Atlas 350: Ascend 950PR 3-mal leistungsstärker als H20 in FP4

# Atlas 350 auf Ascend 950PR: FP4-Leistung und Vergleich mit Nvidia H20

Huawei hat den KI-Beschleuniger Atlas 350 auf Basis des Ascend 950PR-Chips angekündigt. Das Gerät liefert 1.56 PFLOPS im FP4-Format und übertrifft laut Hersteller den Nvidia H20 um das 2,87-Fache. Es ist für Inferenz optimiert, insbesondere die Prefill-Phase, mit 112 GB HBM-Speicher bei 1,4 TB/s Bandbreite und einem TDP von 600 W.

Technische Spezifikationen und Architektur

Ascend 950PR ist der erste chinesische Chip mit nativer FP4-Unterstützung, einem Format mit extrem niedriger Präzision, das Nvidia erst in der Blackwell-Architektur umsetzt. Der H20 auf Hopper unterstützt FP4 nicht nativ, weshalb direkte Vergleiche bedingt sind: Huawei beansprucht einen Vorteil in einer Fähigkeit, die dem Konkurrenten fehlt.

Atlas 350 verfügt über 112 GB Hochgeschwindigkeits-HBM-Speicher mit 1,4 TB/s Bandbreite – 50 % mehr als beim H20. Der Stromverbrauch beträgt 600 W. Der Beschleuniger zielt auf Inferenz ab, mit Fokus auf die Prefill-Phase, in der FP4 einen Geschwindigkeitsvorteil bei akzeptabler Genauigkeit für KI-Workloads bietet.

• Speicher: 112 GB HBM, 1.4 TB/s
• Leistung: 1.56 PFLOPS FP4
• TDP: 600 W
• Preis: ~111.000 Yuan (~16.000 USD)
• Vergleich mit H20: +2,87x in FP4 (H20 ohne native Unterstützung)

Vergleich mit Nvidia H20 und H200

H20 ist eine gedrosselte Version für den chinesischen Markt auf Basis von Hopper, unterliegt Exportbeschränkungen. Der Preis für H20 liegt zwischen 15.000 und 25.000 USD, sodass Atlas 350 bei rund 16.000 USD liegt. Im Vergleich zum vollen Hopper H200 ist Atlas etwa halb so teuer, aber weniger vielseitig.

Der entscheidende Haken: Die FP4-Überlegenheit ist vor allem ein Marketingargument, da H20 für dieses Format nicht optimiert ist. Dennoch stellt die native FP4-Unterstützung im Ascend 950PR einen technologischen Durchbruch für China dar und reduziert die Abhängigkeit von westlichen Architekturen.

| Parameter | Atlas 350 | Nvidia H20 | Nvidia H200 |

|--------------|-----------|------------|-------------|

| Memory | 112 GB HBM| ~75 GB | 141 GB |

| Bandwidth | 1.4 TB/s | ~1 TB/s | 4.8 TB/s |

| TDP | 600 W | 400 W | 700 W |

| FP4 PFLOPS | 1.56 | None | None (until Blackwell) |

Unabhängigkeit von externen Lieferanten

Huawei strebt einen vollständigen Produktionszyklus an. Pläne umfassen hauseigenen HBM-Speicher bis 128 GB und 1,6 TB/s, um Risiken von Samsung und SK hynix zu minimieren. Ascend 950PR nutzt den CANN-Stack für KI-Entwicklung, vollständig unabhängig von CUDA.

Chip-Roadmap:

• Ascend 950DT — Q4 2026
• Ascend 960 — Ende 2027
• Ascend 970 — 2028

Das ermöglicht die Skalierung von KI-Infrastruktur ohne externe Zwänge.

Was zählt

• FP4 als Vorteil: Native Unterstützung beschleunigt Prefill-Inferenz, relevant für mittlere bis fortgeschrittene KI-Entwickler.
• Speicher und Bandbreite: 112 GB HBM bei 1,4 TB/s ist wettbewerbsfähig für Aufgaben mit großen Modellen.
• Preis-Leistung: ~16.000 USD mit Überlegenheit in einer Nischenmetrik gegenüber H20.
• Autonomie: Hauseigener CANN-Stack und HBM-Pläne reduzieren Vendor-Lock-in.
• Grenzen des Vergleichs: H20 unterstützt kein FP4, reale Vorteile hängen vom Workload ab.

Atlas 350 eignet sich ideal zum Einsatz von KI-Modellen in sanktionierten Regionen, wo CUDA nicht verfügbar ist. Für erfahrene Spezialisten gilt: Optimierung für CANN und Test von FP4 in der Produktion sind entscheidend.

— Editorial Team