화웨이, '실리콘 흑토지' 전략…어센드 960 초노드·백만 카드 클러스터 공개

화웨이 전커넥트 콘퍼런스 2026(Huawei Connect)이 오늘 상하이에서 개막했고, 부회장 겸 윤번 회장인 왕타오가 개막 기조연설에 나서 던진 핵심 화두는 아주 직설적이었다. 지능형 세계에는 더 단단한 컴퓨팅 파워 기반이 필요하며, 화웨이가 바로 그 "실리콘 기반 검은 흙(硅基黑土地)"이 되겠다는 것이다.

왕타오는 압박감이 강한 숫자 한 묶음으로 서두를 깔았다. 대모델 파라미터는 빠르게 10조 개를 향해 가고 있으며 2030년에는 100조 개를 넘어설 것이고, 에이전트는 이미 시간 단위로 연속 작업할 수 있게 되었으며 2030년에는 월 단위로 임무를 수행할 것이다. 중국의 일일 추론 토큰은 이미 약 500조 개에 이르렀고 2030년에는 100만 조 개 규모가 될 것이다. 컴퓨팅 파워와 성능, 신뢰성이 모두 이 곡선들에 의해 위로 밀려나고 있다.

이번 AI 인프라의 핵심 돌파구는 "초노드(超节点)"에 있다. 화웨이는 업계 최초로 NPO(근접 패키지 광학) 기술을 채택한 어센드 960 초노드를 발표했다. 단일 초노드는 4096카드이며 8E FP8 컴퓨팅 파워와 1PB HBM 용량을 제공할 수 있다. 이는 원래 필요했던 4만 8천 개의 800G 광모듈을 5500개의 화웨이 자체 개발 Hi-ONE 광 인터커넥트 제품으로 대체했고, 전력 소비는 550여 킬로와트 줄었으며, 시스템 무고장 운행 시간은 두 배로 늘고 가용도는 99.8%에 이르렀다. 핵심 숫자는 알찼다. 4K 초노드로 구성된 10만 카드 클러스터는 8카드 서버로 짜맞춘 동일 규모 클러스터에 비해 MFU(모델 부동소수점 연산 이용률)가 2.75배 향상됐다.

초노드와 함께 화웨이는 쿤펑 초노드와 AI 메모리 스토리지도 업그레이드했다. 쿤펑 초노드는 최대 4096노드, 256TB 통합 메모리 풀을 지원하며, Agent 샌드박스 시나리오에서 10만 급 샌드박스 기동이 기존 서버 방식보다 30배 빠르다. 스토리지 측면에서는 링취(靈衢) UnifiedBus를 기반으로 OceanStor M900을 출시했고, Agent와 장시퀀스를 겨냥한 다층 KV Cache 아키텍처로 SSD 읽기·쓰기 수명을 16배 향상시켰다. 이 하위 시스템들을 링취 통합 인터커넥트 프로토콜로 연결하고, 여기에 2계층 CLOS 4평면 네트워킹과 다중 트랙 토폴로지를 겹친 화웨이가 제시한 상한은 최대 100만 카드의 어센드 초노드 클러스터다. 규모 숫자가 "10만 카드"에서 곧바로 "100만 카드"로 뛰었다.

개발자를 겨냥한 부분에서, 생태계 데이터는 이번 연설에서 가장 볼 만한 대목이다. 쿤펑의 글로벌 개발자는 416만 명을 넘고 생태계 파트너는 7200개사를 넘으며 560여 개 글로벌 오픈소스 프로젝트를 지원하고, openEuler 설치량은 2000만 세트를 넘어 중국 서버 운영체제 1위 점유율을 확고히 했다. 어센드 쪽은 "이미 생태계 변곡점을 넘었다"고 묘사된다. CANN은 상시적 오픈소스 운영에 들어갔고, 외부 개발자 비중이 처음으로 내부를 넘어 61%에 달하며, 커뮤니티 월간 활성 개발자는 5200명을 돌파했다. 어센드 네이티브로 학습된 모델은 40개를 넘어 국내에서 유일하게 사전학습을 지원하는 기술 노선이며, 어센드는 이미 PyTorch, Triton, vLLM, veRL 등 90여 개 주류 서드파티 커뮤니티를 커버한다.

가장 실질적인 한 가지. 리눅스 재단의 지원 아래 어센드는 공식적으로 PyTorch 공식 홈페이지에서 바로 설치할 수 있는 컴퓨팅 파워 플랫폼이 되었고, 중국에서 온 첫 컴퓨팅 파워 플랫폼이다. 이는 전 세계 개발자가 PyTorch를 설치할 때 어센드 백엔드를 선택할 수 있게 되었다는 뜻이다. 오픈소스 생태계라는 이 카드를 화웨이는 아주 명확하게 썼다. 개발자가 주류 범용 기술 스택 안에서 우회하지 않고도 어센드 컴퓨팅 파워를 쓸 수 있게 하는 것이다.

AI 인프라 군비 경쟁은 판돈을 점점 더 키우고 있으며, 단일 카드에서 초노드로, 다시 100만 카드 클러스터로 번져가고 있다. 그리고 이번 화웨이의 태도는 하드웨어에서는 NPO 광 인터커넥트에 걸고, 생태계에서는 오픈소스와 PyTorch 호환성에 건다는 것이다.