Huawei Atlas 960E SuperPoDとは? AI計算基盤は「光でつなぐ」段階へ
大量のAI計算チップを、光通信をチップの近くへ寄せるNPOで結ぶ。Huaweiの新製品は、AI基盤の競争が「チップ単体」から「つなぎ方と電力」へ移ったことを示します。
最終確認:2026年9月20日 発表値はHuaweiによるもの。独立した実機検証は未確認
UnifiedBus1つの計算基盤として連携
NPU
NPU
NPU
NPU
光
光
発表値
発表された数字
4,096NPUまで拡張
8 EFLOPSFP8ピーク性能
1 PBHBM容量
550 kW超接続部の削減電力
99.8%システム可用性
すべてHuaweiの発表値
構成、精度、負荷、比較対象によって意味が変わります。ピーク演算性能は、モデル学習や推論の実時間を直接示す数字ではありません。
仕組み
NPOは何を変える?
従来演算チップ電気配線光モジュール光ファイバー別サーバー
960Eの考え方演算チップ短い接続NPO光エンジン光ファイバー別サーバー
NPOはNear-Packaged Opticsの略です。電気信号が長い距離を走る部分を減らし、早い段階で光へ変換します。Huaweiは5,500個のHi-ONEを使い、従来なら必要とする48,000個の800G光モジュールを不要にしたと説明しています。
背景
なぜ「つなぎ方」が重要なのか
大規模AIは、1個のチップだけでは処理できません。何千個もの演算器が、学習途中の値を頻繁に交換します。演算器が速くても接続が詰まれば待ち時間が増え、電力も熱も増えます。そのため現在の競争は、チップ性能、メモリ容量、相互接続、冷却、ソフトウェアを一体で設計する方向へ進んでいます。
発表で確認できたこと
- 液冷のAtlas 960Eを発表
- Ascend 960とHi-ONEを採用
- CANNを継続的なオープンソース開発へ移行
- Ascend 970は2028年、980は2029年の計画
まだ確認できないこと
- 第三者による実アプリ性能
- システム全体の消費電力と価格
- 大規模運用での実可用性
- 主要AIフレームワークとの移行負担
数字の読み方
「NVIDIAより上」は数字だけでは決まらない
異なる精度のFLOPS、チップ数、システム規模をそのまま並べても、公平な比較にはなりません。導入判断には、同じモデル・同じ精度・同じ品質・同じ消費電力条件で測った学習時間や推論量が必要です。輸出規制や供給事情は重要な背景ですが、技術性能そのものと分けて考える必要があります。
確認資料
確認した資料
- Huawei — Atlas 960E SuperPoD発表構成、NPO、性能・電力・可用性の発表値
- Huawei — HUAWEI CONNECT 2026基調講演Ascendロードマップとオープン化方針
- AP — Huawei unveils new chip technologies発表の外部報道と競争環境
確認日:2026年9月20日。製品仕様、制度、天文情報は変更・訂正される場合があります。この記事は一般的な参考情報です。重要な判断は最新の一次資料を確認してください。免責事項・利用条件