{"id":10484,"date":"2025-07-28T14:48:31","date_gmt":"2025-07-28T17:48:31","guid":{"rendered":"https:\/\/fenati.org.br\/?p=10484"},"modified":"2025-07-28T16:23:54","modified_gmt":"2025-07-28T19:23:54","slug":"a-huawei-encontrou-a-formula-para-vencer-a-nvidia","status":"publish","type":"post","link":"https:\/\/fenati.org.br\/en\/a-huawei-encontrou-a-formula-para-vencer-a-nvidia\/","title":{"rendered":"A Huawei encontrou a f\u00f3rmula para vencer a Nvidia?"},"content":{"rendered":"

Huawei –<\/strong> A Huawei anunciou oficialmente seu mais recente avan\u00e7o em tecnologia de intelig\u00eancia artificial, que promete intensificar a rivalidade com a Nvidia<\/a>. Batizado de Atlas 900 A3 SuperPoD \u2014 ou CloudMatrix 384 \u2014, o novo chip foi revelado durante a Confer\u00eancia Mundial de Intelig\u00eancia Artificial (WAIC) 2025, sediada em Xangai, na China.<\/p>\n

De acordo com informa\u00e7\u00f5es obtidas pelo site Huawei Central, o novo chip oferece desempenho duas vezes maior que o sistema de IA Nvidia GB200 NVL72 \u2014 considerado at\u00e9 ent\u00e3o o mais poderoso da fabricante americana \u2014, gra\u00e7as \u00e0 capacidade de 300 PFLOPs de processamento denso BF16.<\/p>\n

LEIA: Voc\u00ea ainda usa a mesma senha em tudo? Veja como se proteger<\/strong><\/a><\/p>\n

A nova solu\u00e7\u00e3o da Huawei \u00e9 constru\u00edda sobre a plataforma Ascend, que combina agentes de IA integrados com recursos nativos de GitOps. O sistema, que conta com 384 NPUs Ascend e adota uma arquitetura \u201csupern\u00f3\u201d, \u00e9 projetado para operar com alta largura de banda e baixa lat\u00eancia, otimizando o desempenho em tarefas de IA.<\/p>\n

Nova alternativa para o setor corporativo<\/h4>\n

Apresentado inicialmente em abril, o CloudMatrix 384 j\u00e1 est\u00e1 dispon\u00edvel na plataforma de nuvem da Huawei desde junho. Destinado a empresas que treinam modelos de intelig\u00eancia artificial, o sistema promete desempenho consistente e confi\u00e1vel ao longo do tempo, conforme destaca a reportagem.<\/p>\n

A tecnologia, que utiliza 384 unidades do chip 910C mais recente da Huawei, foi desenvolvida para compensar a menor pot\u00eancia de cada chip individual, segundo um relat\u00f3rio do grupo SemiAnalysis, especializado em semicondutores.<\/p>\n

\u201cEsta solu\u00e7\u00e3o compete diretamente com o GB200 NVL72 e, em algumas m\u00e9tricas, \u00e9 mais avan\u00e7ada do que a solu\u00e7\u00e3o de escala de rack da Nvidia. A vantagem de engenharia est\u00e1 no n\u00edvel do sistema, n\u00e3o apenas no n\u00edvel do chip, com inova\u00e7\u00e3o nas camadas de rede, \u00f3ptica e software\u201d, diz o relat\u00f3rio.<\/p>\n

Aposta em P&D e produ\u00e7\u00e3o nacional<\/h4>\n

As restri\u00e7\u00f5es impostas \u00e0s exporta\u00e7\u00f5es de chips da Nvidia para a China abriram caminho para que a Huawei ganhasse espa\u00e7o no mercado local. De acordo com a Reuters, a empresa chinesa direciona anualmente 180 bilh\u00f5es de yuans (cerca de US$ 25 bilh\u00f5es) para atividades de pesquisa e desenvolvimento.<\/p>\n

Desde que passou a depender da Semiconductor Manufacturing International Corporation (SMIC) \u2014 empresa chinesa que substituiu a taiwanesa TSMC ap\u00f3s restri\u00e7\u00f5es comerciais em 2019 \u2014, a Huawei vem aprimorando seus sistemas de produ\u00e7\u00e3o.<\/p>\n

Contudo, essa mudan\u00e7a tamb\u00e9m trouxe um desafio t\u00e9cnico relevante: a limita\u00e7\u00e3o na oferta de mem\u00f3ria HBM (High Bandwidth Memory), como aponta o Instituto Mercator para Estudos da China. Essa defici\u00eancia pode dificultar a execu\u00e7\u00e3o de modelos de linguagem em larga escala, motivo pelo qual a Huawei estuda solu\u00e7\u00f5es em parceria com a Tongfu Microelectronics.<\/p>\n

(Com informa\u00e7\u00f5es de Olhar Digital)<\/strong><\/em>
\n(Foto: Reprodu\u00e7\u00e3o\/Freepik\/ezps)<\/strong><\/em><\/p>","protected":false},"excerpt":{"rendered":"

Novo sistema apresentado na WAIC 2025 promete desempenho duas vezes superior ao do modelo mais potente da concorrente americana<\/p>","protected":false},"author":11,"featured_media":10485,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[35],"tags":[13],"class_list":["post-10484","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ti","tag-sindical"],"_links":{"self":[{"href":"https:\/\/fenati.org.br\/en\/wp-json\/wp\/v2\/posts\/10484","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/fenati.org.br\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/fenati.org.br\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/fenati.org.br\/en\/wp-json\/wp\/v2\/users\/11"}],"replies":[{"embeddable":true,"href":"https:\/\/fenati.org.br\/en\/wp-json\/wp\/v2\/comments?post=10484"}],"version-history":[{"count":1,"href":"https:\/\/fenati.org.br\/en\/wp-json\/wp\/v2\/posts\/10484\/revisions"}],"predecessor-version":[{"id":10486,"href":"https:\/\/fenati.org.br\/en\/wp-json\/wp\/v2\/posts\/10484\/revisions\/10486"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/fenati.org.br\/en\/wp-json\/wp\/v2\/media\/10485"}],"wp:attachment":[{"href":"https:\/\/fenati.org.br\/en\/wp-json\/wp\/v2\/media?parent=10484"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/fenati.org.br\/en\/wp-json\/wp\/v2\/categories?post=10484"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/fenati.org.br\/en\/wp-json\/wp\/v2\/tags?post=10484"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}