Huawei ha presentato una nuova generazione di infrastrutture dedicate ai carichi di lavoro HPC + AI, progettata per aiutare università, centri di ricerca e istituzioni scientifiche a gestire in modo più efficiente l’intero ciclo di elaborazione dei dati.
La nuova proposta, annunciata durante ISC High Performance 2026, nasce con l’obiettivo di affrontare una delle sfide più rilevanti per i moderni ambienti tecnologici: la crescita continua dei carichi legati all’intelligenza artificiale, agli agenti digitali e ai modelli sempre più complessi che richiedono enormi quantità di dati. Secondo Huawei, le infrastrutture tradizionali stanno iniziando a mostrare limiti nella gestione dei nuovi scenari AI, soprattutto a causa dell’aumento del consumo di token, della necessità di elaborare dati multimodali e della richiesta di risposte sempre più rapide. La strategia dell’azienda si basa quindi su uno stack completo per gli AI Data Center (AIDC), capace di combinare storage, capacità di calcolo e networking all’interno di un’unica architettura.
AI Data Lake e gestione intelligente dei dati.
Uno degli elementi centrali della nuova infrastruttura è rappresentato dall’AI Data Lake, pensato per trasformare i tradizionali sistemi di gestione dei dati della ricerca in piattaforme più adatte agli scenari basati sull’intelligenza artificiale. La soluzione punta a semplificare l’archiviazione, l’organizzazione e l’utilizzo di grandi quantità di informazioni scientifiche attraverso un ambiente dati unificato.
Al suo interno trova spazio lo storage OceanStor Pacific, una tecnologia progettata per ambienti dove la quantità di dati cresce rapidamente. La piattaforma raggiunge una densità di capacità dichiarata pari a 11 PB in 2U, consentendo di conservare grandi archivi scientifici riducendo allo stesso tempo l’impatto sull’infrastruttura fisica.
Un altro elemento importante è rappresentato da DME Omni-Dataverse, uno spazio dati unificato che consente l’acquisizione in tempo reale di informazioni multimodali provenienti da sedi differenti. La soluzione permette inoltre di mantenere una visibilità globale sui dati e supporta ricerche su centinaia di miliardi di dati vettoriali multidimensionali.
Storage ad alte prestazioni per training e inferenza.
Con l’evoluzione dell’intelligenza artificiale, i sistemi HPC stanno progressivamente passando dai tradizionali carichi scientifici verso scenari dove addestramento e inferenza AI diventano sempre più centrali. Per questi ambienti Huawei propone OceanDisk 1610 Smart Disk Enclosure, una soluzione dedicata ai processi di training dei modelli. Il sistema offre una larghezza di banda dichiarata fino a 220 GB/s e una densità di capacità pari a 4 PB in 2U, con l’obiettivo di aumentare la velocità con cui i dati vengono forniti ai sistemi di elaborazione.Secondo Huawei, questa configurazione consente di migliorare l’efficienza dei processi di addestramento e ridurre contemporaneamente spazio occupato nei data center e consumi energetici.
Per la fase di inferenza, l’azienda ha invece sviluppato una AI Data Platform “3+1”, una piattaforma che integra componenti come knowledge base, cache KV, memoria e gestione unificata dei dati. La tecnologia utilizza UCM per amministrare i dati di memoria destinati all’inferenza AI e punta a migliorare la precisione nel recupero delle informazioni, con un valore dichiarato superiore al 95%.
Huawei punta sui data center AI del futuro.
Un altro tassello della nuova architettura è rappresentato da Huawei CMS (Context Memory Storage), una soluzione progettata per adattare lo storage alle esigenze dei modelli AI più avanzati. Il sistema introduce funzionalità dedicate alla gestione di contenuti multimodali, un’architettura disco 3-in-1 e il bypass semantico KV, tecnologie pensate per velocizzare l’accesso alla memoria contestuale utilizzata dagli algoritmi.
La compatibilità con infrastrutture basate su GPU e NPU, oltre al supporto per protocolli di rete come RoCE e Unified Bus (UB), permette alla piattaforma di inserirsi in ambienti di calcolo eterogenei. Huawei dichiara che CMS può aumentare da 3 a 5 volte il throughput nelle attività di inferenza dei foundation model AI, riducendo fino al 90% la latenza del primo token e contribuendo a un abbassamento dei costi fino al 30% rispetto agli approcci tradizionali.
Networking AI per cluster sempre più grandi.
La parte di rete è affidata alla soluzione Xinghe AI Data Center Network, progettata per garantire collegamenti ad alta velocità negli ambienti HPC e AI. La piattaforma utilizza un’architettura basata su Open Ethernet e punta a migliorare efficienza operativa e scalabilità dei grandi cluster.
Huawei indica una riduzione fino al 30% dei costi operativi e di gestione, grazie anche alla possibilità di utilizzare chassis ad alta densità con configurazioni fino a 128×800GE o 128×400G. La soluzione consente inoltre una scala di networking dichiarata quattro volte superiore rispetto agli standard di settore e una riduzione del 40% del TCO per la realizzazione della rete a parità di dimensioni.
A completare il sistema arrivano i moduli ottici StarryLink, che introducono il bilanciamento del carico a livello di singolo pacchetto. Questa tecnologia permette di raggiungere un throughput di rete fino al 98% e migliorare del 7% l’efficienza delle attività di training e inferenza. L’infrastruttura integra anche strumenti di telemetria con campionamento inferiore al millisecondo e iFlashboot 2.0, capace di supportare un riavvio dichiarato in soli 5 secondi.
Con questa nuova piattaforma, Huawei punta a fornire a università e istituti di ricerca una base tecnologica capace di accompagnare l’evoluzione dei modelli AI e delle simulazioni scientifiche avanzate. In Europa, l’azienda dichiara collaborazioni con oltre 600 università e istituti e più di 80.000 scuole, oltre a numerosi centri di ricerca.