CloudMatrix 384: Huaweis AI-kluster med 384 chipp utmanar Nvidia mitt i USA:s exportrestriktioner

Huaweis CloudMatrix 384 gör anspråk på att vara med i Kinas AI-kapplöpning med hög prestanda. På bilden: Huaweis AI-kluster Atlas 900 (Bildkälla: Huawei)

På WAIC Shanghai presenterade Huawei CloudMatrix 384: ett system med 384 Ascend 910C-acceleratorer anslutna via en egenutvecklad "super-node"-koppling, utformad för att konkurrera med Nvidias GB200 NVL72-plattform.

Nathan Ali (översatt av Ninh Duy), Publicerad 07/27/2025 🇺🇸

Huawei Technologies har presenterat sitt mest ambitiösa sitt mest ambitiösa AI-system hittills, CloudMatrix 384, på World Artificial Intelligence Conference (WAIC) i Shanghai. Systemet, som visas offentligt för första gången, är utformat för att påskynda storskalig modellträning och positionerar företaget som ett inhemskt alternativ till Nvidias avancerade GB200 NVL72-plattform.

Systemets kärna består av 384 Ascend 910C-acceleratorer som är sammankopplade via en egenutvecklad "super-node"-koppling. Genom att gruppera fler chip kompenserar designen för lägre genomströmning per enhet och uppnår en sammanlagd prestanda som, enligt SemiAnalysis, kan överträffa Nvidias GB200 i vissa benchmarks. WAIC avslöjade inte exakta prestandasiffror, men analytiker noterar att Huawei prioriterar optimering av bandbredd och latens framför individuell processorprestanda.

Lanseringen sker samtidigt som USA:s exportrestriktioner blockerar Nvidias snabbaste GPU:er från Kina, vilket skapar en öppning för Huawei. Som Nvidias VD konstaterade i maj "rör sig Huawei ganska snabbt" Företaget kan nu leverera inhemsk hårdvara till molnleverantörer och forskningsinstitut, och använder en intern metod som kringgår licensbegränsningar som begränsar många lokala chipdesigners.

Grundaren Ren Zhengfei medger att Ascend-chipen ligger efter amerikanska konkurrenter i råstyrka, men hävdar att matematisk optimering och klusterberäkningar kan minska prestandagapet för verkliga arbetsbelastningar. Företaget avsätter cirka 180 miljarder yen (≈ 25 miljarder USD) årligen till forskning och utveckling, varav en tredjedel går till långsiktig teoretisk forskning, som Ren anser vara nödvändig för att minska beroendet av Moores lag.

Huruvida CloudMatrix 384 kommer att leda till ett brett kommersiellt genomslag beror på pris, mjukvarans mognadsgrad och Pekings förändrade molnupphandlingspolicy. Icke desto mindre understryker dess utseende hur snabbt Kinas ekosystem för AI-hårdvara svänger mot hemmagjorda lösningar - och hur konkurrensen skiftar från enskilda chips till full stack, innovation på systemnivå.