핵심 내용
Huawei는 9월 17일 Huawei Connect에서 차세대 AI 가속기와 대규모 시스템 로드맵을 공개했다. Ascend 960DT는 기존 계획보다 3개 분기 빠른 2027년 1분기, 960PR은 1개 분기 빠른 2027년 3분기 준비될 예정이다. 회사는 이후에도 2028년 Ascend 970, 2029년 Ascend 980으로 매년 한 세대씩 업데이트하겠다고 밝혔다. Reuters에 따르면 Huawei는 현재 중국 내 AI 컴퓨팅 장비 수요조차 모두 충족하지 못해 해외 판매를 제한하고 있으며, Eric Xu 회장은 자사 Ascend의 중국 시장 점유율이 Nvidia보다 클 것으로 본다고 말했지만 이를 뒷받침하는 시장 데이터는 제시하지 않았다.
Huawei가 특히 강조한 것은 단일 칩 성능보다 interconnect다. 새 Atlas 960E SuperPoD는 최대 4,096개 NPU, FP8 8 EFLOPS, 최대 1PB HBM을 하나의 시스템으로 묶는다고 회사가 설명했다. 여러 SuperPoD를 UnifiedBus와 새 optical interconnect로 연결하는 Peerium/SuperCluster 구조는 최대 100만 NPU까지 확장하는 것이 목표다. Huawei는 대규모 기존 서버 구조에서 머신 간 통신이 학습시간의 40% 이상을 차지할 수 있기 때문에 연결계층을 개선해 개별 칩 성능 격차를 시스템 규모에서 보완하려는 전략을 내세웠다.
배경
미국 수출통제로 중국은 Nvidia의 최신 가속기와 첨단 반도체 제조장비 접근이 제한돼 있다. Huawei는 이에 대응해 자체 Ascend 계열을 개발하는 동시에, 칩 하나의 절대 성능보다 많은 NPU를 낮은 지연시간으로 연결하는 scale-up/scale-out 시스템에 투자해 왔다. Reuters는 Huawei가 이미 이전 세대 Ascend 910C 기반 시스템을 1,000개 이상 배치했고, Ascend 플랫폼에서 직접 학습된 AI 모델이 40개를 넘었다고 전했다. 다만 CUDA를 중심으로 한 Nvidia의 개발 생태계 우위는 여전히 큰 장벽이다.
산업·시장 영향
중국 AI 인프라는 ‘Nvidia 대체 칩’ 한 종류를 만드는 단계에서 가속기·메모리·광인터커넥트·스토리지·관리 소프트웨어 전체 스택을 묶는 단계로 이동하고 있다. Huawei가 100만 NPU급 시스템을 실제 안정적으로 운영할 수 있다면 중국 프런티어 모델 개발의 compute 제약을 일부 완화할 수 있지만, 전력·냉각·수율·소프트웨어 호환성·실제 utilization이 성능을 좌우하기 때문에 회사가 제시한 최대 규모를 곧바로 실효성 있는 학습성능으로 해석해서는 안 된다.
실무에서 바로 활용할 시사점
AI 인프라를 비교할 때 GPU/NPU 단일 benchmark만 보지 말고 accelerator → HBM → interconnect → collective communication → compiler/runtime 전체를 하나의 시스템으로 평가해야 한다. 특히 수천~수만 개 가속기를 묶는 학습에서는 연산 성능보다 통신 병목이 더 큰 비용요인이 될 수 있으므로 all-reduce 효율, fault recovery, 네트워크 전력, 실제 model scaling efficiency를 함께 측정할 필요가 있다.
출처: Huawei — Advancing the Agentic World, Building a Solid Silicon Foundation, Reuters — China’s Huawei says AI chip demand outstrips supply as it steps up Nvidia challenge