Atlas 350 : Ascend 950PR 3 fois plus puissant que H20 en FP4

Atlas 350 sur Ascend 950PR : Performances FP4 et comparaison avec Nvidia H20

Huawei a annoncé l'accélérateur IA Atlas 350 basé sur la puce Ascend 950PR. L'appareil offre 1,56 PFLOPS au format FP4 et, selon le fabricant, surpasse le Nvidia H20 de 2,87 fois. Il est optimisé pour l'inférence, en particulier la phase de préremplissage, avec 112 GB de mémoire HBM à une bande passante de 1,4 TB/s et un TDP de 600 W.

Spécifications techniques et architecture

Ascend 950PR est la première puce chinoise à supporter nativement le FP4, un format de précision ultra-faible que Nvidia n'implémente qu'avec l'architecture Blackwell. Le H20 sur Hopper ne supporte pas le FP4 nativement, rendant les comparaisons directes conditionnelles : Huawei revendique un avantage dans une capacité que le concurrent ne possède pas.

Atlas 350 embarque 112 GB de mémoire HBM haute vitesse avec une bande passante de 1,4 TB/s — 50 % de plus que le H20. La consommation énergétique est de 600 W. L'accélérateur cible l'inférence, en se concentrant sur la phase de préremplissage où le FP4 offre un avantage en vitesse avec une précision acceptable pour les charges de travail IA.

• Mémoire : 112 GB HBM, 1,4 TB/s
• Performances : 1,56 PFLOPS FP4
• TDP : 600 W
• Prix : ~111 000 yuan (~16 000 USD)
• Comparaison avec H20 : +2,87x en FP4 (H20 sans support natif)

Comparaison avec Nvidia H20 et H200

Le H20 est une version bridée pour le marché chinois basée sur Hopper, en raison des restrictions à l'exportation. Le prix du H20 varie de 15 000 à 25 000 USD, plaçant l'Atlas 350 autour de 16 000 USD. Par rapport au H200 Hopper complet, l'Atlas est environ deux fois moins cher mais moins polyvalent.

La principale réserve : la supériorité en FP4 est surtout un argument marketing puisque le H20 n'est pas optimisé pour ce format. Néanmoins, le support natif du FP4 dans Ascend 950PR représente une avancée technologique pour la Chine, réduisant la dépendance aux architectures occidentales.

| Paramètre | Atlas 350 | Nvidia H20 | Nvidia H200 |

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

| Mémoire | 112 GB HBM| ~75 GB | 141 GB |

| Bande passante | 1,4 TB/s | ~1 TB/s | 4,8 TB/s |

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

| FP4 PFLOPS | 1,56 | Aucun | Aucun (jusqu'à Blackwell) |

Indépendance vis-à-vis des fournisseurs externes

Huawei avance vers un cycle de production complet en interne. Les plans incluent une HBM maison jusqu'à 128 GB et 1,6 TB/s, minimisant les risques liés à Samsung et SK hynix. Ascend 950PR utilise la pile CANN pour le développement IA, totalement indépendante de CUDA.

Feuille de route des puces :

• Ascend 950DT — T4 2026
• Ascend 960 — fin 2027
• Ascend 970 — 2028

Cela permettra de scaler l'infrastructure IA sans contraintes externes.

Points importants

• FP4 comme avantage : Le support natif accélère l'inférence de préremplissage, pertinent pour les développeurs IA intermédiaires à seniors.
• Mémoire et bande passante : 112 GB HBM à 1,4 TB/s est compétitif pour les tâches de gros modèles.
• Rapport prix/performances : ~16 000 USD avec supériorité dans une métrique de niche sur le H20.
• Autonomie : Pile CANN maison et plans HBM réduisent le verrouillage fournisseur.
• Limites de la comparaison : Le H20 ne supporte pas le FP4, donc les avantages réels dépendent de la charge de travail.

Atlas 350 est idéal pour déployer des modèles IA dans les régions sous sanctions où CUDA est indisponible. Pour les spécialistes seniors, l'essentiel est d'optimiser pour CANN et de tester le FP4 en production.

— Editorial Team