ファーウェイ、NPO技術を採用した次世代AIインフラ「Ascend 960 SuperPoD」を発表

要点

• 中国ファーウェイが、次世代AIインフラ向けの大規模計算システム「Ascend 960 SuperPoD」を発表した。

• 光部品をチップのすぐ近くに配置する「NPO技術」を、業界で初めてSuperPoD規模のシステムに採用している。

• 最大4,096枚のNPUカードを搭載可能で、FP8演算において最大8E FLOPSの計算能力と最大1PBのHBM容量を提供する。

• 独自開発の光エンジン「Hi-ONE」を約5,500基搭載し、800G光モジュール4万8,000個分を代替することで550kW以上の消費電力を削減した。

• 単体チップの性能向上だけでなく、インターコネクトやメモリ共有などを一体化させたシステム全体の最適化を重視している。

• 中国のファーウェイ（Huawei）は2026年9月17日、開催中の年次イベント「HUAWEI CONNECT 2026」において、次世代AIインフラ向けの大規模計算システム「Ascend 960 SuperPoD」を発表しました。同社副会長兼輪番会長の汪濤（David Wang）氏が基調講演に登壇し、光電融合アーキテクチャを取り入れた最新のインフラ戦略を明らかにしました。

10兆パラメータ時代を見据えたAIクラスタの通信課題

基調講演では、AIモデルの大規模化に伴い、単にサーバーの台数を増やす従来型のアプローチでは限界が生じている点が指摘されました。AIモデルが10兆パラメータ規模に達すると、チップ間でやり取りされるデータ量が膨大になり、サーバー間の通信そのものが学習効率の大きなボトルネックとなります。

ファーウェイの説明によると、従来のアーキテクチャを用いた10万基規模のAIクラスタでは、チップ間通信の処理が全体の学習時間の40%以上を占めるケースもあるといいます。こうした課題を解決するため、複数の計算ノードを高速インターコネクトで相互接続し、ノード間でメモリ空間を共有する「Unified Memory（統一メモリ）」によって、システム全体を1台の巨大なコンピュータのように協調動作させるSuperPoDの構成が採用されました。

最大4,096基のNPUを束ねる「Ascend 960 SuperPoD」の基本仕様

今回発表された「Ascend 960 SuperPoD」は、最大4,096枚のNPU（AI処理に特化したプロセッサ）カードを接続できる拡張性を備えています。

システム全体の処理性能は、FP8（8ビット浮動小数点数）演算において最大8E FLOPS（エクサフロップス：毎秒100京回の計算能力）に達します。さらに、メモリには広帯域かつ大容量なHBM（High Bandwidth Memory）を最大1PB（ペタバイト）まで搭載可能となっており、超巨大モデルの学習や高速な推論処理を支えるスペックが確保されています。

光伝送をチップ近傍に配置する「NPO技術」と専用光エンジン「Hi-ONE」

今回の発表で特に注目を集めたのが、「NPO（Near-Packaged Optics）」技術の導入です。NPOとは、光電変換を行う光コンポーネントを計算チップのすぐ近くに配置することで、高周波の電気信号が移動する物理的な配線距離を大幅に短縮する技術です。

AIクラスタの大規模化に伴ってチップ間通信のトラフィックが急増する中、従来の銅線ケーブルや抜き差し式のプラガブル光モジュールでは、伝送帯域、遅延、消費電力、実装密度の面で限界が近づいていました。

ファーウェイはこの課題に対応するため、NPO専用の光エンジン製品「Hi-ONE」を開発しました。Hi-ONEは1エンジンあたり7.2Tbps（7.2T）の伝送容量を持ちます。Ascend 960 SuperPoDでは、約5,500基のHi-ONEを組み込むことで、従来構成で必要とされていた4万8,000個もの800G光モジュールを置き換えることに成功しました。

この設計変更により、システム全体で550kW以上の消費電力削減を達成したとしています。あわせて、システムのMTBF（平均故障間隔）は従来の2倍に向上し、システム全体の可用性（稼働率）は99.8%に達すると説明されています。

チップ単体の競争から「システム全体」の統合設計へ

同社は、AIインフラの競争軸が単体の半導体チップのプロセス微細化や演算性能だけでなく、チップ間の接続方法、データ転送経路、メモリ共有機構、ストレージ連携といったシステム全体の統合設計へと移行している点を強調しています。Ascend 960 SuperPoDをはじめ、NPOや独自バス規格「UnifiedBus」などの技術群は、散在する計算リソースを1つの調和したシステムとして機能させるための取り組みと位置づけられています。

講演の中では、自律型AIエージェントの常時実行や自動運転のリアルタイム処理、各種デバイスへのAI機能普及を見据え、将来的には最大100万基規模のAIクラスタ構成も視野に入れていることが示されました。