# Atlas 350 na Ascend 950PR: wydajność FP4 i porównanie z Nvidia H20
Huawei ogłosiła akcelerator AI Atlas 350 oparty na chipie Ascend 950PR. Urządzenie osiąga 1,56 petaflopsa w formacie FP4 i według danych producenta przewyższa Nvidia H20 aż 2,87 raza. Zoptymalizowany pod inferencję, szczególnie etap prefill, z 112 GB pamięci HBM o przepustowości 1,4 TB/s przy TDP 600 W.
Specyfikacje techniczne i architektura
Ascend 950PR to pierwszy chiński chip z natywnym wsparciem FP4, formatu ultra-niskiej precyzji, który Nvidia wprowadza dopiero w architekturze Blackwell. H20 na Hopper nie wspiera FP4 natywnie, co czyni bezpośrednie porównanie warunkowym: Huawei ocenia przewagę w dyscyplinie, której konkurent nie posiada.
Atlas 350 wyposażony w 112 GB szybkiej pamięci HBM z przepustowością 1,4 TB/s — o 50% więcej niż w H20. Pobór mocy 600 W. Akcelerator nastawiony na inferencję, koncentrując się na etapie prefill, gdzie FP4 zapewnia wzrost prędkości przy akceptowalnej precyzji dla zadań AI.
- Pamięć: 112 GB HBM, 1,4 TB/s
- Wydajność: 1,56 PFLOPS FP4
- TDP: 600 W
- Cena: ~111 000 juanów (~16 000 USD)
- Porównanie z H20: +2,87x w FP4 (H20 bez natywnego wsparcia)
Porównanie z Nvidia H20 i H200
H20 to okrojona wersja dla rynku chińskiego na Hopper z ograniczeniami eksportowymi. Cena H20 waha się od 15 000 do 25 000 USD, Atlas 350 mieści się w 16 000 USD. W porównaniu z H200 (pełny Hopper) Atlas jest tańszy o połowę, ale ustępuje w uniwersalności.
Kluczowy niuans: przewaga w FP4 ma charakter marketingowy, ponieważ H20 nie jest dostosowany do tego formatu. Jednak natywne wsparcie FP4 w Ascend 950PR to technologiczny przełom dla Chin, zmniejszający zależność od zachodnich architektur.
| Parametr | Atlas 350 | Nvidia H20 | Nvidia H200 |
|----------|-----------|------------|-------------|
| Pamięć | 112 GB HBM | ~75 GB | 141 GB |
| Przepustowość| 1,4 TB/s | ~1 TB/s | 4,8 TB/s |
| TDP | 600 W | 400 W | 700 W |
| FP4 PFLOPS| 1,56 | Brak | Brak (do Blackwell) |
Niezależność od zewnętrznych dostaw
Huawei zmierza ku pełnemu cyklowi produkcji. Planowana własna HBM do 128 GB i 1,6 TB/s, minimalizując ryzyka ze strony Samsung i SK hynix. Ascend 950PR korzysta ze stosu CANN do rozwoju pod zadania AI, całkowicie niezależnego od CUDA.
Mapa drogowa chipów:
- Ascend 950DT — Q4 2026
- Ascend 960 — koniec 2027
- Ascend 970 — 2028
Pozwoli to skalować infrastrukturę AI bez zewnętrznych ograniczeń.
Co ważne
- FP4 jako przewaga: Natywne wsparcie przyspiesza inferencję prefill, istotne dla deweloperów middle/senior w AI.
- Pamięć i przepustowość: 112 GB HBM na 1,4 TB/s — konkurencyjne dla zadań z dużymi modelami.
- Cena/wydajność: ~16 000 USD przy przewadze w niszowej metryce nad H20.
- Autonomia: Własny stos CANN i plany HBM zmniejszają vendor lock-in.
- Ograniczenia porównania: H20 nie wspiera FP4, realna przewaga zależy od workload.
Atlas 350 nadaje się do deploymentu modeli AI w regionach z sankcjami, gdzie CUDA jest niedostępne. Dla specjalistów senior kluczowa jest optymalizacja pod CANN i testy FP4 w produkcji.
— Editorial Team
Brak komentarzy.