KI SpotlightNewsHuawei forciert eigene KI-Chips – unklare Leistungsdaten beim Ascend 910B
Neue KI-Beschleuniger vorgestellt, doch Leistungsangaben zum Vorgänger bleiben widersprüchlich
Mit KI erstellt◆ Fakten auf einen Blick
- Gegenüber dem, was wir bisher berichtet haben (nur Nvidia-Allianzen), ist das gesamte Thema neu. Konkret neu sind: die Vorstellung des Ascend 950/950PR und des Atlas 950 SuperNode, der erfolgreiche Einsatz von Ascend 910B beim Training von DeepSeek V3 und openPangu 2.0 sowie die Behauptung, dass Atlas-Systeme Nvidias NVL144 in Skalierung und Speicher deutlich übertreffen.
- Huawei (gewinnt durch technologische Unabhängigkeit und Marktanteile in China), Nvidia (verliert potenziell den chinesischen Markt), chinesische KI-Unternehmen und Cloud-Anbieter (profitieren von lokal verfügbarer Hardware), US-Regierung (Exportkontrollen treiben Huaweis Eigenentwicklung voran), internationale Kunden außerhalb Chinas (können Huawei-Hardware aufgrund von Exportbeschränkungen nicht legal erwerben).
- Huawei intensiviert die Entwicklung und Produktion eigener KI-Computing-Systeme (Ascend-Chips, Atlas-Supercluster), um Nvidias Dominanz im chinesischen Markt zu brechen und eine eigenständige KI-Hardware-Infrastruktur aufzubauen.
Huawei forciert eigene KI-Hardware mit Ascend 950 und Atlas 950 SuperNode
Huawei hat den KI-Beschleuniger Ascend 950 (auch als 950PR bezeichnet) sowie den Atlas 950 SuperNode vorgestellt. Der Atlas 950 SuperNode wird als Teil der Recheninfrastruktur hinter einigen DeepSeek-Modellen genannt. Der Vorgänger Ascend 910B soll bereits beim Training von DeepSeek V3 und openPangu 2.0 eingesetzt worden sein. Huawei treibt damit den Ausbau seiner eigenen KI-Hardware voran.
Widerspruch bei FP16-Rechenleistung des Ascend 910B
Zur FP16-Rechenleistung des Ascend 910B existieren widersprüchliche Angaben: Eine Quelle nennt 128 TFLOPS, eine andere schätzt rund 600 TFLOPS. Die Diskrepanz ist erheblich und die Angaben stammen aus unterschiedlichen Quellen. Eine unabhängige Verifizierung der tatsächlichen Leistung fehlt bislang, was eine belastbare Einordnung des Chips erschwert.
