Globalny potentat pokazał plany i prognozy związane z rozwojem sztucznej inteligencji

W dniach 17-19 września w Szanghaju odbyła się konferencja HUAWEI CONNECT 2026. Na jej program złożyło się ponad 300 wykładów, debat i dyskusji poświęconych osiągnięciom i perspektywom wykorzystania sztucznej inteligencji, przede wszystkim dla przemysłu

Wydarzenie otworzył David Wang, wiceprzewodniczący zarządu i rotacyjny prezes Huawei, wystąpieniem „Rozwój świata agentów AI, budowa solidnych fundamentów krzemowych”. Przedstawił działania, które firma podejmuje wraz z partnerami, aby rozwijać efektywną infrastrukturę AI i odpowiadać na wyzwania związane z rozwojem inteligentnego świata.

Fundamenty niezbędne dla rozwoju AI

Jak zwraca uwagę Huawei, sztuczna inteligencja rozwija się szybciej niż działo się to w czasie jakiejkolwiek rewolucji technologicznej. Liczba parametrów modeli bazowych szybko zbliża się do 10 bilionów, a do 2030 r. ma przekroczyć 100 bilionów. Agenci AI są w stanie nieprzerwanie pracować nad zadaniem przez wiele godzin. Do 2030 r. będą mogli realizować je rozłożone nawet na wiele miesięcy – prognozuje firma.
W samych Chinach średnia liczba tokenów wykorzystywanych każdego dnia w procesach inferencji (wnioskowania) wzrosła do około 500 bilionów, a do 2030 r. ma sięgnąć poziomu trylionów (10¹⁸).

Dynamicznie rozwija się także AI działająca bezpośrednio na urządzeniach – zauważa Huawei. Skala modeli wykorzystywanych w smartfonach wzrosła z 3 miliardów parametrów w 2024 r. do 30 obecnie, a w niedalekiej przyszłości może sięgnąć setek miliardów.

Huawei ocenia, że trendy te znacząco podnoszą wymagania dotyczące skali, wydajności i niezawodności podstawowej infrastruktury technologicznej. Rozwój wydajnej infrastruktury AI ma pozwolić branży stworzyć solidne fundamenty dla przyszłego inteligentnego świata.

W centrum strategii Huawei w obszarze AI znalazła się moc obliczeniowa, ze szczególnym naciskiem na wykorzystanie potencjału sprzętu. Przewagę konkurencyjną mają wzmacniać innowacje systemowe i w architekturach. W centrum tych działań znajdują się rozwiązania SuperPoD i SuperCluster, które mają stworzyć, jak informuje firma, nową alternatywę dla rynku.

Huawei jest również jednym z głównych podmiotów rozwijających otwarte ekosystemy obliczeniowe. Deklaruje, że będzie nadal wspierać natywne trenowanie najważniejszych modeli bazowych na swoich systemach, a także szeroką gamę modeli i aplikacji.

Dzięki zróżnicowanym formom mocy obliczeniowej, Huawei chce wspierać rozwój AI działającej bezpośrednio na urządzeniach oraz w pojazdach, w duchu, jak definiuje to firma, powszechnie dostępnej inteligencji. Rozwija również sieci komunikacyjne nowej generacji, których celem jest zapewnienie łatwego dostępu do mocy obliczeniowej i inteligentnych usług osobom indywidualnym, gospodarstwom domowym oraz organizacjom.

Klaster dla rozwoju sztucznej inteligencji

Podczas HUAWEI CONNECT 2026 firma zaprezentowała m.in. Atlas 960E SuperPoD, pierwszy w branży system wykorzystujący technologię NPO, zmodernizowany TaiShan 950 SuperPoD oraz system pamięci kontekstowej OceanStor M900. Dzięki UnifiedBus nowe rozwiązania mogą tworzyć klastry obsługujące nawet milion jednostek NPU (Neural Processing Unit).

Do tej pory wdrożono ponad 1000 systemów Atlas 900 A3 SuperPoD, a Atlas 950 SuperPoD jest już wykorzystywany komercyjnie na dużą skalę. Wdrożenia obejmują przemysł, środowisko akademickie i instytucje badawcze. SuperPoD definiowany jest jako system obliczeniowy, w którym wiele węzłów obliczeniowych jest ściśle połączonych za pomocą szybkich protokołów komunikacyjnych, a dzięki zunifikowanej pamięci w obrębie fizycznych węzłów całość działa jak jeden logiczny komputer.

Jak podkreśla firma, SuperPoD-y stają się jednym z podstawowych rozwiązań przy budowie infrastruktury AI. Obecnie klastry obliczeniowe liczące 100 tys. jednostek NPU stały się punktem odniesienia przy trenowaniu najnowocześniejszych modeli. Huawei wskazuje, że w tradycyjnej architekturze serwerowej komunikacja wewnątrz klastra odpowiada za ponad 40 proc. całkowitego czasu treningu, co znacząco ogranicza efektywne wykorzystanie mocy obliczeniowej określane wskaźnikiem MFU (Model FLOPs Utilization). Symulacje Markov Lab Huawei pokazują, że klaster złożony ze 100 tys. NPU, zbudowany z SuperPoD-ów po 4 tys. NPU każdy, może osiągnąć 2,75-krotnie wyższy wskaźnik MFU niż klaster o tej samej liczbie NPU oparty na serwerach

Najważniejszym elementem opracowanego przez Huawei portfolio 11 rozwiązań opartych na UnifiedBus, przeznaczonych dla SuperPoD-ów i SuperClusterów są układy z serii Ascend.
– Rozwijamy serię układów Ascend, wprowadzając jedną generację rocznie – powiedział Wang podczas swojego wystąpienia. – W 2028 i 2029 r. wprowadzimy odpowiednio układy Ascend 970 i Ascend 980. Dzięki prawu skalowania Tau (τ) nie tylko ich moc obliczeniowa będzie nadal podwajana, ale możemy również spodziewać się znaczącego wzrostu przepustowości i pojemności pamięci, wydajności połączeń oraz innych kluczowych parametrów – dodał.

Huawei opracował również kompletne portfolio układów dla infrastruktury AI, oparte na UnifiedBus.
– SuperPoD-y zostały zaprojektowane tak, aby koordynować pracę wielu połączonych ze sobą jednostek NPU. Opracowaliśmy nową generację rozwiązania wykorzystującego połączenia optyczne w technologii near-packaged optics (NPO): High-density Optical-interconnect-Node Engine, czyli Hi-ONE – powiedział Wang.

Hi-ONE bazuje na autorskich technologiach Huawei i wykorzystuje wzajemne oddziaływanie wielu zjawisk fizycznych, aby zoptymalizować parametry optyczne, mechaniczne, elektryczne, elektromagnetyczne i termiczne. Pojedynczy moduł osiąga przepustowość transmisji na poziomie 7,2 Tbit/s.

– To pierwszy w branży produkt NPO gotowy do masowej produkcji, oferujący największą przepustowość transmisji. Jest to także pierwszy w branży produkt NPO z wbudowanym źródłem światła – zaznaczył Wang.
Rozwiązanie ma łączyć wysoką przepustowość i niezawodność z niskimi opóźnieniami oraz niewielkim zużyciem energii, a w połączeniu z UnifiedBus znacząco ułatwić skalowanie systemów połączeń wykorzystywanych w SuperPoD-ach.

Pojedynczy serwer to za mało

Jak podkreśla Huawei, wraz ze wzrostem skali najnowocześniejszych modeli do 10 bilionów parametrów ich trening i inferencja nie mogą już opierać się na pojedynczym serwerze AI ani pojedynczym systemie AI SuperPoD. Wymaga to bardziej złożonego środowiska obliczeniowego, obejmującego zarówno AI SuperPoD-y, jak i SuperPoD-y ogólnego przeznaczenia oraz system połączeń zapewniający bezpośrednią komunikację peer-to-peer bez konieczności konwersji protokołów. W przypadku inferencji niezbędny staje się również klaster pamięci podręcznej KV o pojemności liczonej w petabajtach.

Aby sprostać tym wymaganiom, Huawei gruntownie zmodernizował system TaiShan 950 SuperPoD. Nowa wersja, oparta na w pełni optycznej sieci UnifiedBus, obsługuje do 4096 węzłów i zapewnia zunifikowaną pulę pamięci o pojemności do 256 TB. Taka konfiguracja ma znacząco zwiększać wydajność agentów AI. Jak informuje firma, w przypadku obciążeń wymagających intensywnego korzystania z piaskownic uruchomienie 100 tys. przebiega 30 razy szybciej niż na tradycyjnych serwerach, a ich gęstość może być dodatkowo zwiększona o 25 proc. Z kolei przy wyszukiwaniu wektorowym obejmującym 10 mld wektorów o 1000 wymiarach SuperPoD zapewnia dwukrotnie wyższą efektywność wyszukiwania niż tradycyjne serwery.

Huawei wprowadził również OceanStor M900 – oparty na UnifiedBus klaster pamięci kontekstowej. Natomiast łącząc swoje kompetencje w obszarze mocy obliczeniowej i łączności, stworzył nowy agentowy SuperCluster, zaprojektowany z myślą o przyspieszaniu treningu i inferencji modeli liczących 10 bilionów parametrów. Wykorzystuje on UnifiedBus do ujednolicenia wielu protokołów komunikacyjnych w jeden zunifikowany. Umożliwia to bezpośrednią komunikację peer-to-peer między takimi podsystemami jak Ascend SuperPoD, Kunpeng SuperPoD i klastry pamięci podręcznej KV. Dzięki dwupoziomowej, czteropłaszczyznowej architekturze Clos SuperCluster może połączyć do 512 tys. jednostek NPU. Przy zastosowaniu topologii multi-rail skala klastra może wzrosnąć nawet do miliona NPU.

Znaczenie open source i open system

Huawei rozwija otwarte ekosystemy obliczeniowe.
Jak podkreśla firma, ekosystem Kunpeng napędza innowacje cyfrowe i rozwój inteligentnych rozwiązań w wielu branżach. Do tej pory przyciągnął ponad 4,16 mln deweloperów oraz ponad 7200 partnerów należących do ekosystemu. Społeczność wspiera obecnie ponad 560 projektów open source na całym świecie. Liczba instalacji openEuler przekroczyła już 20 mln, co jak wskazuje Huawei zapewniło ekosystemowi największy udział w rynku systemów operacyjnych dla serwerów w Chinach.

Firma podkreśla też, że ekosystem Ascend osiągnął kolejny ważny etap rozwoju. Jego fundamentem jest Compute Architecture for Neural Networks (CANN). Obecnie CANN przeszedł na model ciągłego rozwoju open source napędzanego przez społeczność, dzięki czemu platforma zyskuje nowe funkcje i staje się bardziej przyjazna dla użytkowników. Zewnętrzni deweloperzy CANN stanowią obecnie 61 proc. wszystkich osób rozwijających platformę, po raz pierwszy przewyższając liczebnością wewnętrzny zespół Huawei. Społeczność CANN stała się najbardziej aktywną społecznością open source w Chinach – informuje firma. Ponadto ponad 40 modeli zostało wstępnie wytrenowanych natywnie z wykorzystaniem Ascend i CANN.

Ascend obsługuje obecnie ponad 90 wiodących zewnętrznych projektów open source, w tym PyTorch, Triton, vLLM i veRL. Dzięki wsparciu Linux Foundation, stał się pierwszą chińską platformą obliczeniową oficjalnie wspieraną przez PyTorch. To ułatwia deweloperom na całym świecie dostęp do najnowszych rozwiązań rozwijanych w ramach tego ekosystemu.

Co dalej: zróżnicowane formy mocy obliczeniowej

W kontekście korzystania ze sztucznej inteligencji w różnych scenariuszach, Huawei deklaruje, że będzie nadal rozwijać swoje technologie w czterech kluczowych obszarach. Po pierwsze, połączy układy Kirin i Ascend, aby zwiększyć niezależność i samowystarczalność w obszarze mocy obliczeniowej dostępnej bezpośrednio na urządzeniach. Po drugie, będzie łączyć modele Pangu z rozwiązaniami innych dostawców, aby zwiększyć możliwości AI działającej bezpośrednio na urządzeniach i ułatwiać korzystanie z niej. Po trzecie, HarmonyOS jako system operacyjny dla agentów i powszechnie dostępnej AI, zostanie gruntownie przeprojektowany: od architektury, przez sposób działania, po logikę interakcji, tak aby ułatwić współpracę ludzi z agentami AI. Po czwarte, będzie nadal rozwijać zróżnicowany ekosystem AI, który stanowi podstawę rozwoju agenta systemowego Celia.

Firma planuje stworzyć cztery platformy obliczeniowe przeznaczone odpowiednio dla smartfonów AI, komputerów AI, pojazdów i domów. Współpraca między urządzeniami oraz między urządzeniami i chmurą ma umożliwić wykorzystanie rozproszonej inteligencji roju i tym samym zapewnić zintegrowane i nieprzerwanie dostępne usługi. Docelowo rozwiązania te mają sprawić, jak ujmuje firma, że inteligentne funkcje będą dostępne dla każdego użytkownika i w każdej przestrzeni.

Jednocześnie Huawei podkreśla, że dla pełnego wykorzystania mocy obliczeniowej AI kluczowe znaczenie będą miały sieci komunikacyjne nowej generacji. Firma wspiera rozwój sieci, które poza łączeniem ludzi będą również zapewniać łatwy dostęp do zasobów obliczeniowych. Ich podstawę mają stanowić technologie 5G-A/6G, sieci optyczne o przepustowości 10 Gb/s oraz wielopoziomowe sieci transmisyjne o niskich opóźnieniach. Ma to umożliwić inteligentną łączność między centrami danych, infrastrukturą brzegową i urządzeniami.

– AI może okazać się ostatnią rewolucją technologiczną w historii ludzkości – podkreślił Wang. Zaznaczył, że jej wpływ jest głębszy i szerszy, a tempo zmian szybsze niż ktokolwiek mógł wcześniej przypuszczać. – Żadna pojedyncza firma nie jest w stanie samodzielnie zbudować inteligentnego świata – puentował.

Zadeklarował m.in., że firma będzie nadal budować fundamenty, aby moc obliczeniowa była łatwo dostępna dla wszystkich, wspierać oprogramowanie open source, pomagając deweloperom w pełni wykorzystywać jego potencjał, a także szeroką gamę modeli i aplikacji, aby umożliwić ich wykorzystanie w różnych zastosowaniach.
JPO