturen liegt dabei in der Art, wie die Prozessoren miteinander kommunizieren. Huawei definiert ein SuperPoD als eng gekoppeltes Computersystem, in dem mehrere Rechenknoten über Hochgeschwindigkeits-Interconnects verbunden sind, über eine gemeinsame Speicheradressierung verfügen und logisch wie ein einziger Computer arbeiten.

Das soll insbesondere das Training großer Modelle beschleunigen. In herkömmlichen Serverarchitekturen können laut Huawei mehr als 40 Prozent der Trainingszeit auf die Kommunikation innerhalb eines Clusters entfallen. Simulationen des Huawei Markov Lab zufolge erreicht ein 100.000-NPU-Cluster bestehend aus 4.000-NPU-SuperPoDs eine 2,75-fach höhere Model FLOPs Utilization (MFU) als ein gleich großer Cluster aus 8-NPU-Servern.

Hi-ONE und NPO: optische Vernetzung direkt am System

Eine zentrale Voraussetzung für diese Skalierung ist die optische Vernetzung. Huawei setzt beim Atlas 960E auf Near-Packaged Optics (NPO) und den eigens entwickelten High-Density Optical-Interconnect-Node Engine (Hi-ONE).

Hi-ONE erreicht laut Huawei eine Übertragungskapazität von 7,2 Tbit/s pro Engine und ist nach Angaben des Unternehmens das erste NPO-Produkt der Branche, das für die Serienproduktion bereitsteht und über eine integrierte Lichtquelle verfügt.

Im Atlas 960E kommen 5.500 Hi-ONE-Einheiten zum Einsatz. Dadurch kann Huawei nach eigenen Angaben auf die ansonsten erforderlichen 48.000 optischen 800G-Module zur Verbindung der 4.096 NPUs verzichten. Der Energieverbrauch des Systems sinkt dadurch um mehr als 550 Kilowatt. Gleichzeitig verdoppelt sich die störungsfreie Betriebszeit; Huawei gibt eine Systemverfügbarkeit von 99,8 Prozent an.

NPO ist damit Bestandteil eines größeren Architekturansatzes: Zusammen mit UnifiedBus soll die Technologie die Vernetzung sehr großer SuperPoDs vereinfachen und die Skalierung der Systeme ermöglichen.

Peerium: eine Million Prozessoren als ein Computersystem

Die technologische Grundlage für die Skalierung über einzelne SuperPoDs hinaus bildet die von Huawei vorgestellte Peerium Computing Architecture. Sie soll es ermöglichen, Prozessoren im Maßstab von bis zu einer Million Einheiten als ein Computersystem zu betreiben.

Peerium kombiniert dafür verschachtelte Parallelisierung (Nested Parallelism), einheitliche Speicheradressierung und Peer-to-Peer-Interconnects. Huawei bezeichnet Nested BSP (Nested Bulk Synchronous Parallel) als einen zentralen Bestandteil der Architektur.

Das Konzept geht über die klassische Master-Slave-Organisation von Rechensystemen hinaus: Rechen-, Speicher- und Netzwerkkomponenten sollen direkt miteinander kommunizieren können.

Die dafür zentrale Technologie ist UnifiedBus (UB). Der auf einem einheitlichen offenen Protokoll basierende Hochgeschwindigkeitsbus verbindet CPUs, NPUs, Speicher, SSDs, Netzwerkkarten und Switches. Dadurch können Rechen-, Speicher- und Netzwerkkomponenten über Peer-to-Peer-Verbindungen miteinander kommunizieren.

Der Atlas 950 SuperPoD und darauf aufbauende SuperCluster sind laut Huawei die erste Produktgeneration auf Basis der Peerium Computing Architecture. Ein Atlas 950 SuperCluster mit 256.000 Karten befindet sich bereits im kommerziellen Aufbau; das auf NPO basierende Atlas-960-System wird derzeit getestet.

Vom SuperPoD zum SuperCluster mit bis zu einer Million NPUs

Für KI-Modelle mit bis zu 10 Billionen Parametern reicht nach Huaweis Darstellung nicht mehr die Kombination aus einzelnen KI-Servern oder einem einzelnen SuperPoD. Benötigt wird ein Gesamtsystem aus KI-SuperPoDs, General-Purpose-SuperPoDs, Interconnect und einem mehrstufigen Speichersystem. Mehrere Atlas 960E SuperPoDs können über UnifiedBus beziehungsweise RoCE zu einem größeren SuperCluster verbunden werden. Eine zweistufige, Clos-Architektur mit vier Ebenen ("planes") ermöglicht dabei die Verbindung von bis zu 512.000 NPUs. Mit einer zusätzlichen Multi-Rail-Topologie soll die Skalierung auf bis zu eine Million NPUs möglich werden.

Damit verschiebt Huawei die Ebene, auf der KI-Hardware betrachtet wird: Nicht mehr allein der einzelne Beschleuniger entscheidet über die Leistungsfähigkeit, sondern das Zusammenspiel von Rechenleistung, Speicher, Interconnect und Software.

TaiShan 950 und OceanStor M900 erweitern die Architektur um Speicher

Für agentische KI-Anwendungen und besonders lange Kontextfenster ergänzt Huawei den KI-SuperPoD um General-Purpose-Computing und eine neue Speicherarchitektur.

Der vollständig überarbeitete TaiShan 950 SuperPoD basiert ebenfalls auf UnifiedBus und unterstützt bis zu 4.096 Nodes (Knoten) mit einem gemeinsam adressierbaren Speicherpool von bis zu 256 TB. Bei Workloads mit vielen Agent-Sandboxes soll die Startzeit von 100.000 Sandboxes 30-mal schneller sein als bei herkömmlichen Servern; die Sandbox-Dichte steigt laut Huawei um 25 Prozent. Bei der Suche in 10 Milliarden Vektoren mit jeweils 1.000 Dimensionen soll die Suche doppelt so effizient sein wie auf traditionellen Servern.

Hinzu kommt der auf UnifiedBus basierende OceanStor M900 Context Memory Storage. Das System adressiert ein Problem, das durch lange Kontextfenster und mehrstufige Inferenz entsteht: Die stark wachsende Größe des KV-Cache. Dieser speichert Key- und Value-Daten aus der Inferenz, damit sie bei späteren Verarbeitungsschritten wiederverwendet werden können.

Der M900 erweitert den KV-Cache über On-Chip-Speicher und DRAM hinaus auf SSDs. Ein Cluster kann dadurch laut Huawei einen KV-Cache von bis zu 64 PB bereitstellen. Die verfügbare KV-Cache-Kapazität pro NPU steigt von Gigabyte- auf Terabyte-Größenordnung. Eine von Huawei entwickelte Architektur integriert dabei CPU, Network Controller Unit und NAND Controller Unit. Dadurch kann eine NPU direkt auf SSDs zugreifen, ohne Protokollkonvertierung und CPU-Weiterleitung. Die Zugriffszeit sinkt laut Huawei von Millisekunden auf 60 Mikrosekunden, eine Reduzierung um 90 Prozent.

Der M900 erreicht eine aggregierte Zugriffsbandbreite von 40 TB/s pro Cluster, laut Huawei das 1,5-fache vergleichbarer Lösungen. In typischen KI-Programmierszenarien soll sich dadurch der Token-Durchsatz eines Inferenzclusters verdoppeln und die Time to First Token (TTFT) halbieren. Für die Haltbarkeit der Speichermedien setzt Huawei auf eine KV-aware Adaptive Storage-Technologie, die den Lebenszyklus der gespeicherten Daten berücksichtigt und deren Verteilung auf unterschiedliche Medien optimiert. Das System unterstützt bis zu 24 Drive Writes per Day (DWPD) und soll die SSD-Lebensdauer um den Faktor 16 verlängern sowie einen stabilen Betrieb über drei Jahre ermöglichen.

Hardware als integriertes KI-Computing-System

Mit Atlas 960E, Hi-ONE, UnifiedBus, Peerium, TaiShan 950 und OceanStor M900 verbindet Huawei Rechenleistung, Interconnect und Speicher zu einer gemeinsamen Infrastruktur.

Dabei adressieren die Komponenten unterschiedliche Engpässe: Ascend stellt die eigentliche KI-Rechenleistung bereit, UnifiedBus verbindet die Komponenten über ein gemeinsames Protokoll, Hi-ONE ermöglicht die optische Vernetzung mit hoher Bandbreite, Peerium organisiert die Skalierung auf sehr große Prozessorzahlen und OceanStor M900 stellt die für lange Kontexte und agentische Inferenz erforderliche Speicherkapazität bereit.

Huawei zielt damit auf eine Infrastruktur, die Training und Inferenz von Foundation Models mit bis zu 10 Billionen Parametern ermöglichen soll. Gleichzeitig soll die Architektur den Übergang von einzelnen KI-Modellen zu agentischen Systemen unterstützen, bei denen große Mengen an Kontext über längere Zeiträume verarbeitet und wiederverwendet werden.

Offene Software als zweite Säule

Parallel zur Hardware öffnet Huawei Teile seines Software-Ökosystems. CANN (Compute Architecture for Neural Networks), die Grundlage des Ascend-Ökosystems, befindet sich inzwischen in einer kontinuierlichen, gemeinschaftlich getragenen Open-Source-Entwicklung. Externe Entwickler stellen laut Huawei inzwischen 61 Prozent der CANN-Entwickler; die Community zählt mehr als 5.200 monatlich aktive Entwickler.

Mehr als 40 Modelle wurden nach Angaben des Unternehmens bereits nativ auf Ascend und CANN vortrainiert. Ascend unterstützt zudem mehr als 90 führende Open-Source-Projekte, darunter PyTorch, Triton, vLLM und veRL. Ascend ist laut Huawei inzwischen als offizielles chinesisches Compute-Backend auf der PyTorch-Website vertreten.

Huawei will damit neben der Hardware auch das Software-Ökosystem für native KI-Entwicklung auf Ascend ausbauen.

Mit der Kombination aus neuen Ascend-Prozessoren, optischem Interconnect, gemeinsamer Speicheradressierung, Kontextspeicher und einer Architektur für die Skalierung auf bis zu eine Million Prozessoren verfolgt Huawei auf der HUAWEI CONNECT 2026 einen klaren Systemansatz: KI-Computing soll nicht nur schneller, sondern auf Ebene der gesamten Rechenmaschine skalierbar werden.