Huawei ne cherche plus seulement à fabriquer une puce capable de rivaliser avec Nvidia. Le groupe chinois veut redéfinir l’unité de compétition. Lors de sa conférence annuelle à Shanghai, l’entreprise a présenté de nouvelles technologies de calcul pour l’intelligence artificielle, dont l’Atlas 960 SuperPoD, ainsi qu’une feuille de route accélérée pour ses futurs processeurs Ascend. Le message est clair : lorsque l’accès aux composants les plus avancés reste contraint, la performance peut aussi se gagner en reliant un très grand nombre de puces dans un système unique.
Cette stratégie transforme la bataille des semi-conducteurs. Le duel ne se joue plus uniquement sur la finesse de gravure ou la puissance d’un accélérateur isolé. Il concerne désormais les interconnexions, la mémoire, les logiciels, la consommation électrique et la capacité à faire travailler des milliers de composants comme une seule machine. Huawei tente ainsi de déplacer le terrain vers une architecture qu’il peut davantage contrôler.
Un calendrier Ascend accéléré
Selon les annonces rapportées depuis Shanghai, Huawei prévoit deux variantes de sa prochaine génération Ascend 960 en 2027. Reuters indique que l’Ascend 960DT doit arriver au premier trimestre et le 960PR au troisième. Les générations suivantes sont déjà inscrites dans une trajectoire pluriannuelle. Cette visibilité répond à un besoin essentiel des opérateurs de centres de données : ils doivent planifier leurs investissements, leurs capacités électriques et leurs logiciels bien avant la livraison des équipements.
Accélérer une feuille de route ne garantit pas que tous les objectifs techniques ou industriels seront atteints. La fabrication avancée, la mémoire à haut débit et les rendements de production restent des contraintes majeures. Mais l’annonce montre que Huawei veut instaurer un rythme. Dans le marché de l’IA, la cadence compte presque autant que la performance brute, car chaque génération de modèles exige davantage de calcul et rend rapidement les installations précédentes moins compétitives.
Le SuperPoD devient le produit central
L’Atlas 960 SuperPoD illustre la logique du groupe. Un SuperPoD rassemble de nombreux accélérateurs et serveurs dans une architecture fortement intégrée. L’objectif est de réduire les pertes de temps lorsque les processeurs échangent des données, synchronisent leurs calculs ou accèdent à la mémoire. Pour entraîner un grand modèle, une puce seule ne suffit pas : la qualité du réseau interne détermine la part réelle de puissance qui devient utilisable.
Huawei présente l’Atlas 960 comme un successeur plus rapide du système dévoilé seulement quelques mois auparavant. Cette proximité entre deux générations est significative. Elle suggère que le groupe ne conçoit plus ses infrastructures comme des produits figés, mais comme une plateforme à évolution continue. La valeur se déplace du composant vers l’ensemble : cartes, processeurs, réseau, refroidissement, stockage et logiciels d’orchestration.
UnifiedBus, la route intérieure de la machine
Au cœur de cette approche se trouve UnifiedBus, la technologie d’interconnexion que Huawei veut utiliser comme lien commun entre les composants de ses grands systèmes. Une infrastructure d’IA peut posséder des milliers de processeurs puissants et rester inefficace si les données circulent trop lentement. L’interconnexion est donc comparable au réseau routier d’une ville : ajouter des bâtiments ne sert à rien si les déplacements deviennent impossibles.
Huawei affirme avoir développé onze semi-conducteurs fondés sur cette technologie pour ses systèmes de grande taille. Cette intégration verticale peut lui donner davantage de contrôle sur les compromis entre débit, latence et consommation. Elle crée aussi une dépendance plus forte à son propre écosystème. Les clients n’achètent pas seulement du matériel ; ils adoptent une manière spécifique d’organiser leurs charges de travail.
Contourner le désavantage d’une puce isolée
Nvidia conserve une avance considérable grâce à ses accélérateurs, à ses systèmes complets et surtout à CUDA, l’environnement logiciel utilisé depuis des années par les chercheurs et les entreprises. Huawei ne peut pas effacer cet avantage par une simple comparaison de chiffres. Sa réponse consiste à multiplier les composants, optimiser leur communication et proposer un ensemble adapté aux besoins du marché chinois.
Cette méthode n’est pas gratuite. Davantage de puces peuvent signifier davantage d’énergie, de refroidissement, de câbles et de points de défaillance. Une architecture massive doit prouver qu’elle reste stable et économiquement rationnelle. La question essentielle n’est donc pas de savoir si un cluster peut afficher une puissance théorique impressionnante, mais combien de calcul utile il produit pour chaque dollar, chaque kilowatt et chaque heure d’exploitation.
L’inférence devient le terrain décisif
La croissance des agents et des services génératifs augmente rapidement les besoins d’inférence, la phase durant laquelle un modèle déjà entraîné répond, raisonne ou génère du contenu. Contrairement à l’entraînement, qui se concentre dans quelques très grands projets, l’inférence se répète chaque fois qu’un utilisateur interagit avec une application. Elle peut donc devenir la charge la plus vaste et la plus régulière du marché.
Huawei a déjà mis en avant des solutions associant accélérateurs Ascend, stockage et gestion du cache pour améliorer le débit de jetons sur les séquences longues. Cette expérience explique pourquoi le groupe insiste sur la mémoire et l’interconnexion. Les futurs revenus de l’IA ne dépendront pas seulement de la création de modèles géants, mais de leur exécution quotidienne dans les télécommunications, la finance, l’industrie, les administrations et les plateformes numériques.
Les restrictions américaines ont changé l’incitation
Les restrictions menées par les États-Unis ont limité l’accès de Huawei à certains accélérateurs et équipements de fabrication de pointe. Elles ont ralenti son développement à plusieurs moments, mais elles ont aussi renforcé l’incitation politique et commerciale à construire une filière nationale. Les entreprises chinoises savent désormais qu’un approvisionnement étranger peut changer avec une décision réglementaire. Elles accordent donc une valeur stratégique à une solution locale, même si celle-ci n’est pas toujours supérieure sur chaque mesure technique.
Cela ne signifie pas que la Chine est devenue indépendante. La chaîne des semi-conducteurs repose sur des machines, des logiciels de conception, des matériaux et des mémoires provenant de nombreux pays. Des analystes soulignent également que certaines tâches avancées utilisent encore du matériel Nvidia. La progression de Huawei doit être lue comme une réduction graduelle de dépendance, pas comme une séparation déjà accomplie.
Le logiciel reste la barrière la plus haute
Un accélérateur d’IA n’est utile que si les équipes peuvent y porter leurs modèles, identifier les erreurs et optimiser les performances. Nvidia a construit pendant près de deux décennies un réseau de bibliothèques, d’outils et de développeurs autour de CUDA. Cette profondeur explique pourquoi une entreprise peut continuer à choisir Nvidia même lorsqu’un concurrent propose un matériel séduisant. Le coût du changement se mesure aussi en temps d’ingénierie.
Huawei développe CANN et ouvre progressivement certaines capacités de son architecture Ascend afin d’attirer les partenaires. Son avantage est la taille du marché intérieur et la possibilité de travailler avec les opérateurs télécoms, les clouds et les universités chinoises. Son défi est de transformer cette adoption encouragée en préférence durable. Un écosystème devient puissant lorsque les développeurs y restent parce qu’ils créent plus vite, pas seulement parce qu’une autre option est inaccessible.
Une concurrence qui dépasse Huawei et Nvidia
La stratégie de Huawei confirme une tendance mondiale : les grands acteurs de l’IA veulent contrôler davantage de couches de leur infrastructure. Les fournisseurs de cloud développent leurs propres accélérateurs, les fabricants assemblent des racks complets et les laboratoires optimisent les modèles pour un matériel précis. La puce universelle cède progressivement la place à des systèmes spécialisés, conçus autour de charges de travail et de contraintes énergétiques particulières.
Pour les clients, cette diversification peut réduire la dépendance à un seul fournisseur, mais elle complique les décisions. Choisir une plateforme signifie engager des logiciels, des compétences et des centres de données pour plusieurs années. Les comparaisons devront donc dépasser les performances annoncées. Disponibilité réelle, fiabilité, outils, sécurité, maintenance et coût total seront les critères qui détermineront si Atlas 960 devient une infrastructure largement adoptée ou une démonstration de puissance.
La nouvelle unité de puissance est le réseau
Huawei ne prétend pas avoir déjà dépassé Nvidia dans toutes les dimensions. Sa proposition est plus subtile : si une entreprise ne peut pas disposer du meilleur composant isolé, elle peut chercher à construire le meilleur ensemble accessible. Le SuperPoD matérialise cette doctrine. Il fait de l’interconnexion, de la mémoire et de l’orchestration des armes aussi importantes que le silicium lui-même.
La réussite se jugera lorsque les premiers systèmes seront exploités à grande échelle. Si Huawei livre au rythme annoncé et si ses clients obtiennent une efficacité compétitive, la géographie du calcul d’IA deviendra plus multipolaire. Dans le cas contraire, les chiffres de capacité resteront un symbole d’ambition. Quoi qu’il arrive, l’annonce de Shanghai montre déjà que la bataille ne porte plus seulement sur la meilleure puce. Elle porte sur la capacité à transformer des milliers de puces en une machine cohérente.
Sources
- Associated Press : Atlas 960 SuperPoD, feuille de route et contexte concurrentiel
- Reuters via MarketScreener : calendrier Ascend 960 et technologie UnifiedBus
- Huawei : principes techniques de la feuille de route Ascend et du SuperPoD
- Huawei et China Mobile Hubei : validation d’une solution d’accélération de l’inférence
