Au MWC 2026, Huawei n’est pas venu parler uniquement de puces : l’entreprise est venue vendre une vision système. Avec le Atlas 950 SuperPoD et le TaiShan 950 SuperPoD, présentés pour la première fois à une audience mondiale, le groupe veut prouver qu’il peut livrer des clusters IA à l’échelle exaflop — et surtout, une alternative structurée au modèle Nvidia centré sur CUDA.
L’enjeu : quand « ajouter des serveurs » ne suffit plus
La course aux modèles (trillions de paramètres, agents en production) a fait émerger un mur connu des architectes : à très grande échelle, ce ne sont plus les FLOPS bruts qui limitent, mais la coordination (latence, all-reduce, échanges inter-nœuds, efficacité de parallélisation).
Huawei présente Atlas 950 comme une réponse à ce plafond : faire fonctionner des milliers d’accélérateurs comme un seul ordinateur logique, plutôt que comme une foule de cartes qui crient sur le réseau.
Sur le papier, Atlas 950 monte très haut :
- jusqu’à 8 192 NPUs Ascend, reliés via l’interconnexion UnifiedBus ;
- une organisation annoncée pour se comporter comme un système unifié (adressage mémoire unifié, latence réduite entre processeurs) ;
- une échelle physique massive : 160 baies/cabinets sur environ 1 000 m², avec plus d’1 PB de mémoire ;
- et surtout, un chiffre qui claque : 16,3 PB/s de bande passante d’interconnexion.
Côté performance, Huawei annonce jusqu’à 8 exaflops en FP8 et 16 exaflops dans des formats de précision inférieure.
TaiShan 950 SuperPoD : la même logique, mais pour le « compute » d’entreprise
Huawei n’essaie pas seulement de gagner la guerre du training. Avec TaiShan 950 SuperPoD, la marque décline l’approche SuperPoD sur le calcul généraliste et les workloads data center (bases, analytics, services backend), complété par des serveurs TaiShan 500 et TaiShan 200 pour des paliers inférieurs.
Le duel : Nvidia garde l’écosystème, Huawei attaque l’indépendance
Huawei se place explicitement face aux DGX SuperPOD et plateformes NVL de Nvidia, et face à des offres AMD « MegaPod » attendues autour des Instinct. Le différentiel clé reste logiciel : Nvidia arrive avec CUDA et une base installée gigantesque dans les labos et les entreprises.
Huawei, lui, pousse Ascend + CANN (Compute Architecture for Neural Networks), avec une compatibilité annoncée avec des frameworks comme PyTorch et Triton, pour permettre aux équipes de bâtir des pipelines sans dépendre de CUDA.
Et, Nvidia ne reste pas immobile : ses annonces récentes autour de DGX SuperPOD « Rubin » mettent en avant une densité et une orchestration matérielle/logicielle très intégrées, avec des chiffres d’exaflops FP4 agressifs à nombre de GPU plus contenu.
Huawei vend une « stack complète », pas juste un accélérateur
Le message de MWC 2026 est net : Huawei veut être perçu comme un constructeur d’infrastructures IA, capable d’assembler interconnexion, compute, mémoire et logiciel en un produit « cluster-ready ».
La question, désormais, n’est pas seulement « qui a le plus gros cluster », mais qui peut livrer du compute à l’échelle avec une efficacité réelle (training time, disponibilité, rendement énergétique), et qui peut offrir aux développeurs un chemin praticable en dehors de CUDA, avec outils, support, et maturité de l’écosystème.
Huawei vient d’ouvrir le ring hors de Chine. Nvidia garde l’avantage culturel et logiciel. Mais Atlas 950 et TaiShan 950 SuperPoD posent une promesse : à l’ère des modèles géants, l’IA se gagne de plus en plus… au niveau du système.
