NVIDIA一強はなぜ揺らぐ？Ascend 950が変えるAI半導体の勢力図

Uncategorized

Huawei Ascend 950とAtlas 950 SuperPodが韓国市場に上陸するというETNewsの報道が、AI半導体業界の力学を一気に揺さぶり始めました。「NVIDIA H20の2.87倍の推論性能を、1/4のコストで叩き出す」という数字は本当に技術的に成立するのか。単純な性能比較の裏側で、実は「単一チップの勝負」から「クラスタ全体の勝負」へと戦場そのものが移り変わっている――その構造変化を、インフラ設計者の目線で解きほぐしていきます。

エグゼクティブ・サマリー

  • Huaweiが2026年Q4に韓国市場でAscend 950シリーズとAtlas 950 SuperPodを投入し、NVIDIA H20に対し推論2.87倍・価格1/4という強気の数字を打ち出した
  • 勝負の主戦場は単一チップ性能からクラスタ規模の相互接続性能へ移り、Huaweiは独自のUnifiedBusとCANNソフトスタックで8,192基のNPUを1台の論理マシンとして束ねる
  • 米国輸出規制下でもSMICのN+3プロセスと自社HBM（HiBL 1.0/HiZQ 2.0）で「制裁下でも量産可能な構成」を確立し、AI半導体サプライチェーンの多極化を加速させる可能性

この記事で分かること

  • Huawei Ascend 950（950PR/950DT）とAtlas 950 SuperPodの技術アーキテクチャと物理スペック
  • NVIDIA H20/H200との性能差が「なぜ単純比較できないのか」というクラスタ設計の本質
  • UnifiedBusやCANNといった独自スタックが、CUDAロックインを崩すために何をどう変えたのか

従来のAI半導体アーキテクチャが抱える3つのボトルネック

Huaweiの発表を「安いから売れる」で片付けるのは早計です。まず理解すべきは、AI大規模学習・推論のインフラが物理的にどこで詰まっているのか、という点です。

現代の生成AIワークロードは、単一のGPUやNPU（※Neural Processing Unit：ニューラルネット処理に特化したAI専用プロセッサ）で完結することはほぼありません。数百〜数千個のアクセラレータを協調動作させて、はじめて1つのモデルが学習・推論できます。この「多数のチップを1台のマシンのように動かす」プロセスに、物理的な壁が3つ立ちはだかっています。

  • メモリ帯域の壁：モデルパラメータが増えるほど、演算ユニットに重みを供給するHBM（※High Bandwidth Memory：GPUやNPUの脇に積層される高帯域幅メモリ）の帯域が律速になる。演算器が空回りする「メモリ待ち」時間が支配的になり、TFLOPS値ほどの性能が出ない
  • インターコネクトの壁：チップ間・ノード間を繋ぐ物理配線（銅ケーブル・光ファイバー）の遅延と帯域が、クラスタ全体のスケーラビリティを縛る。NVIDIAがNVLink（※NVIDIA GPU同士を直結する独自高速バス）とInfiniBandを作り込んでいる本質的理由はここにある
  • ソフトウェア・ロックインの壁：CUDA（※NVIDIA GPU向けの並列計算プラットフォーム兼プログラミングモデル）に最適化された既存資産がAI業界の隅々に染み込んでおり、代替チップに乗り換えるコストが「性能差以上の障壁」になっている

とりわけ2つ目、インターコネクトのボトルネックが決定的です。Huawei自身が公式資料で「大規模AIコンピューティングインフラの主要ボトルネックは、光ケーブル・銅ケーブルの物理的限界による相互接続技術だ」と明言しています。

To date, a major bottleneck for large-scale AI computing infrastructure is interconnect technology, namely the physical limitations of existing cable technology (both optical and copper) to link up massive numbers of chips and SuperPoDs over long distances while maintaining a reliable, high-speed, and low-latency connection.
（出典：Huawei “Groundbreaking SuperPoD Interconnect” キーノートスピーチ）

つまりAI半導体の勝負は、もはや「単体チップのTFLOPS競争」ではなく、「どれだけの数のチップを、どれだけ低遅延・広帯域で束ねられるか」というシステム設計の勝負に完全にシフトしているわけです。

Ascend 950シリーズの中身とは？推論特化「950PR」と学習特化「950DT」の使い分け

ここからが本題です。Huaweiが韓国市場に投入するのは、Ascend 950ファミリーの2モデルとそれを束ねるAtlas 950 SuperPodです。

Ascend 950シリーズには役割の異なる2つの派生モデルが存在します。ワインリストで前菜用の白と肉料理用の赤を使い分けるように、AIワークロードもフェーズごとに最適なチップが違うわけです。

  • Ascend 950PR：推論（Inference）特化モデル。2026年4月に量産開始済み。自社開発HBMの「HiBL 1.0」を採用
  • Ascend 950DT：学習（Training）特化モデル。2026年Q4に投入予定。より広帯域な「HiZQ 2.0」HBMを採用

Huawei公式が公表したロードマップによれば、Ascend 950シリーズの単体性能はFP8で1 PFLOPS、FP4で2 PFLOPS。FP8/FP4（※浮動小数点8bit/4bit精度：AI推論で使われる低精度演算フォーマットで、精度を落とす代わりに演算スループットを稼ぐ）という低精度フォーマットに全振りしているのが特徴です。

生成AIの推論では「答えを1トークン出すのに何ミリ秒かかるか」が体感速度を決めるため、この低精度演算スループットが直接ユーザー体験に効きます。この点で、Ascend 950PRがNVIDIA H20（中国向けに機能制限された輸出コンプライアンス版GPU）を推論性能で2.87倍上回るというHuaweiの主張は、あくまで低精度推論のスループット比較として読むのが正確でしょう。

一方、フラッグシップのNVIDIA H200と比較するとHuaweiも単体性能では見劣りする点を認めています。しかしここで登場するのが、次に解説するクラスタ側での物量作戦です。

Atlas 950 SuperPodの仕組みとは？8,192基のNPUを「1台の論理マシン」に束ねる技術

Atlas 950 SuperPodは、Huawei公式定義では「複数の物理マシンから構成され、1つの論理マシンとして学習・推論・思考を行うシステム」です。工場の1つのラインが数百人の作業員で構成されていても、外から見れば1つの生産設備として振る舞う――ちょうどそんな関係性です。

具体的な物理構成は以下の通り、桁が違います。

  • 収容NPU数：最大8,192基のAscend 950DT
  • キャビネット数：160台（演算用128台＋通信用32台）
  • 設置面積：1,000平方メートル（データセンターホール1つ分）
  • 総演算性能：FP8で8 EFLOPS、FP4で16 EFLOPS
  • 相互接続帯域：16 PB/s（ペタバイト毎秒）
  • 配線方式：全キャビネット間を光インターコネクトで結線

16 PB/sという相互接続帯域は、地球全体のインターネットピークトラフィックの10倍以上に相当するという規模感です。生成AIの学習では、各NPUが計算した勾配情報を毎ステップ全ノードで同期する必要があり、この同期に必要な帯域がここまで跳ね上がっているわけです。

前世代のAtlas 900 A3 SuperPodがAscend 910Cを384基収容していたので、Atlas 950は約20倍のNPU収容密度を一気に稼ぎに来た計算になります。

UnifiedBusとCANN｜NVIDIAのNVLinkとCUDAをどう出し抜くか

Atlas 950 SuperPodの心臓部は、Huaweiが自社開発した相互接続プロトコル「UnifiedBus」です。これはNVIDIAのNVLink＋NVSwitchに真正面から対抗するアーキテクチャで、これがなければ8,192基のNPUを1台の論理マシンとして動かすことは物理的に成立しません。

一般道路に交通量が集中すると渋滞が起きるように、AIチップ間通信も「どのプロトコルで、どの物理層に、どうパケットを流すか」次第でスループットが大きく変わります。UnifiedBusは以下2つの物理層に対応する構造を取っています。

  • UBoE（UnifiedBus over Ethernet）：既存のEthernetスイッチの上でUnifiedBusを走らせるモード。既設インフラを流用しつつ静的遅延を抑え、スイッチ・光モジュール数を削減できる
  • RoCE（RDMA over Converged Ethernet）：標準的なRDMA over Ethernet実装との互換モード

そしてもう一つの独自スタックが「CANN」（※Compute Architecture for Neural Networks：Ascendチップ向けのAI計算ソフトウェアスタック）です。CUDAという事実上の標準言語で書かれた膨大なAIコード資産を、いかにAscendに移植しやすくするか――ここがHuaweiのソフトウェア戦略の要になっています。Tom’s Hardwareの報道でも、CANNとCUDAエコシステム間の互換性向上を進めていることが明記されています。

Huawei also says it is improving compatibility between its Compute Architecture for Neural Networks (CANN) software stack and Nvidia’s CUDA programming ecosystem to ease migration for developers.
（出典：Tom’s Hardware 2026-07-06）

現状、Ascend 950PRはすでにDeepSeek V4の一部デプロイに採用されており、ソフトウェアスタックの実運用実績も積み始めています。

【比較表】Ascend 950 vs NVIDIA H20/H200｜チップ単体とクラスタの二軸で見るスペック比較

単体チップとクラスタシステム、両方の軸で比較しないと本質を見誤ります。

比較項目Ascend 950PR/DTNVIDIA H20NVIDIA H200
チップ役割PR：推論／DT：学習推論主体（輸出規制版）学習・推論両対応（フラッグシップ）
メモリHiBL 1.0（PR）／HiZQ 2.0（DT）※自社HBMHBM3HBM3e
推論性能（H20比）Huawei主張で2.87倍1.0倍（基準）単体では最上位
単価H20の約1/4（Huawei主張）数千〜1万ドル台数万ドル/基
製造プロセスSMIC N+3相当TSMC 4nm系TSMC 4nm系
クラスタ構成Atlas 950 SuperPod（8,192基）NVL72/NVL144等NVL72/NVL144等
クラスタ相互接続UnifiedBus（16 PB/s）NVLink＋NVSwitchNVLink＋NVSwitch
ソフトスタックCANN（CUDA互換強化中）CUDACUDA
主要ユースケース大規模生成AI推論／学習中国市場向け推論グローバル大規模学習

【図解】Atlas 950 SuperPodのシステム階層とデータフロー

【考察】NVIDIA一強のAI半導体エコシステムはどう変わるか

ここからは、この動きがAIインフラ業界の勢力図に与える影響を、インフラ設計者の視点で整理しておきます。

単体性能競争から「クラスタ設計競争」への軸移動

これまでAI半導体の優劣は「1チップあたりのTFLOPS」「HBM帯域」といったカタログスペックで語られてきました。ところがHuaweiの戦略は、「単体では負けていても、クラスタで束ねれば逆転できる」という命題を正面から掲げています。

実際、Huaweiのローテーティング会長Eric Xu氏はキーノートで、Atlas 950 SuperPodがNVIDIA NVL144と比較して56.8倍のNPU数、6.7倍の演算性能を持つと明言しています。これはチップ設計の敗北を、システム設計とインターコネクトの勝利で埋めに来ているアーキテクチャです。

つまりインフラ設計者にとっての評価軸は、今後こう変わります。

  • チップ1基あたりの絶対性能（従来の主戦場）
  • クラスタスケール時の実効演算効率（新しい主戦場）
  • ソフトスタックの移植コスト（決定打になる第3の軸）

米国輸出規制の「回避策」としての実証ケース

Ascend 950シリーズは、SMIC（※中国の半導体ファウンドリ最大手）のN+3プロセスで製造されるとされています。これはSMICが独自に開発した最先端ノードで、EUV露光機の輸入が制限された中国が「回避可能なプロセスノードで、いかに性能を出すか」という自国最適化を突き詰めた結果です。

HBMも「自社開発」を謳っていますが、実態としてダイ自体は海外調達で、パッケージング・スタッキング工程を自社化しているとの報道が主流です。それでも「輸出規制の網をくぐりつつ、8,192基クラスタを商用リリースできる」段階に到達したことは、AI半導体サプライチェーンの脱・米国依存の現実解が一段進んだことを示唆します。

韓国市場での成否を左右する3つのリアルな壁

一方、韓国市場での商用成功はまだ約束されていません。ETNewsも指摘している通り、以下の3点が現地でのハードルになります。

  • 中国製ハイテクへの安全保障上の警戒感：政府調達・金融・通信インフラでは特に強い
  • 消費電力と発熱の絶対量：クラスタ全体で数MW〜数十MW級の電力需要となり、韓国のデータセンター電力・冷却容量が追いつくかが未知数
  • CANN/UnifiedBusというプロプライエタリ・スタックのロックインリスク：CUDA脱却のつもりが別のロックインに乗り換えるだけ、という懸念

Huaweiは現地流通パートナーとしてHansol PNSとSK Shieldusを確保していますが、韓国のAI半導体スタートアップ勢と正面衝突する構図でもあり、政策的な逆風を受けるシナリオは十分現実味があります。

よくある質問（FAQ）

Q. Huawei Ascend 950はNVIDIA H100やH200と比べて本当に速いのですか？
A. 単体チップ性能ではNVIDIA H200のようなフラッグシップGPUに及ばないとHuawei自身が認めています。Huaweiが主張する「2.87倍」は、あくまで中国市場向けに機能制限されたH20との推論性能比較であり、Atlas 950 SuperPodのようなクラスタ規模で束ねた条件下での比較です。

Q. Ascend 950は日本企業でも購入できますか？
A. 現時点（2026年7月）でHuaweiが公式にAscend 950の日本市場向け販売計画を発表した事実はありません。韓国市場が海外での最初の主要商用展開先となり、Hansol PNSとSK Shieldusが現地ディストリビュータとして指名されている段階です。

Q. CUDAで書かれたAIコードはAscendで動きますか？
A. Huaweiは独自ソフトスタックのCANNとCUDAエコシステム間の互換性向上を進めており、DeepSeek V4のようにAscend上で稼働するモデルは実在します。ただし完全な無改修移植ではなく、カーネル最適化や一部ライブラリの書き換えは依然として必要な段階です。

まとめ

Huawei Ascend 950とAtlas 950 SuperPodの韓国投入は、単なる「中国製格安AIチップの海外進出」ではありません。AI半導体の評価軸を「単体チップ性能」から「クラスタ実効性能とインターコネクト設計」へ書き換える宣戦布告として読むのが正確です。

NVIDIA H20との推論2.87倍・価格1/4という数字は、機能制限された輸出規制版との比較である点を差し引いても、価格弾性が高い顧客層、とくにNVIDIA枯渇に直面してきた新興クラウド事業者・国産LLM開発企業には十分刺さる訴求力を持ちます。UnifiedBusとCANNというプロプライエタリスタックのロックインリスクを飲み込めるかどうか――そこが、この投入戦の実際の勝敗ラインになります。

引用元記事・補足資料

コメント

タイトルとURLをコピーしました