Huawei가 Connect 컨퍼런스에서 Ascend 960DT 출시를 세 분기 앞당겨 2027년 1분기로 옮겼다. 여기에 근접 패키지 광학으로 가속기 4096개를 묶은 Atlas SuperPoD를 함께 내놨다. 칩 하나만 놓고 보면 Nvidia의 다음 세대에 한참 못 미친다. 다만 그 격차는 들리는 것만큼 중요하지 않을 수 있다. 중국 안에서 실제로 맞붙는 상대는 미국 수출 규제가 아직 허용하는 칩들이기 때문이다.
핵심 요약
- Ascend 960DT는 2027년 1분기에 나온다. 최대 288GB 메모리를 9.6TB/s로 돌리고 FP8 2 PFLOPS, FP4 4 PFLOPS를 낸다. 올해 초 출하한 950 시리즈의 연산 성능과 용량을 두 배로 늘린 수치다.
- 짝을 이루는 960PR은 2027년 3분기에 나온다. FP4 8 PFLOPS를 내지만 메모리는 192GB에 2.4TB/s로 줄었다. 추론을 쪼개 프리필은 한쪽 칩, 디코드는 다른 쪽 칩이 맡는 구조다.
- Huawei는 근접 패키지 광학 덕분에 800Gbps 플러거블 트랜시버 약 4만 8000개를 Hi-ONE 모듈 약 5500개로 줄였고, 전력 550킬로와트를 절감하며 장애율을 절반으로 낮췄다고 밝혔다.
960 시리즈가 실제로 내놓는 성능
디코드와 학습을 뜻하는 DT가 붙은 960DT는 최대 288GB 메모리를 9.6TB/s로 구동한다. 950 세대 대비 대역폭이 약 2.4배 뛰었고 칩 간 인터커넥트는 2.2TB/s다. 연산은 FP8에서 2페타플롭스, FP4에서 4페타플롭스다. Huawei는 표준 FP·MX 형식과 나란히 자체 HiF8, HiF4 수치 형식도 밀고 있다. 정밀도와 동적 범위를 함께 잡은 단일 형식이 기존 두 형식을 대체할 수 있다는 주장이다.
두 분기 뒤에 나오는 960PR은 교환 조건을 뒤집었다. FP4 처리량을 8페타플롭스로 두 배 올리는 대신 메모리를 192GB, 2.4TB/s로 낮췄다. 추론의 프리필 단계에 딱 맞는 구성이다. 프롬프트를 연산 집약적인 한 번의 패스로 훑어내는 구간이기 때문이다. 토큰이 실제로 흘러나오는 메모리 병목 구간인 디코드는 960DT가 맡는다. Nvidia도 취소된 Rubin CPX로 같은 분업을 노렸고, Google의 TPU 포드는 오래전부터 같은 논리에 기대왔다.
Nvidia와의 격차는 어느 정도인가
The Register의 사양 분석은 960DT를 메모리와 대역폭에서 Nvidia B300 계열 수준으로 보면서도, FP8 연산은 약 절반, FP4는 3분의 1 수준이라고 짚었다. HBM4 288GB에 22TB/s, FP4 35~50페타플롭스를 내세운 Rubin과 비교하면 격차는 결코 작지 않다.
다만 이 시장에서 반복되는 변수가 걸린다. Rubin도, AMD의 MI455X도 중국에는 팔 수 없다. Nvidia가 현재 중국에 출하할 수 있는 최고 사양 가속기를 기준으로 놓으면, 960DT는 밀집 부동소수점 연산에서 충분히 버티면서 메모리와 대역폭이 훨씬 넉넉하고 더 큰 스케일업 도메인을 지원한다. 2027년에 쓸 하드웨어를 고르는 중국 연구소에는 이쪽이 실제 비교 대상이다.
진짜 제품은 포드다
Huawei의 최대 강점은 네트워킹이다. 원래부터 해온 사업이기도 하다. 2027년 3분기 출시 예정인 수랭식 Atlas 960E SuperPoD는 가속기 4096개를 하나의 통합 메모리 도메인으로 묶고 FP8 8엑사플롭스, FP4 16엑사플롭스를 표방한다. 플러거블 트랜시버 대신 근접 패키지 광학을 쓴 설계로, Huawei는 이 전환으로 800Gbps 플러거블 약 4만 8000개를 Hi-ONE 엔진 약 5500개로 대체하고 550킬로와트 넘게 절감했으며 장애율을 절반으로 줄여 가용성 99.8%에 도달했다고 밝혔다.
Atlas 950과 비교하면 10조 파라미터 워크로드에서 학습 처리량 2.3배, 추론 처리량 2.5배를 주장하며 추론 지연은 약 70% 낮췄다고 한다. 포드 하나를 넘어서는 구성에서는 RoCE나 자체 Lingqu 패브릭으로 가속기 51만 2000개까지 연결할 수 있고, 다중 레일 토폴로지를 쓰면 NPU 100만 개 클러스터도 사정권이라고 말한다. 마지막 수치는 실제 구축이 아니라 문서상 구성이며, 결과가 아닌 로드맵으로 읽는 편이 맞다.
로드맵을 믿기 전에 확인할 것
관건은 발표 자료가 아니라 이 실리콘으로 실제 모델을 학습시킬 수 있느냐다. DeepSeek은 이전 세대 Ascend로 학습하다 문제에 부딪혀 Nvidia 하드웨어로 되돌아간 것으로 알려졌다. 연산 성능이 아니라 소프트웨어와 안정성에서 난 문제였고, 인터커넥트 속도만으로는 해결되지 않는 종류다. 행사에서 공개된 로드맵에는 이미 2028년 FP4 14페타플롭스에 14.4TB/s인 Ascend 970, 2029년 FP4 28페타플롭스에 384GB인 980이 그려져 있다. 그러나 이 업계에서 3년짜리 로드맵은 초안에 가깝다.
그럼에도 방향성은 한 계층 위에서 벌어지는 흐름과 맞아떨어진다. 개발자 라우팅 플랫폼에서는 중국산 오픈웨이트 모델이 점유율을 넓혀왔다. 벤치마크에서 이기는 칩과, 그저 쓸 만한 수준이되 물량이 확보되고 9개월 앞당겨 나오는 자국산 학습 기반은 전략적으로 전혀 다른 물건이다.
자주 묻는 질문
Ascend 960 칩은 언제 출하되나?
Huawei는 960DT를 원래 일정보다 세 분기 앞당겨 2027년 1분기에 내놓고, 960PR은 2027년 3분기에 이어서 출시한다고 밝혔다. 이들을 담는 Atlas 960E SuperPoD 역시 2027년 3분기가 목표다. 현재 출하되는 제품은 없다.
Ascend 960DT는 Nvidia Rubin과 겨룰 수 있나?
순수 연산 성능으로는 아니다. Rubin은 FP4 35~50페타플롭스로 제시된 반면 960DT는 4페타플롭스다. 다만 메모리 용량은 비슷한 수준이다. Huawei의 반론은 다이 단위 성능이 아니라 규모, 즉 하나의 일관된 도메인에 묶인 가속기 4096개다.
근접 패키지 광학이 무엇이고 왜 중요한가?
근접 패키지 광학은 별도 플러거블 트랜시버 모듈을 쓰는 대신 광학 엔진을 칩 패키지 바로 옆에 두는 방식이다. Huawei는 이를 통해 플러거블 약 4만 8000개를 Hi-ONE 유닛 약 5500개로 줄이고 550킬로와트 넘게 절약하며 장애율을 절반으로 낮췄다고 밝혔다. 4096칩 규모의 스케일업 도메인을 실제로 운영 가능하게 만드는 대목이다.
