Huawei ha presentato il 17 settembre 2026 oltre dieci chipset per l’infrastruttura di intelligenza artificiale, tra acceleratori, CPU e chip per la connettività ad alta velocità. La novità non è soltanto una nuova scheda: Huawei sta costruendo una piattaforma che combina componenti diversi e grandi sistemi Atlas, con l’obiettivo di ridurre il peso del vantaggio di Nvidia attraverso il collegamento di migliaia di processori.
Huawei presenta una cartera di oltre dieci chip per l’infrastruttura IA
La presentazione ha riguardato una cartera di più di dieci chipset per i sistemi di IA. Il titolo del resoconto che ha riportato l’annuncio parlava di 11 chip legati all’intelligenza artificiale, mentre la descrizione dell’iniziativa indicava “oltre dieci” componenti. Le categorie indicate sono tre: acceleratori IA, CPU e chip per la connettività ad alta velocità.
Questo perimetro è importante: non si tratta di un unico modello destinato ai computer personali, ma di una proposta per data center e infrastrutture aziendali. La famiglia Ascend rappresenta la linea di acceleratori IA di Huawei; Atlas identifica invece la piattaforma di calcolo e i sistemi per collegare questi componenti.
Non è solo un acceleratore: la strategia combina chip e sistemi
Huawei ha presentato la propria risposta alla carenza di accesso ai migliori acceleratori stranieri come un progetto di sistema. Il piano combina chip di calcolo, CPU, interconnessioni ad alta velocità e piattaforme Atlas, invece di affidare tutto alla velocità di un singolo processore.
Il 18 settembre 2025 Huawei aveva annunciato anche i sistemi Atlas 950 SuperPoD e Atlas 960 SuperPoD. Secondo i dati riportati per quei sistemi, l’Atlas 950 SuperPoD supporta fino a 8.192 processori Ascend, mentre l’Atlas 960 SuperPoD arriva fino a 15.488 processori Ascend. Le configurazioni SuperCluster associate erano descritte come scalabili da 500.000 a 1 milione di processori.
Questi numeri descrivono la scala del sistema, non la prestazione di un singolo acceleratore. È una differenza decisiva quando si confrontano architetture che puntano sulla potenza di ogni chip con una piattaforma che cerca di compensare collegandone molti.
La scommessa è aggregare migliaia di chip
Huawei cerca di competere con Nvidia collegando migliaia di Ascend in una struttura definita “supernode + cluster”. Alex Capri, docente senior alla NUS Business School, ha descritto l’approccio come un modo per unire molti chip e massimizzare la potenza complessiva del sistema.
In pratica, il risultato dipende da più livelli contemporaneamente: il calcolo degli acceleratori, la velocità delle interconnessioni, la memoria, il software che distribuisce il lavoro e la capacità del data center di alimentare e raffreddare l’insieme. Un chip meno potente singolarmente può quindi inserirsi in una macchina molto più grande; questo, però, non equivale a pareggiare le prestazioni del singolo acceleratore concorrente.
Cosa è stato riportato sul rendimento rispetto a Nvidia
Il confronto più concreto riguarda l’Ascend 910C e l’Nvidia H100. Una valutazione attribuita a ricercatori di DeepSeek ha collocato l’inferenza dell’Ascend 910C a circa il 60% di quella dell’H100 in uno specifico confronto. Il dato riguarda l’inferenza e quel confronto: non è una misura universale valida per ogni modello IA, carico di lavoro, configurazione hardware o stack software.
Un’altra stima sul TPP, cioè la potenza di elaborazione complessiva, ha valutato il migliore chip IA statunitense come circa cinque volte più potente del migliore chip Huawei attuale secondo quel parametro. La stessa proiezione portava il divario a 17 volte nella seconda metà del 2027, sulla base della roadmap considerata.
Le due cifre misurano aspetti diversi: il 60% riguarda un confronto specifico sull’inferenza, mentre il rapporto cinque a uno riguarda il TPP. Non descrivono quindi la stessa prestazione con due risultati incompatibili.
Il collo di bottiglia è produrre e scalare
La sfida per Huawei non riguarda soltanto la progettazione. Gli acceleratori Ascend 910B e Ascend 910C sono associati a una produzione nella classe dei 7 nm, mentre l’accesso a strumenti di litografia più avanzati resta un limite per la filiera cinese. La produzione su larga scala richiede inoltre memoria ad alta larghezza di banda, packaging avanzato, buone rese produttive e software capace di sfruttare migliaia di chip insieme.
I controlli sulle esportazioni hanno ristretto l’accesso a strumenti e componenti fondamentali per la produzione dei semiconduttori. Per questo la strategia dei cluster ha una doppia funzione: aumentare la potenza aggregata e lavorare con processi produttivi disponibili in Cina. Ma ogni passaggio della catena — dal wafer alla memoria, dal packaging alle interconnessioni — può limitare il numero di sistemi realizzabili.
Anche l’ecosistema software pesa. Nvidia dispone di un ambiente di sviluppo ampiamente usato per applicazioni IA; sostituire quel flusso di lavoro richiede strumenti compatibili, librerie, ottimizzazioni e competenze. La disponibilità di molti acceleratori non risolve automaticamente questo problema.
Una sfida industriale, non un lancio retail
Le informazioni sulla cartera presentata da Huawei riguardano infrastrutture IA per aziende e data center. I modelli Ascend 950PR, Ascend 950DT e Ascend 960 sono descritti come prodotti pianificati o inseriti nella roadmap: l’Ascend 950PR era previsto per il primo trimestre del 2026, l’Ascend 950DT per il 2026 e l’Ascend 960 per il quarto trimestre del 2027.
La notizia del 17 settembre 2026 segna quindi un’espansione della strategia di Huawei: più categorie di chip, sistemi Atlas su scala molto ampia e una dipendenza maggiore dal collegamento fra acceleratori. Il confronto con Nvidia resta legato a metriche, software, produzione e disponibilità dei sistemi, non al semplice conteggio dei chip presentati.
