- Huawei Ascend 920C er en processor af kunstig intelligens fremstillet i 6 nm af SMIC, med overlegen ydeevne i forhold til tidligere generationer.
- Chippen opnår 900 TeraFLOPS og en hukommelsesbåndbredde på 4.000 GB/s takket være HBM3.
- Den har effektivitetsforbedringer på mellem 30 og 40 % sammenlignet med Ascend 910C, med et reduceret energiforbrug på mellem 10 og 15 %.
- 920C-versionen er optimeret til Transformer- og Mixture of Expert-modellerne og tilbyder et effektivt lokalt alternativ til amerikanske chipleksportrestriktioner.
I en global sammenhæng, hvor kunstig intelligens teknologi I centrum af store handelskonflikter har Huaweis reaktion på amerikanske sanktioner været hurtig. Virksomheden har præsenteret Huawei Ascend 920C, dets nye satsning inden for acceleratorsektoren IA, der markerer en vigtig milepæl i kinesisk teknologisk autonomi efter begrænsningen af eksporten af amerikanske chips som f.eks. NVIDIA H20. Dette skridt søger ikke kun at fastholde det asiatiske lands konkurrencetempo, men forsøger også at lægge grundlaget for en uafhængig, banebrydende teknologisk infrastruktur.
Udviklingen af Stig op 920C Det kommer i hælene på forlængelsen af forbuddet mod eksport af nøglekomponenter til Kina, hvilket fik Huawei og andre lokale firmaer til at accelerere innovationen. Afsløret på en partnerkonference var denne processor en af branchens største overraskelser, der bekræftede landets evne til at udfylde hullet efter vestlige restriktioner og positionerede sig selv som et klart alternativ til store datacentre og teknologiinstitutioner.
Et stort spring fremad: 6nm proces og fornyet effektivitet
El Huawei Ascend 920C Det er fremstillet under en litografisk proces af 6 nanometer af SMIC, en forbedring i forhold til den forrige generation, der brugte 7 nm. Denne reduktion giver mulighed for tættere og mere effektive komponenter, hvilket udmønter sig i lavere energiforbrug — anslået til at være 10 til 15 % lavere — og større behandlingskapacitet. Dette fremskridt er delvist et svar på behovet for at reducere afhængigheden af udenlandske teknologier og øge selvforsyningen på halvledermarkedet, som i øjeblikket gennemgår en hård konkurrence om AI-overherredømme.
En af de vigtigste nye funktioner, som denne chip bringer i forhold til den tidligere version, Ascend 910C, er dens computerkraft. Den nye model når 900 TeraFLOPS i BF16 operationer, hvilket repræsenterer en omtrentlig stigning på 15 % sammenlignet med 910C. Hertil kommer hukommelsesbåndbredde er steget markant og går fra 3.200 GB/s (med HBM2E) til 4.000 GB/s takket være brugen af HBM3-hukommelse. Dette repræsenterer en 25 % forbedring i dataoverførselshastigheden, nøglen til at drive de mest krævende AI-systemer og store maskinlæringsmodeller.
Interne kilder i virksomheden sikrer, at samlet træningseffektivitet på 920C vil vokse mellem en 30 og 40% sammenlignet med sin forgænger. Dette aspekt er grundlæggende, når man træner avancerede modeller, såsom dem, der er relateret til naturlig sprogbehandling eller computersyn, hvor mængden af data, der skal behandles, og energieffektivitet kan gøre en væsentlig forskel i omkostninger og konkurrenceevne.
920C: Drevet til avancerede modeller og store systemer
La variant 920C Den er specielt designet til at blive brugt i avancerede AI-opgaver, som f.eks neurale netværk Transformer og Mixture of Experts (MoE) modeller, almindelige i store maskinlæringsinfrastrukturer. Ifølge lækager og tekniske specifikationer udgivet af Huawei, forbedrer denne version ikke kun effektiviteten, men styrker også evne til at accelerere tensoroperationer, hvilket gør det til en meget attraktiv mulighed for datacentre, der søger maksimal ydeevne pr. forbrugt watt.
Meget af den ekstra effektivitet kommer fra brugen af den nye 6nm node, interne optimeringer og springet til HBM3-hukommelse, som gør det muligt at arbejde med større mængder data og mere komplekse modeller på kortere tid og med lavere energiforbrug. Selvom ikke alle specifikke strømforbrugsparametre er blevet detaljeret, tyder estimater på, at Ascend 920C-baserede systemer vil være køligere og nemmere at integrere i standardkøleløsninger sammenlignet med udenlandske chips med høj effekt.
Arkitekturen omfatter også en optimeret chip-til-chip-forbindelse til klyngemiljøer. Selvom det stadig skal ses, om interchip-båndbredden forbliver på 400 GB/s, som i Ascend 910C, eller er blevet forbedret i denne generation, går tendensen i retning af at maksimere skalerbarheden og fleksibiliteten i store distribuerede computerinstallationer.
Sammenligning med NVIDIA og international kontekst
Udseendet af Stig op 920C falder sammen med ikrafttrædelsen af stærke internationale restriktioner eksport af seneste generations chips, såsom NVIDIA H20 og AMD MI308, til Kina. Dette har skabt en mulighed for den asiatiske gigant, som ikke kun har til formål at udfylde hullet i disse produkter på sit hjemmemarked, men også at konkurrere med hensyn til ydeevne, effektivitet og omkostninger.
Specifikt sigter Huawei AI CloudMatrix 384, præsenteret sammen med den nye chip, på at positionere sig selv som et tilbud på højt niveau til datacentre og supercomputing. I interne test overgår denne løsning NVIDIA GB200-systemet, dog med lidt højere energiforbrug. Ankomsten af 920C søger at reducere denne forskel, lukke hullet i energieffektivitet og lette anvendelsen i applikationer, hvor elektriske omkostninger og varmeafledning er afgørende faktorer.
Benchmark-estimater tyder på, at den Ascend-baserede CloudMatrix 384-klynge i øjeblikket er en 70 % hurtigere end NVIDIAs NVL72-system, der også tilbyder 3,6 gange mere hukommelse og op til 2,1 gange større hukommelsesbåndbredde. NVIDIA er dog stadig førende i effekt pr. watt (2,3 gange mere effektiv ifølge tilgængelige data) og hukommelseseffektivitet, men ankomsten af 920C kan afbalancere vægten i fremtidige uafhængige analyser.
Tekniske højdepunkter i Ascend 920C
Opsummer de vigtigste kendetegn ved Huawei Ascend 920C Det hjælper med at forstå det spring, det repræsenterer i forhold til tidligere generationer og dets rolle på det globale AI-marked:
- Fabrikationsproces: 6 nm SMIC N+3
- BF16 Peak Performance: 900 TeraFLOPS
- hukommelse: Bruger HBM3-moduler, med en båndbredde på 4.000 GB/s
- Consumo energético: Estimeret reduktion mellem 10 % og 15 %
- Træningseffektivitet: Forøgelse mellem 30 % og 40 %
- Optimering til MoE og transformere: Forbedret arkitektur og acceleratorer til disse arbejdsbelastninger
- skalerbarhed: Høj båndbredde chip-til-chip sammenkobling
Med hensyn til omkostninger indikerer indledende analyser, at Stig op 920C Det tilbyder konkurrencedygtig værdi sammenlignet med udenlandske chips i samme rækkevidde, hvilket letter adgangen til banebrydende teknologi for kinesiske virksomheder og institutioner uden at være afhængig af eksport, der kan blive uventet begrænset. For bedre at forstå, hvordan Huawei styrker sin strategi på dette område, kan du henvise til Denne analyse af Kinas støtte til chips.
Dette teknologiske fremskridt afspejler Huawei og Kinas strategi om at reducere deres afhængighed af eksterne spillere og styrke deres position på det globale halvleder- og AI-marked, hvilket markerer et vigtigt skridt i den retning.
Passioneret forfatter om bytes-verdenen og teknologien generelt. Jeg elsker at dele min viden gennem skrivning, og det er det, jeg vil gøre i denne blog, vise dig alle de mest interessante ting om gadgets, software, hardware, teknologiske trends og mere. Mit mål er at hjælpe dig med at navigere i den digitale verden på en enkel og underholdende måde.