Huawei presentó Atlas 960E SuperPoD, una arquitectura capaz de integrar hasta 4.096 NPU y entrenar modelos de 10 billones de parámetros, junto a una nueva solución de almacenamiento diseñada para responder a las exigencias de la IA
Huawei profundizó su apuesta por la infraestructura que sostiene el crecimiento de la inteligencia artificial con la presentación de Atlas 960E SuperPoD, una arquitectura capaz de integrar hasta 4.096 unidades de procesamiento neuronal y hacerlas funcionar de manera coordinada para entrenar y ejecutar modelos de hasta 10 billones de parámetros.
El lanzamiento, realizado durante HUAWEI CONNECT 2026 en Shanghái, muestra cómo una parte creciente de la competencia tecnológica comienza a desplazarse desde el rendimiento individual de los chips hacia la capacidad de conectar miles de procesadores, compartir memoria y administrar enormes volúmenes de información. Huawei busca precisamente ganar terreno mediante esa escala, mientras China acelera el desarrollo de una infraestructura de IA menos dependiente de tecnologías estadounidenses.
La carrera por la IA baja hasta la infraestructura
Atlas 960E utiliza UnifiedBus y una arquitectura de interconexión óptica basada en tecnología NPO. Un solo sistema puede reunir 4.096 NPU, alcanzar 8 EFLOPS de capacidad de cómputo FP8 y disponer de hasta un petabyte de memoria HBM. Huawei asegura además que el diseño permite reducir el consumo eléctrico en más de 550 kilovatios frente a una configuración convencional de esa escala y alcanzar una disponibilidad de 99,8%.
La magnitud de estas arquitecturas ayuda también a explicar por qué el desarrollo de inteligencia artificial está transformándose en un negocio intensivo en infraestructura física. En Chile, esa tendencia ya se refleja en inversiones por más de US$7.500 millones en data centers, donde energía, transmisión eléctrica, conectividad, ciberseguridad y disponibilidad de talento empiezan a definir las posibilidades de crecimiento de la industria.
La estrategia de Huawei contempla acelerar también el desarrollo de sus propios procesadores. David Wang, vicepresidente de la Junta Directiva y presidente rotativo de Huawei, sostuvo durante la presentación que “estamos evolucionando nuestras series de chips Ascend con un ciclo de una generación al año”. La compañía anticipó Ascend 960DT para el primer trimestre de 2027 y Ascend 960PR para el tercero, antes de avanzar hacia las generaciones 970 y 980 en 2028 y 2029.
El movimiento tiene además una dimensión geopolítica. Las restricciones impuestas por Estados Unidos han limitado el acceso de China a los procesadores de inteligencia artificial más avanzados de Nvidia, obligando a las compañías locales a desarrollar alternativas propias. Huawei se ha convertido en uno de los actores centrales de esa estrategia, aunque la propia empresa reconoce que la demanda por sus equipos de IA dentro de China actualmente supera su capacidad de producción.
La memoria aparece como el próximo cuello de botella
Conectar más procesadores resuelve solo una parte del problema. El avance desde asistentes capaces de responder consultas hacia agentes de IA que ejecutan tareas complejas durante períodos prolongados incrementa también la cantidad de información que los sistemas necesitan conservar y consultar mientras trabajan. Memoria, almacenamiento y velocidad de transferencia pasan así a ser tan relevantes como la capacidad de cálculo.
Huawei busca responder a esa necesidad con OceanStor M900, una nueva arquitectura de almacenamiento de memoria de contexto que extiende hacia unidades SSD la información temporal utilizada durante los procesos de inferencia. Un solo clúster puede alcanzar 64 petabytes de capacidad, ampliando considerablemente el volumen de datos disponible para los procesadores sin depender exclusivamente de la memoria instalada directamente en ellos.
La presión por disponer de infraestructura preparada para IA tampoco se limita a los grandes fabricantes tecnológicos. En Chile, un estudio conocido este año reveló que 79% de los ejecutivos consultados enfrenta problemas para escalar proyectos de inteligencia artificial, principalmente por la fragmentación de sistemas, plataformas heredadas y dificultades para llevar pilotos tecnológicos hacia operaciones de mayor escala.
OceanStor M900 utiliza UnifiedBus para generar una memoria compartida entre distintos niveles de almacenamiento y reducir los movimientos innecesarios de información entre los procesadores y las unidades SSD. La apuesta apunta a uno de los costos menos visibles del crecimiento de la IA: mientras los modelos aumentan de tamaño y las tareas se extienden, también crece la infraestructura necesaria para mantener disponible la información que requieren.
Huawei busca competir más allá del chip
La estrategia continúa con TaiShan 950 SuperPoD, diseñado para computación de propósito general y capaz de integrar hasta 4.096 nodos con un conjunto de memoria unificada de hasta 256 TB. Huawei sostiene que, al conectar múltiples Atlas 960E, puede formar estructuras mayores de hasta 512.000 NPU y escalar mediante otras topologías hasta un millón de unidades de procesamiento.
La escala es relevante porque Huawei intenta compensar mediante sistemas completos, interconexión y arquitectura algunas de las diferencias que todavía enfrenta frente a los procesadores estadounidenses más avanzados. Reuters señala que la compañía se ha posicionado como una pieza central del esfuerzo chino por construir una industria de inteligencia artificial más autosuficiente ante las restricciones tecnológicas de Estados Unidos.
Pero la batalla no se juega únicamente en hardware. Nvidia conserva una ventaja importante en software gracias a CUDA, su plataforma utilizada ampliamente por desarrolladores durante años. Huawei intenta reducir esa distancia mediante CANN, la base de software de su ecosistema Ascend, que la compañía está llevando hacia un desarrollo de código abierto sostenido por una comunidad más amplia.
La ofensiva muestra así cómo está cambiando la carrera global por la inteligencia artificial. La capacidad para desarrollar un procesador competitivo seguirá siendo determinante, pero también comenzará a importar cuánto pueden escalar esos chips, qué volumen de memoria pueden compartir, con qué rapidez intercambian información y cuánto cuesta mantener funcionando toda esa infraestructura.
Para Huawei, ese es precisamente el terreno donde busca ampliar su espacio frente a los líderes estadounidenses. Para empresas y países que buscan capturar inversión asociada a inteligencia artificial, el desafío también cambia: disponer de modelos y aplicaciones será solo una parte de la ecuación. Energía, data centers, conectividad, almacenamiento y talento especializado comienzan a convertirse en la infraestructura económica detrás de la próxima fase de la IA.
