Durante HUAWEI CONNECT 2026, Huawei presentó su visión para desarrollar una infraestructura capaz de seguir el ritmo de la rápida expansión de los modelos de inteligencia artificial y de las cargas de trabajo de inferencia y entrenamiento. En un discurso inaugural pronunciado por David Wang, vicepresidente del consejo de administración y presidente rotatorio de la empresa, Huawei se centró en reforzar las capacidades de computación y conectividad como base para ampliar las aplicaciones de inteligencia artificial.
La visión de la empresa se basa en las tecnologías SuperPoD y SuperCluster, cuyo objetivo es conectar un gran número de nodos de computación dentro de un entorno unificado de alta velocidad. Huawei afirma que este enfoque permite gestionar cargas de trabajo a gran escala con mayor eficiencia, además de ofrecer opciones de computación en las instalaciones de los clientes y a través de la nube.
¿Por qué aumenta la necesidad de una infraestructura especializada?
Huawei vincula esta tendencia al crecimiento del tamaño de los modelos y de las capacidades de los agentes de inteligencia artificial. Según las cifras presentadas por la empresa, los parámetros de los modelos grandes se acercan a los 10 billones, y se prevé que superen los 100 billones para 2030. Asimismo, el tamaño de los modelos de teléfonos inteligentes aumentó de 3.000 millones de parámetros en 2024 a 30.000 millones en la actualidad, mientras se aproximan los modelos con 100.000 millones de parámetros.
En el ámbito de la inferencia, el volumen diario en China alcanzó aproximadamente los 500 billones de tokens, y Huawei prevé que llegue al nivel de los cuatrillones para 2030. Este aumento ejerce una mayor presión sobre el rendimiento y la fiabilidad de los sistemas, especialmente en entornos que reúnen decenas de miles de unidades de procesamiento neuronal.
Resultados de la simulación y su significado práctico
Huawei explicó que las operaciones de comunicación entre los componentes de la infraestructura tradicional pueden consumir más del 40 % del tiempo total de entrenamiento de los modelos, lo que limita la eficiencia del aprovechamiento de las capacidades de computación. En una simulación realizada por el laboratorio Markov Lab de la empresa, un conjunto compuesto por 100.000 unidades NPU, construido mediante SuperPoDs que contenían cada uno 4.000 unidades NPU, logró un aumento de hasta 2,75 veces en la eficiencia de utilización de las capacidades de computación en comparación con un conjunto similar basado en servidores que contenían 8 unidades NPU cada uno.
Este resultado explica la importancia de reducir el tiempo de comunicación entre las unidades al entrenar modelos a gran escala, pero sigue siendo un resultado de simulación y no una medición independiente publicada de un entorno operativo real. Por ello, el material por sí solo no detalla las cargas de trabajo, el software ni las condiciones de prueba que produjeron la diferencia anunciada.
Expansión de Atlas y apoyo al ecosistema
Huawei afirmó que hasta ahora ha desplegado más de 1.000 dispositivos Atlas 900 A3 SuperPoD, mientras que Atlas 950 SuperPoD está experimentando una amplia expansión comercial. También señaló que apoya el entrenamiento de modelos fundacionales en sus sistemas, además de la ejecución de una amplia variedad de modelos y aplicaciones dentro de ecosistemas de computación abiertos.
La estrategia de la empresa incluye capacidades de computación limitadas, medias y masivas, junto con la ampliación del uso de la inteligencia artificial en dispositivos y vehículos, en paralelo con el desarrollo de redes de comunicaciones de próxima generación. Esto indica que Huawei no presenta SuperPoD únicamente como un producto independiente, sino como parte de una visión más amplia que conecta el procesamiento, las redes, la nube y los dispositivos.