China está trasladando la guerra por la inteligencia artificial del rendimiento de cada acelerador individual hacia la capacidad de interconectar miles de chips para que funcionen como un sistema unificado. Huawei lidera este movimiento con Atlas 950 SuperPoD, pero no está sola: fabricantes chinos como Biren, Moore Threads, Sugon, MetaX y Enflame están desarrollando arquitecturas similares. El objetivo es obtener mayor eficiencia en potencia, aunque cada procesador por sí solo no pueda competir directamente con las GPU más avanzadas de Nvidia.
Resumen en 20 segundos sobre los supernodos de IA chinos
- Huawei desarrolla Atlas 950 SuperPoD con hasta 8.192 NPU Ascend 950DT conectadas mediante UnifiedBus.
- China busca compensar limitaciones en fabricación avanzada mejorando la interconexión, la memoria y la escalabilidad.
- Fabricantes como Biren, Moore Threads, Sugon y otros trabajan en supernodos similares.
- La competencia se centra en el rendimiento del sistema completo, no solo en el chip aislado.
- Atlas 950 tiene previsto su lanzamiento comercial para el cuarto trimestre de 2026.
Este enfoque quedó patente en la World Artificial Intelligence Conference (WAIC) de julio en Shanghái. Huawei exhibió físicamente el Atlas 950, mientras que otros fabricantes nacionales presentaron sistemas que siguen la misma filosofía: agrupar un número creciente de aceleradores con conexiones de alta velocidad y minimizar los costes de mover datos entre ellos.
Esta estrategia responde a las restricciones tecnológicas que enfrenta China. Las empresas del país no tienen igual acceso que sus competidores estadounidenses a procesos de fabricación de semiconductores de última generación, equipos especializados, memoria HBM y tecnologías de empaquetado.
Huawei ha sido explícito respecto a esto. Cuando presentó su estrategia SuperPoD, Eric Xu, presidente interino de la compañía, explicó que dada la imposibilidad de acceder a los nodos de fabricación más avanzados, su respuesta consiste en ampliar los recursos de computación.
Atlas 950 busca unir 8.192 chips en un enorme sistema
El principal ejemplo de esa filosofía es el Atlas 950 SuperPoD de Huawei.
Su característica distintiva no es solo usar muchos procesadores, sino lograr que hasta 8.192 NPU Ascend 950DT funcionen como recursos de una sola máquina lógica, en lugar de actuar simplemente como miles de aceleradores dispersos en un clúster convencional.
Para esto, entra en juego UnifiedBus.
Esta tecnología de interconexión ofrece direccionamiento unificado de memoria y comunicaciones de alta banda ancha y baja latencia entre los recursos. Huawei sostiene que esto ayuda a resolver uno de los principales problemas en los clústeres de IA: a medida que aumenta el número de aceleradores, resulta más difícil mantener múltiples unidades ocupadas realizando cálculos útiles.
En su configuración completa, prevista para finales de 2026, Atlas 950 SuperPoD ocupará aproximadamente 1.000 metros cuadrados y estará compuesto por 160 armarios, de los cuales 128 serán dedicados a computación y 32 a comunicaciones.
Huawei promete 8 EFLOPS en capacidad FP8 y 16 EFLOPS en FP4, con un ancho de banda agregado de interconexión de unos 16 PB/s. Estas cifras, proporcionadas por el propio fabricante, no deben interpretarse como una comparación independiente de rendimiento frente a otras arquitecturas.
Lo interesante, incluso más que esas cifras, es la innovación conceptual respecto a los clústeres tradicionales.
Un centro de datos puede albergar decenas de miles de aceleradores y aún así enfrentar problemas de eficiencia si la comunicación entre ellos se convierte en un cuello de botella. Los grandes modelos de IA necesitan intercambiar constantemente parámetros, activaciones y otros datos. Añadir chips deja de ser proporcional en mejora cuando estos deben esperar demasiado tiempo por información.
El supernodo busca precisamente ampliar el dominio en el que los aceleradores pueden trabajar estrechamente en coordinación.
China ya no compite solo fabricando mejores GPU
Huawei no es la única empresa china en llegar a esta conclusión.
La WAIC 2026 evidenció cómo este concepto se está expandiendo en toda la industria nacional. Sugon presentó su Dawning 8000, vinculado a un superclúster nacional de 100.000 aceleradores, mientras otros fabricantes mostraron sistemas con diferentes cantidades de tarjetas.
Biren Technology apuesta por las comunicaciones ópticas. La compañía diseñó una arquitectura para conectar más de 1.000 aceleradores en un supernodo usando enlaces ópticos cercanos al encapsulado, superando algunas limitaciones de las conexiones eléctricas tradicionales.
Moore Threads mostró una arquitectura con 256 GPU y una única capa de interconexión scale-up. Enflame, por su parte, ha trabajado junto a ZTE en otra arquitectura de alta densidad.
Este cambio representa una transformación significativa en la industria china de semiconductores.
Durante años, la comparación con Nvidia se centraba en aspectos como el número de FLOPS, la memoria o el ancho de banda de las GPU.
Sin embargo, los supernodos modifican parcialmente esa perspectiva.
Ahora también importa cuántos aceleradores pueden comunicarse de forma eficiente, qué ancho de banda existe entre ellos, qué latencia introduce la red, cómo se comparte la memoria y qué porcentaje de la capacidad teórica se convierte realmente en trabajo útil.
Por supuesto, el rendimiento individual del chip sigue siendo importante. Un acelerador menos eficiente requiere más unidades, mayor consumo energético, más refrigeración y, potencialmente, más espacio para lograr la misma productividad.
No obstante, una arquitectura de sistema mejor diseñada puede mitigar parte de esas desventajas.
Las restricciones estadounidenses están impulsando esta arquitectura
Este avance también está estrechamente ligado a las restricciones de exportación de tecnología avanzada a China impuestas por Estados Unidos.
Huawei continúa enfrentando limitaciones para acceder a procesos de fabricación avanzados. Su estrategia de supernodos se presentó precisamente como una forma de trabajar con los procesos disponibles en China.
Resulta paradójico que las restricciones, pensadas para limitar el acceso chino a los mejores chips, estén obligando a los fabricantes a invertir más en redes, empaquetado, óptica, memoria, software y arquitecturas distribuidas.
Pero eso no resuelve todos sus problemas.
TrendForce advierte que la industria china sigue enfrentando restricciones en fabricación lógica avanzada, memoria HBM de alto ancho de banda y empaquetado avanzado. Además, diseñar un sistema grande no asegura que haya suficientes chips para llenarlo.
Se estima que Huawei planea producir alrededor de 750.000 Ascend 950PR en 2026, según fuentes de Reuters, aunque la demanda podría superarlo. Empresas como ByteDance, Tencent y Alibaba están interesadas en estos procesadores tras la llegada de DeepSeek V4.
Aquí radica una de las grandes contradicciones del modelo chino: diseñar un supernodo para miles de aceleradores es una cosa; fabricarlos en cantidad, competitivos y de forma económica, es otra completamente diferente.
DeepSeek complementa la alternativa a Nvidia
El hardware, por muy avanzado que sea, requiere modelos y software preparados para aprovecharlo.
Por eso, es importante que DeepSeek V4 esté adaptado para funcionar en los chips Ascend de Huawei. Además, la compañía confirmó que sus supernodos basados en Ascend 950 soportan diferentes versiones del modelo.
Probablemente, esto represente una pieza clave más de lo que parece.
La supremacía de Nvidia no se basa solamente en fabricar GPU ultra rápidas. CUDA, sus bibliotecas, redes, sistemas como NVL72/NVL144, herramientas para desarrolladores y años de integración conforman una plataforma completa.
China necesita construir algo similar para sus propios aceleradores.
Huawei intenta lograrlo mediante Ascend en hardware, UnifiedBus en interconexión y CANN (Compute Architecture for Neural Networks) como capa de software. La compañía ha abierto el código de CANN y trabaja para integrarlo mejor con proyectos como PyTorch, Triton, vLLM y verl.
Tras el SuperPoD llegará el SuperCluster
El Atlas 950 no es el límite de los planes de Huawei.
La firma planea conectar múltiples SuperPoD para crear Atlas 950 SuperCluster, una infraestructura con más de 520.000 Ascend 950DT distribuidos en más de 10.000 armarios.
Según su plan, este sistema alcanzaría 524 EFLOPS en FP8 y aproximadamente 1 ZFLOPS en FP4. Para 2027, esperan lanzar Atlas 960 SuperPoD, con hasta 15.488 NPU, seguido por un SuperCluster de más de un millón de procesadores.
Nuevamente, estas son metas y especificaciones anunciadas por Huawei, no resultados verificables en cargas de trabajo reales.
Pero sí indican la dirección en la que avanza su arquitectura.
La estrategia china frente a las restricciones en semiconductores no consiste solo en igualar a Nvidia fabricando un chip equivalente, sino en hacer que un mayor número de chips nacionales funcionen coordinadamente como una sola máquina.
De esta forma, la batalla por la infraestructura de IA se desplaza desde el simple silicio hacia todo lo que lo rodea: memoria, óptica, interconexiones, redes, refrigeración, software y la capacidad de coordinar cientos de miles de procesadores.
Y en este terreno, China tiene más margen para competir que en comparaciones directas entre solo dos GPU.
Preguntas frecuentes
¿Qué es el Huawei Atlas 950 SuperPoD?
Es una arquitectura diseñada para conectar hasta 8.192 NPU Ascend 950DT mediante UnifiedBus, haciendo que funcionen como una sola máquina lógica.
¿Cuándo estará disponible el Atlas 950 SuperPoD?
Huawei estima que la versión completa estará lista para el cuarto trimestre de 2026.
¿Por qué China apuesta por los supernodos?
Porque permiten aumentar el rendimiento total al interconectar grandes cantidades de aceleradores. Esta estrategia resulta crucial dadas las restricciones que dificultan el acceso de las empresas chinas a procesos tecnológicos y componentes avanzados.
¿Puede Atlas 950 realmente competir con Nvidia?
Huawei publica comparaciones muy optimistas de Atlas 950 frente a futuras GPU de Nvidia, pero son estimaciones del fabricante. El rendimiento real dependerá de factores como consumo energético, utilización, software, fiabilidad, coste y cargas de trabajo reales.