Huawei memperkenalkan Peerium Computing Architecture pada 17 September 2026 di Shanghai, China, sebagai pendekatan baru dalam membangun infrastruktur kecerdasan buatan berskala sangat besar. Arsitektur ini dirancang untuk menghubungkan hingga satu juta prosesor agar dapat bekerja sebagai satu sistem komputasi terpadu. Melalui teknologi UnifiedBus, Huawei berupaya mengatasi hambatan komunikasi yang sering muncul ketika ribuan chip AI digunakan secara bersamaan. Pengembangan tersebut menjadi bagian penting dari persaingan teknologi pusat data modern, terutama untuk pelatihan model kecerdasan buatan berukuran besar. Meski menawarkan kemampuan yang ambisius, implementasi Peerium masih membutuhkan pengujian dan pengembangan berkelanjutan.
Huawei Mengembangkan Arsitektur Peerium untuk Komputasi AI Berskala Besar
Perusahaan teknologi Huawei menghadirkan Peerium Computing Architecture sebagai arsitektur pemrosesan yang ditujukan untuk era AI. Arsitektur terbaru ini dirancang untuk menghubungkan hingga satu juta prosesor agar dapat bekerja sebagai satu komputer besar. Pada kebutuhan komputasi kecerdasan buatan, jumlah perhitungan sering membutuhkan banyak akselerator. Untuk menjawab tantangan tersebut, perusahaan teknologi membangun pusat data dengan ribuan prosesor untuk meningkatkan kapasitas pelatihan model. Meski perangkat yang digunakan semakin banyak, komunikasi antarprosesor dapat menjadi hambatan. Melalui Peerium, Huawei menargetkan pemanfaatan sumber daya yang lebih efisien.
Pengembangan Peerium berfokus pada kemampuan meningkatkan skala. Alih-alih hanya memperbesar kemampuan satu prosesor, Huawei berusaha mengoptimalkan hubungan antarsumber daya. Konsep komputasi tersebut memberikan alternatif terhadap pengembangan chip individual. Dalam pusat data AI, akselerator komputasi dan komponen pendukung memerlukan perpindahan informasi yang cepat. Ketika jaringan tidak mampu mengikuti kebutuhan, sebagian kemampuan komputasi dapat terbuang. Untuk mendukung peningkatan kapasitas, Peerium mengutamakan pengelolaan komunikasi dan memori.
Tiga Prinsip Utama Arsitektur Peerium dalam Mengelola Prosesor
Teknologi komputasi Huawei mengandalkan tiga pendekatan teknis, yaitu nested parallelism, unified memory addressing, dan peer interconnect. Konsep paralelisme bertingkat adalah cara mengelompokkan proses komputasi secara hierarkis. Berkat pengelompokan pekerjaan, beban kerja kompleks dapat dipecah ke sejumlah tahapan. Berbagai unit pemrosesan kemudian berkontribusi terhadap penyelesaian tugas keseluruhan. Untuk kebutuhan komputasi kompleks, sejumlah prosesor dapat mengerjakan bagian model berbeda. Pendekatan tersebut membantu pengelolaan komputasi berskala besar.
Prinsip berikutnya adalah unified memory addressing, yaitu mekanisme pengalamatan memori secara terpadu. Dalam sistem tradisional, akses memori sering dibatasi oleh hubungan antarkomponen. Dengan menggunakan ruang alamat yang terkoordinasi, sistem dapat mengurangi kerumitan pengalamatan sumber daya. Untuk prinsip ketiga, peer interconnect mengutamakan komunikasi setara di antara perangkat. Kombinasi ketiga pendekatan mendukung pengembangan sistem berskala besar. Namun demikian, hasil performa tetap harus dibuktikan dalam penggunaan nyata.
UnifiedBus Menjadi Teknologi Penghubung Utama Peerium
Bagian penting dalam penerapan arsitektur Peerium adalah UnifiedBus atau UB, yaitu mekanisme komunikasi terpadu untuk infrastruktur digital. Teknologi UB dirancang berdasarkan satu protokol terbuka untuk mendukung komunikasi sejumlah perangkat. Komponen yang dapat terhubung mencakup CPU, NPU, memori, SSD, network interface card, dan switch. Berkat penggunaan protokol yang seragam, berbagai perangkat berpotensi berkomunikasi lebih efisien. Pada infrastruktur dengan beragam protokol, perpindahan informasi dapat membutuhkan proses tambahan. UnifiedBus ditujukan untuk membantu meningkatkan efisiensi pertukaran informasi.
Berdasarkan target pengembangan perusahaan, UnifiedBus dirancang untuk menghubungkan perangkat dalam jumlah luas. Dalam sistem komputasi AI, kecepatan perpindahan informasi memengaruhi performa. Pada pelatihan model bahasa besar, berbagai perangkat harus menyinkronkan informasi. Jika jalur pertukaran data menjadi hambatan, sebagian prosesor mungkin menunggu. Berkat rancangan komunikasi tersebut, Huawei berupaya mengurangi waktu tunggu. Namun demikian, efisiensi keseluruhan tidak ditentukan oleh bandwidth saja. Faktor seperti latensi, topologi jaringan, serta penggunaan memori juga harus dipertimbangkan dalam evaluasi.
Pengembangan SuperCluster Huawei untuk Komputasi AI Berskala Besar
Sebagai penerapan awal, Huawei menghadirkan Atlas 950 SuperPoD sebagai produk generasi pertama berbasis Peerium. SuperPoD sendiri merupakan infrastruktur pemrosesan dengan konektivitas antarkomponen berkapasitas tinggi. Dengan memanfaatkan desain tersebut, beban kerja AI dapat dibagikan. Huawei juga mengembangkan SuperCluster, yaitu infrastruktur yang menyatukan banyak unit pemrosesan. Berdasarkan informasi perusahaan, Huawei melaporkan proses deployment sistem Atlas 950 berkapasitas 256.000 kartu. Namun demikian, status deployment tidak otomatis menunjukkan seluruh sistem telah beroperasi penuh.
Sebagai kelanjutan sistem sebelumnya, Huawei sedang menguji infrastruktur Atlas 960 dengan dukungan teknologi near-packaged optics. Teknologi NPO dikenal sebagai strategi mengintegrasikan komunikasi optik lebih dekat dengan paket komputasi. Rancangan perangkat keras tersebut membuka peluang peningkatan efisiensi komunikasi. Ketika banyak prosesor saling terhubung, kebutuhan bandwidth serta pengelolaan panas menjadi pertimbangan penting. Dengan pengembangan Atlas 960, Huawei berupaya meningkatkan kemampuan sistem berikutnya. Namun demikian, kesiapan penggunaan luas memerlukan verifikasi.
Tantangan Komputasi Jutaan Chip dalam Industri Kecerdasan Buatan
Faktor yang mendorong pengembangan arsitektur Peerium adalah semakin kompleksnya pekerjaan pelatihan model. Aplikasi AI dengan parameter sangat banyak memerlukan sumber daya pemrosesan besar. Ketika model mempelajari data, parameter model diperbarui menggunakan operasi matematis. Apabila jumlah parameter meningkat tajam, satu perangkat tidak cukup untuk menyelesaikan pekerjaan secara efisien. Melalui Peerium, Huawei menargetkan penggunaan sumber daya yang lebih terpadu. Namun demikian, efisiensi bergantung pada kemampuan komunikasi. Karena itu, performa harus dianalisis berdasarkan pekerjaan tertentu.
Di samping kebutuhan training AI, arsitektur Peerium dirancang memenuhi kebutuhan penggunaan model dalam skala besar. Tahap penggunaan model dikenal sebagai proses menjalankan model untuk memproses permintaan. Ketika jutaan pengguna mengakses AI, permintaan dapat datang secara bersamaan. Untuk memenuhi kebutuhan tersebut, kapasitas pemrosesan harus diseimbangkan dengan jaringan. Meski Peerium dirancang menghadapi kebutuhan tersebut, kebutuhan pendinginan mungkin meningkat seiring perluasan kapasitas pusat data. Selain itu, pemeliharaan sistem membutuhkan strategi teknis yang matang. Melalui perencanaan infrastruktur secara menyeluruh, sistem AI berpeluang mendukung pekerjaan yang semakin kompleks.
Peran Arsitektur Peerium dalam Menghubungkan Jutaan Prosesor
Pengenalan Peerium Computing Architecture memperlihatkan perkembangan menarik dalam pembangunan infrastruktur kecerdasan buatan. Dengan dukungan unified memory addressing, serta sistem komunikasi antarkomponen setara, Huawei berupaya menyatukan jutaan unit pemrosesan. Sistem interkoneksi tersebut merupakan bagian utama dari penghubungan sistem. Penerapan awal SuperCluster Atlas 950 juga menunjukkan langkah implementasi. Namun demikian, kemampuan menghubungkan satu juta prosesor masih memerlukan pembuktian pada skala penuh. Melalui penyempurnaan perangkat keras dan perangkat lunak, arsitektur tersebut dapat membuka pendekatan baru bagi pusat data. Menurut pemikiran Anda, apakah teknologi UnifiedBus berpotensi meningkatkan efisiensi pusat data? Sampaikan pandangan Anda mengenai masa depan sistem kecerdasan buatan Huawei.
