Em 20 de março de 2026, na Conferência de Parceiros da Huawei China em Shenzhen, a companhia revelou sua carta mais ambiciosa contra o domínio da Nvidia no mercado de aceleradores de IA. O Atlas 350, impulsionado pelo novo processador Ascend 950PR, oferece 1,56 petaflops em precisão FP4 e 1 petaflop em FP8 — aproximadamente 2,8 vezes o desempenho do Nvidia H20, o melhor chip que os Estados Unidos permitem vender à China sob as restrições de exportação atuais.
Os números chamam a atenção. Mas a história completa é mais matizada do que sugerem as manchetes.
O Atlas 350 é, sem dúvida, uma conquista técnica significativa para o ecossistema de semicondutores chinês. Não só pelo desempenho bruto, mas porque incorpora memória HBM própria da Huawei — a HiBL 1.0, com 112 GB e 1,4 TB/s de largura de banda — o que dá à empresa controle total sobre a cadeia de suprimentos de memória. Também introduz o CANN Next, uma pilha de software projetada para ser compatível com CUDA da Nvidia, oferecendo abstrações familiares como thread blocks, warps e lançamentos de kernel para facilitar a migração de desenvolvedores.
Mas o contexto é fundamental. O H20 com o qual o Atlas 350 é comparado não é um chip qualquer: é um chip deliberadamente limitado pela Nvidia para cumprir as regulamentações de exportação dos Estados Unidos. Com 296 TFLOPS em FP8, o H20 está muito abaixo do que a Nvidia vende em outros mercados — o H100 oferece cerca de 2.000 TFLOPS, e o B200 dobra esse número. Dizer que o Atlas 350 “supera o melhor chip americano” é verdade apenas se adicionarmos a nuance crucial: o melhor chip que os Estados Unidos permitem exportar para a China.
Há mais diferenças além do desempenho bruto. O Atlas 350 consome 600W, 50% a mais que os ~400W do H20. Sua largura de banda de memória (1,4 TB/s) é menos da metade dos 4,0 TB/s do H20. E o mais importante: o Ascend 950PR é um chip projetado principalmente para inferência, não para treinamento. Para treinar modelos de fronteira, a China ainda depende de chips americanos.
A Huawei tem um plano. O 950PR é o primeiro produto de um roteiro de três anos que inclui o 950DT (para treinamento e inferência, previsto para o quarto trimestre de 2026), o Ascend 960 (Q4 2027) e o Ascend 970 (Q4 2028). A empresa pretende enviar 750.000 unidades do Atlas 350 em 2026, e empresas como ByteDance e Alibaba já planejam pedidos grandes.
Quatro semanas após o lançamento do Atlas 350, em 24 de abril de 2026, a DeepSeek lançou seu modelo V4 com uma particularidade: a Huawei anunciou suporte de “dia zero” para inferência do V4 em seus chips Ascend 950PR e 950DT. A adaptação, demonstrada em uma live na Bilibili e no WeChat, mostrou que o framework CANN da Huawei — equivalente funcional do CUDA — conseguia executar o modelo V4 sem GPUs da Nvidia.
Essa colaboração é estrategicamente importante. É a primeira vez que um modelo de classe fronteiriça é adaptado especificamente para aceleradores domésticos chineses. Mas aqui também há nuances. O DeepSeek V4 não foi treinado em hardware da Huawei — os documentos oficiais da DeepSeek não mencionam a Huawei, e o SCMP reporta que “os modelos chineses de ponta ainda dependem de chips americanos avançados para treinamento.” O Ascend 950PR é um chip de inferência, não de treinamento. Dizer que o V4 foi “construído com dependência zero da Nvidia” é exagerado; o correto é dizer que foi adaptado para ser executado no Ascend.
A adoção do ecossistema CANN é talvez o movimento mais estratégico da Huawei. A Nvidia domina não pelo seu hardware, mas pelo CUDA, o ecossistema de software que prende os desenvolvedores. O CANN Next tenta replicar essa jogada oferecendo compatibilidade a nível de API, mas a história não ajuda: gerações anteriores do Ascend lutaram para alcançar adoção em massa. O fato de ByteDance e Alibaba estarem fazendo pedidos sugere que desta vez pode ser diferente, mas o veredito ainda não foi escrito.
Por que isso importa
O Atlas 350 representa o avanço mais crível da China em hardware de IA doméstico até hoje. Tem especificações competitivas, memória própria, um roteiro claro e, pela primeira vez, um modelo de fronteira adaptado para ser executado nele. Mas o caminho para a independência total da Nvidia ainda é longo. O Atlas 350 compete com o H20, não com o H100 ou o B200. É um chip de inferência, não de treinamento. E o ecossistema de software CANN ainda precisa provar que pode cativar os desenvolvedores como o CUDA fez.
O que está claro é que a lacuna está se fechando. Não de repente, mas de forma constante. E isso, para a indústria global de semicondutores, é um sinal que ninguém deveria ignorar.
Fonte principal: SCMP — Huawei challenges Nvidia with powerful new AI accelerator card