Il colosso tecnologico cinese Huawei sta orchestrando una delle più ambiziose operazioni di indipendenza tecnologica mai tentate nel settore dei semiconduttori. Attraverso la sua rete di investimenti e partnership strategiche, l'azienda di Shenzhen sta costruendo un ecosistema completamente domestico per l'intelligenza artificiale, dai processori ad alte prestazioni fino ai materiali per il packaging, passando per fotoresist e sistemi di erogazione dei gas per la produzione di chip. L'obiettivo è chiaro: creare un'alternativa funzionale all'hardware e al software di NVIDIA e degli altri produttori occidentali, sottraendosi completamente alle sanzioni statunitensi che da anni limitano l'accesso di Pechino alle tecnologie più avanzate.
Al centro di questa strategia si trova l'Ascend 910C, un acceleratore basato su architettura dual-chiplet con memoria HBM2E impilata e una NPU DaVinci ottimizzata per carichi di lavoro di machine learning. Il chip eroga fino a 780 TFLOPS in calcoli BF16, con un consumo complessivo di 350 watt. In termini di prestazioni per singolo processore, il divario con le soluzioni NVIDIA rimane evidente: l'Ascend 910C offre circa un terzo della potenza di calcolo di un B200 basato su architettura Blackwell. Ma Huawei ha scelto una strada diversa, puntando sulla scala piuttosto che sull'efficienza per chip.
Il sistema CloudMatrix 384 rappresenta la risposta di Huawei a questo gap prestazionale. La configurazione combina dodici rack di moduli Ascend con quattro rack dedicati all'interconnessione ottica, creando un fabric di 384 processori che eroga complessivamente circa 300 PFLOPS. La rete è interamente ottica, con 6.912 transceiver pluggable che formano una topologia ad alta larghezza di banda con collegamento all-to-all tra tutti i nodi. Questo approccio consente di compensare le limitazioni del singolo chip attraverso la massiccia parallelizzazione.
Il conto energetico è salato: CloudMatrix 384 assorbe circa 559 kilowatt a pieno carico, quasi quattro volte il consumo di un sistema DGX GB200 di NVIDIA. Tuttavia, i data center cinesi operano con vincoli normativi meno stringenti sul consumo energetico e beneficiano di costi dell'elettricità significativamente inferiori rispetto agli Stati Uniti o all'Europa. Questo compromesso, unito alla disponibilità su larga scala di chip prodotti internamente, rende lo stack Ascend una fondazione praticabile per l'addestramento di modelli linguistici di grandi dimensioni all'interno dei confini nazionali. Huawei sostiene che i test interni mostrino prestazioni superiori rispetto alle piattaforme H100 su specifiche classi di modelli, anche se i benchmark pubblici rimangono scarsi.
Sul fronte software, l'ecosistema attorno ad Ascend sta maturando rapidamente. L'ambiente di programmazione CANN e il framework MindSpore supportano le architetture di modelli più comuni attraverso un layer di traduzione capace di importare grafi da PyTorch o TensorFlow. Sebbene CUDA resti lo standard dominante a livello globale, Huawei sta pianificando di rendere open-source porzioni sempre più ampie della sua toolchain per accelerare lo sviluppo locale e attrarre l'interesse di partner internazionali nelle aree non soggette a restrizioni all'esportazione.
Ciò che distingue la strategia hardware di Huawei è il livello di integrazione verticale con l'intera catena di fornitura cinese dei semiconduttori. Hubble, il braccio di private equity dell'azienda, ha acquisito partecipazioni di minoranza in oltre 60 aziende produttrici di componenti e materiali dalla sua costituzione. Queste società stanno ora espandendo la capacità produttiva o acquisendo concorrenti, spesso con il sostegno dei governi locali, per garantire resilienza domestica contro eventuali future sanzioni.
Un esempio è HHCK Advanced Materials, con sede nella provincia di Jiangsu, in cui Huawei detiene una quota del 2%. A novembre, l'azienda ha acquisito un produttore concorrente di resine epossidiche resistenti al calore per circa 255 milioni di dollari. Parallelamente, Vertilite, partecipata al 4% da Huawei, ha inaugurato un nuovo impianto per semiconduttori compound in Jiangsu, producendo laser e modulatori per collegamenti ottici ad alta velocità, componenti critici per le interconnessioni mesh ottiche full-rack di Huawei. Shanghai Winscene Technology sta aumentando la produzione di fotoresist, essenziali per i processi litografici, mentre Aerotech, un'altra società legata a Huawei, espande la capacità di sistemi di flusso di gas e valvole utilizzati negli equipaggiamenti per la produzione di chip.
Ciascuna di queste aziende mira a colmare una vulnerabilità nota nella pipeline di produzione di semiconduttori cinese. Huawei è stata inoltre collegata agli sforzi domestici nell'automazione della progettazione elettronica. Sebbene non si ritenga che Huawei detenga una partecipazione azionaria in Empyrean Technology, il principale sviluppatore EDA cinese, fonti indicano una stretta collaborazione tra le due entità sullo sviluppo di strumenti e la verifica dei circuiti.
Per compensare la mancanza di accesso agli strumenti di litografia EUV, Huawei e la sua affiliata SiCarrier hanno sviluppato congiuntamente tecniche di multi-patterning basate su DUV che potrebbero spingere i nodi logici fino alla gamma dei 5 nanometri, anche se con penalità significative in termini di resa e costi. SiCarrier detiene brevetti in questo ambito, e Huawei starebbe contribuendo alla validazione dell'approccio nelle prime fasi produttive.
Nonostante i progressi, Huawei rimane indietro rispetto a NVIDIA nelle prestazioni per singolo chip, nell'adozione software e nella quota di mercato globale. Le GPU di NVIDIA restano lo standard in quasi tutti i principali framework di machine learning e beneficiano dell'integrazione stretta con CUDA, cuDNN e librerie ottimizzate per training e inference. Il framework MindSpore di Huawei sta ancora sviluppando capacità comparabili e manca di supporto diffuso fuori dalla Cina. L'accesso alle fonderie rappresenta un altro vincolo critico: SMIC e altre foundry cinesi stanno spingendo la produzione a 7 nanometri utilizzando tecniche DUV, ma le rese rimangono inferiori a TSMC o Samsung, e Huawei attualmente non può accedere ai nodi avanzati di questi ultimi.
Tuttavia, recenti reportage di Bloomberg hanno rivelato che Huawei potrebbe ricevere supporto da foundry attraverso canali paralleli, dato che die contrabbandati e memoria HBM di Samsung sono stati recentemente trovati nel nuovo chip Ascend 910C. Un elemento che solleva interrogativi sull'efficacia delle restrizioni all'esportazione e sulla capacità di Huawei di aggirare i vincoli tecnologici attraverso reti di approvvigionamento complesse.
In termini di policy, la crescita della rete di semiconduttori di Huawei si inserisce perfettamente nel prossimo piano quinquennale cinese. La bozza attuale, che si estende fino al 2030, identifica l'autosufficienza nei chip come priorità strategica. Il Big Fund nazionale, ora alla sua terza fase, ha impegnato oltre 47 miliardi di dollari nello sviluppo dei semiconduttori. Hubble, Huawei e altri attori privati operano all'interno di questo framework, co-investendo frequentemente con governi locali e veicoli di capitale statale.
Il risultato è una catena di fornitura verticalmente integrata e centrata su Huawei, capace di progettare e implementare chip per intelligenza artificiale in volumi significativi senza dipendere da supporto statunitense o europeo. Se questa infrastruttura riuscirà a garantire prestazioni ed efficienza di punta in futuro rimane incerto. Ciò che appare più chiaro è che l'azienda, e il paese che la sostiene, dispongono ora di un piano di riserva credibile qualora le sanzioni si inasprissero ulteriormente o l'accesso alle importazioni chiave dovesse crollare.