Huawei a présenté le 17 septembre 2026 plus de dix composants destinés à l’infrastructure d’intelligence artificielle. La gamme comprend des accélérateurs IA, des processeurs et des puces de connectivité haut débit. Son ambition ne consiste pas à lancer un seul « superprocesseur » capable de battre Nvidia sur tous les terrains : Huawei assemble les composants Ascend dans des systèmes Atlas conçus pour fonctionner à très grande échelle.
Huawei présente une gamme de plus de dix composants pour l’IA
La présentation rapportée le 17 septembre 2026 couvre trois grandes familles de composants : les accélérateurs pour les charges d’IA, les processeurs et les puces chargées de la connectivité rapide entre les différents éléments d’un serveur ou d’un cluster.
Cette combinaison est importante, car un centre de données ne repose pas sur la seule puissance de calcul d’une puce. Les accélérateurs doivent échanger rapidement des données, travailler avec les processeurs du système et être intégrés à des serveurs capables de fournir mémoire, refroidissement et alimentation. Huawei cherche donc à proposer une pile d’infrastructure, plutôt qu’un composant isolé.
La famille Ascend désigne les accélérateurs IA de Huawei. Atlas correspond aux plateformes et aux systèmes de calcul qui les réunissent. Huawei avait présenté ces deux axes dès 2018, avant de faire évoluer son offre vers des architectures de plus grande taille.
Il ne s’agit pas seulement d’un accélérateur
La réponse à la question centrale est donc claire : Huawei ne mise pas principalement sur une puce unique plus puissante que celle de Nvidia. L’entreprise cherche à augmenter la puissance totale en reliant un grand nombre d’accélérateurs Ascend grâce à des interconnexions rapides et à des systèmes Atlas.
Cette approche permet de déplacer une partie de la bataille du composant vers l’architecture complète. Une puce moins performante individuellement peut contribuer à une infrastructure compétitive si le logiciel, les communications entre processeurs et la répartition des tâches suivent. Cela ne transforme toutefois pas automatiquement chaque accélérateur en équivalent d’un modèle Nvidia.
La feuille de route présentée dans le cadre de cette stratégie mentionne notamment les Ascend 950, Ascend 960 et Ascend 970, ainsi que les systèmes Atlas correspondants. Les annonces concernant les modèles futurs restent des éléments de feuille de route : elles ne valent pas, à elles seules, disponibilité commerciale générale.
La mise à l’échelle passe par des milliers de puces
Les systèmes Atlas 950 et Atlas 960 SuperPoD sont annoncés avec une capacité maximale respective de 8 192 et 15 488 processeurs Ascend. Huawei a également annoncé des systèmes Atlas 950 et Atlas 960 SuperCluster capables, selon cette annonce, de changer d’échelle jusqu’à plusieurs centaines de milliers, voire un million de processeurs.
Cette logique de « supernœud + cluster » est au cœur de la stratégie de Huawei. Un supernœud relie de nombreux accélérateurs dans une même architecture ; le cluster étend ensuite cette organisation à un ensemble beaucoup plus vaste de serveurs. Le résultat recherché est une capacité globale adaptée à l’entraînement et à l’exécution de modèles d’IA, même lorsque la performance d’une puce prise séparément reste en retrait.
Cette architecture augmente aussi la difficulté technique. Plus le nombre de processeurs monte, plus les échanges de données, la synchronisation, le refroidissement et la fiabilité du réseau interne deviennent déterminants. Le défi n’est donc pas seulement de compter les puces, mais de les faire travailler ensemble sans perdre trop de temps ni d’énergie dans les communications.
Que sait-on des performances face à Nvidia ?
La comparaison la plus précise rapportée concerne l’Ascend 910C. Des chercheurs de DeepSeek l’ont évalué à environ 60 % des performances d’inférence du Nvidia H100 dans une comparaison rapportée. Cette mesure concerne l’inférence, c’est-à-dire l’exécution d’un modèle déjà entraîné, et non une note universelle couvrant tous les usages de l’IA.
D’autres analyses utilisent une métrique différente, le « total processing performance » ou TPP. Selon cette estimation, la meilleure puce américaine serait actuellement environ cinq fois plus performante que la meilleure puce chinoise de Huawei dans ce cadre précis. La même analyse projette un écart de 17 fois au second semestre 2027 en s’appuyant sur des feuilles de route.
Ces deux chiffres ne mesurent pas exactement la même chose : l’un concerne une comparaison d’inférence entre l’Ascend 910C et le H100, l’autre une estimation plus large de la puissance de traitement entre catégories de puces. Ils ne peuvent donc pas être fusionnés en un classement unique.
Le véritable obstacle est aussi industriel
La conception d’un accélérateur ne suffit pas à construire une infrastructure IA compétitive. Huawei doit également produire les puces en volume, obtenir des rendements de fabrication acceptables, intégrer la mémoire à haute bande passante, maîtriser le conditionnement avancé et fournir les logiciels nécessaires aux développeurs.
La production chinoise reste associée à des procédés de gravure de classe 7 nm et à un accès limité aux équipements de lithographie les plus avancés. Les restrictions visant ces équipements, ainsi que les difficultés liées à la mémoire et au conditionnement, compliquent l’augmentation des volumes.
L’écosystème logiciel constitue un autre front. Les clients doivent pouvoir porter leurs modèles, exploiter les bibliothèques disponibles et administrer de grands clusters sans réécrire toute leur chaîne de calcul. Nvidia conserve ici l’avantage d’un environnement logiciel largement utilisé, tandis que Huawei doit renforcer la compatibilité et les outils qui entourent ses accélérateurs.
C’est pourquoi les systèmes Atlas comptent autant dans la stratégie : ils permettent à Huawei de contrôler davantage de couches, depuis l’accélérateur jusqu’à l’interconnexion et au serveur. Mais cette intégration doit encore s’accompagner d’une production suffisamment abondante et d’un écosystème logiciel capable de suivre la demande chinoise en calcul IA.
Une offensive d’infrastructure, pas un lancement grand public
La présentation du 17 septembre 2026 décrit une offensive dans l’infrastructure d’entreprise et les grands centres de calcul. Elle ne s’accompagne pas d’un tarif destiné au grand public ni d’une offre de vente au détail comparable à celle d’une carte graphique pour PC.
Pour Huawei, l’enjeu est d’abord stratégique : fournir aux acteurs chinois une capacité de calcul domestique malgré les restrictions d’accès aux composants et aux équipements étrangers. Pour Nvidia, la menace ne se limite donc pas à la fiche technique d’un accélérateur. Elle concerne la capacité d’un concurrent à réunir matériel, réseau, logiciels et production autour de grands déploiements.
La course ne se jouera pas uniquement sur le nombre de processeurs annoncé dans un SuperCluster. Elle dépendra aussi de la capacité à fabriquer ces composants, à les relier efficacement et à les faire fonctionner avec les outils dont les équipes d’IA ont besoin.
