Avanços do Huawei ASCEND e KUNPENG Revelam Como a China Está Reestruturando sua Infraestrutura de Computação em IA Sob Sanções

Huawei utilizou sua mensagem de Ano Novo para destacar os avanços em seus ecossistemas de IA Ascend e CPU Kunpeng, mencionando a atualização dos supernós Atlas 900 e o crescimento acelerado da adoção por desenvolvedores nacionais como “uma base sólida para a computação”. Essa comunicação surge em um momento em que a China está intensificando esforços para substituir equipamentos ocidentais em tarefas críticas de IA, e a Huawei se apresenta como um dos principais fornecedores de computação em IA no país.

A mensagem da empresa oferece uma visão de uma estratégia em desenvolvimento ao longo de vários anos, influenciada por controle de exportações dos EUA e o acesso restringido à manufatura avançada, além da pressão para que o mercado interno adote hardware local. Nesse contexto, as plataformas Ascend e Kunpeng passaram a se diferenciar de suas contrapartes ocidentais: ao invés de focar em chips individuais de alto desempenho, a ênfase está na criação de sistemas grandes e interconectados que compensam a fragilidade dos componentes com escala, redes eficientes e controle de software.

No centro dos esforços de IA da Huawei está a Ascend, que é baseada na arquitetura Da Vinci. A Ascend 910, lançada em 2019, foi fabricada com o processo de 7nm da TSMC, oferecendo cerca de 256 TFLOPS de desempenho em FP16 com um consumo de 350W. Apesar de sua potência, a Ascend 910 não conta com o mesmo ecossistema de software ou maturidade em interconexões que as soluções da Nvidia.

As sanções aplicadas nos anos subsequentes ao lançamento da Ascend alteraram significativamente o cenário. As gerações seguintes da Ascend passaram a ser produzidas com os processos N+1 e N+2 da SMIC, que são comparáveis aos nós mais antigos de 7nm sem EUV. A Ascend 910C, agora usada nas mais recentes plataformas da Huawei, apresenta um pacote de dois chips que se combinam em um único acelerador. Embora a Huawei afirme que a 910C pode oferecer até 780 TFLOPS de computação em BF16, a área do chip e a eficiência energética revelam uma história mais complexa.

A Huawei observou que a área combinada do silício da 910C é cerca de 60% maior que a do H100 da Nvidia, com menor desempenho por milímetro quadrado e por watt. Essa característica, isoladamente, poderia representar uma desvantagem, mas a Huawei tem apostado fortemente na interconexão e na formação de clusters. A empresa utiliza uma malha de alta velocidade proprietária junto com redes PCIe e RoCE para conectar centenas ou até milhares de aceleradores Ascend em um único sistema lógico de treinamento ou inferência.

Esse método é evidente nas alegações da Huawei sobre os sistemas Atlas 900 e CloudMatrix. Em vez de competir diretamente com os produtos da Nvidia ou AMD, a Huawei destaca o desempenho agregado. Um sistema CloudMatrix 384, que conecta 384 aceleradores Ascend 910C, foi posicionado como competitivo com os pods NVLink da Nvidia em tarefas específicas, especialmente na inferência. Contudo, isso implica um compromisso com relação ao espaço físico: enquanto a Nvidia pode oferecer desempenho em escala de multi-exaflop em alguns racks, a Huawei precisa de muito mais espaço, além de maior entrega de energia e resfriamento.

A inferência parece ser a área mais forte da Ascend, com relatórios indicando que a 910C alcança aproximadamente 60% do desempenho em inferência de classe H100. Entretanto, a parte de treinamento continua a ser um desafio.

O supernó Atlas 900, mencionado na mensagem de Ano Novo da Huawei, pode ser mais bem visto como uma demonstração arquitetônica do que um produto iminente no mercado chinês. Ele reflete a crença da Huawei de que a computação em IA pode ser industrializada por meio de clusters padronizados construídos com componentes nacionalmente controlados, mesmo que cada peça não esteja no topo do mercado global.

A experiência da Huawei em sistemas de telecomunicações é crucial aqui. Com décadas de atuação, a empresa prioriza confiabilidade, desempenho determinístico e orquestração em larga escala. Os clusters Ascend aplicam essa mentalidade à IA, com foco em escalabilidade previsível e integração com as próprias estruturas de IA da Huawei.

Assim, a Huawei posiciona a tecnologia de supernó como uma opção “mais acessível” para formar uma “base sólida de computação em IA”. A empresa não está propondo a Ascend como um substituto direto do CUDA, mas como uma pilha alternativa que os clientes possam adotar em conjunto. Isso pode ser atraente para provedores de nuvem chineses que enfrentam dificuldades em aquisições e compliance devido a restrições de exportação e incertezas geopolíticas.

A Ascend não está sozinha; os CPUs Kunpeng da Huawei oferecem a camada de computação de uso geral para esses sistemas, seguindo trajetória similar. Os chips Kunpeng são baseados em Arm e construídos a partir dos designs do núcleo Taishan da Huawei. Gerações anteriores, como a Kunpeng 920, dispondo de até 64 núcleos Taishan V110, visavam cargas de trabalho em servidores e nuvem, apresentando um bom desempenho, mas com performance por núcleo modesta.

Recentes reportagens indicam que a próxima geração, Kunpeng 930, está escalando agressivamente o número de núcleos, com projeções de designs de 120 núcleos. A estratégia da Huawei prioriza a integração estreita entre Ascend e Kunpeng, mostrando uma mudança na estratégia de hardware de IA da China, que evolui de buscar chips individuais de alto desempenho para o desenvolvimento de plataformas completas sob constrangimentos diversos.

Com orientações do governo chinês desencorajando compras de hardware da Nvidia e regras de subsídios e aquisição em vigor, há um grande mercado garantido para alternativas que sejam “boas o suficiente”. No entanto, essa abordagem envolve tradeoffs claros: as soluções da Huawei consomem mais energia, ocupam mais espaço e dependem de um forte provisionamento para igualar a produção de sistemas ocidentais mais avançados. Porém, em um mercado onde a soberania e a continuidade a longo prazo são prioridades sobre a eficiência, esses custos são considerados aceitáveis.