I giganti tecnologici cinesi evitano i chip Huawei a causa dei problemi di surriscaldamento e del dominio di NVIDIA con i blocchi CUDA

I giganti tecnologici cinesi evitano i chip Huawei a causa dei problemi di surriscaldamento e del dominio di NVIDIA con i blocchi CUDA

Questo articolo non fornisce consulenza in materia di investimenti. L’autore non detiene alcuna partecipazione in nessuno dei titoli azionari qui menzionati.

Le sfide di Huawei nel mercato dei chip AI

Huawei mirava a ridurre la dipendenza della Cina da NVIDIA con le sue GPU Ascend 910C, ma si scontra con ostacoli significativi nel raggiungimento di questo obiettivo. La solidità dell’ecosistema NVIDIA, rafforzata dalla piattaforma software CUDA, insieme a varie carenze da parte di Huawei, hanno contribuito a questa inerzia.

Rapporti recenti pubblicati da The Information rivelano che i principali attori del settore tecnologico cinese, come ByteDance, la società madre di TikTok, Alibaba e Tencent, non hanno effettuato ordini sostanziali per i chip AI di Huawei.

Fattori che impediscono l’adozione delle GPU 910C di Huawei

Diversi fattori critici si sono combinati, creando una notevole inerzia attorno all’adozione delle GPU 910C di Huawei. L’attenzione dell’azienda si è spostata principalmente verso le grandi aziende statali (SOE) e gli enti governativi locali, mentre l’entusiasmo nella comunità tecnologica più ampia rimane debole.

1. Investimento nell’ecosistema NVIDIA

Molti giganti tecnologici cinesi hanno investito molto nel framework NVIDIA CUDA. Abbandonare questo ecosistema consolidato richiederebbe tempo e risorse considerevoli. Le aziende, a quanto pare, si aspettano che Huawei adatti la propria offerta per allinearla alle piattaforme esistenti, piuttosto che il contrario.

2. Panorama competitivo

Inoltre, le più grandi aziende tecnologiche cinesi, che peraltro sono concorrenti di Huawei, sono riluttanti a impegnarsi pienamente nei suoi prodotti. Questa apprensione è alimentata dai loro interessi competitivi piuttosto che dal desiderio di innovazioni collaborative.

3. Problemi di affidabilità

L’affidabilità è un altro problema urgente, poiché è stato segnalato che i chip Ascend 910C di Huawei presentano problemi di surriscaldamento. Tali preoccupazioni compromettono la loro reputazione nel settore tecnologico e ne ostacolano l’adozione.

4. Inventario NVIDIA esistente

Inoltre, molte aziende tecnologiche leader hanno accumulato nel corso degli anni un numero significativo di GPU NVIDIA. Questo inventario riduce l’incentivo per queste aziende a passare ai prodotti Huawei, soprattutto considerando le implicazioni finanziarie di tale passaggio.

5. Sfide normative

La situazione è stata ulteriormente complicata dalle restrizioni all’esportazione imposte dagli Stati Uniti. A maggio, il Dipartimento del Commercio degli Stati Uniti ha pubblicato delle linee guida che dichiarano i chip Huawei “tossici”.Chiunque utilizzi questi chip senza previa autorizzazione rischia di violare i controlli sulle esportazioni statunitensi, una situazione che colpisce in particolare le aziende cinesi con attività internazionali.

Confronti e sviluppi tecnici

In un’analisi precedente, abbiamo notato che l’Ascend 910C di Huawei combina due chip 910B precedenti per offrire circa 800 TFLOP/s di potenza di calcolo a FP16, insieme a una larghezza di banda di memoria che raggiunge i 3, 2 TB/s. Pertanto, si posiziona a stretto contatto con la GPU H100 di NVIDIA in termini di prestazioni.

Per competere ulteriormente con l’offerta di supercomputing di NVIDIA, Huawei ha introdotto CloudMatrix 384, che integra fino a 384 chip Ascend. Sebbene questo prodotto sia all’altezza delle prestazioni di NVIDIA, attualmente non offre un solido supporto per formati di calcolo a basso consumo di memoria come FP8, sebbene Huawei abbia creato uno strumento per la compatibilità artificiale, che rimane tutt’altro che ideale.

Posizione di mercato di NVIDIA

Nonostante le sfide della concorrenza, NVIDIA continua a prosperare. Secondo un recente rapporto di UBS, l’azienda ha confermato la visibilità di progetti infrastrutturali di intelligenza artificiale per “decine di gigawatt”.UBS ha condotto una valutazione teorica che stimava che NVIDIA avrebbe potuto realizzare tra i 400 e i 500 miliardi di dollari all’anno per il suo segmento di data center AI, ipotizzando una pipeline infrastrutturale da 20 GW e una tempistica di realizzazione di 2-3 anni.

L’attuale panorama del mercato illustra le complessità e le dinamiche del settore dei chip per l’intelligenza artificiale, evidenziando le enormi sfide che Huawei deve affrontare per affermare i propri prodotti in un mercato fortemente saturo.

Fonte e immagini

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *