Huawei skruvar upp kampen mot Nvidia. Under 2027 ska de nya AI-processorerna 960DT och Ascend 960PR lanseras samtidigt som den kinesiska teknikjätten bygger system som i sin största form kan koppla samman omkring en miljon AI-processorer. Men bilden är mer komplicerad än att Huawei plötsligt har hunnit ikapp Nvidia – det är framför allt på systemnivå som Kina försöker förändra spelplanen.

Huawei 960DT ska enligt bolagets nya färdplan lanseras under första kvartalet 2027. Ascend 960PR följer under tredje kvartalet samma år.

Det innebär en betydligt mer aggressiv tidsplan än Huawei presenterade för Ascend 960-generationen ett år tidigare.

Samtidigt fortsätter Huawei att bygga ut sin egen UnifiedBus-teknik, som gör det möjligt att koppla samman mycket stora mängder AI-processorer. De största planerade SuperCluster-systemen ska kunna bestå av omkring en miljon NPU:er.

Det är där Huaweis verkliga utmaning mot Nvidia finns.

Inte nödvändigtvis i världens snabbaste enskilda chip – utan i möjligheten att bygga enorma AI-datorer med kinesisk teknik trots att landet fortfarande saknar tillgång till delar av den mest avancerade amerikanska och västerländska halvledartekniken.

Två nya Huawei-chip kommer 2027

Huawei presenterar nu två versioner i nästa stora AI-chipgeneration.

AI-chip	Planerad lansering
Huawei 960DT	Första kvartalet 2027
Ascend 960PR	Tredje kvartalet 2027

När Huawei presenterade sin tidigare färdplan hösten 2025 var beskedet att Ascend 960 skulle dyka upp först under fjärde kvartalet 2027.

Dagens besked innebär därför inte nödvändigtvis att exakt samma produkt har tidigarelagts. Snarare har Huawei delat upp generationen i flera modeller och accelererat utrullningen.

Det är en viktig skillnad.

Huawei har ännu inte offentliggjort så kompletta specifikationer för 960DT och 960PR att de kan jämföras på ett rättvist sätt med Nvidias senaste GPU-generation.

Därför går det ännu inte att slå fast att Huawei exempelvis ligger ett visst antal procent efter eller före Nvidia.

Peakprestanda säger dessutom inte hela sanningen. Minnesbandbredd, sammankoppling mellan processorer, mjukvara, energiförbrukning och hur effektivt tusentals chip kan arbeta tillsammans är minst lika viktiga när stora AI-modeller tränas eller körs.

En miljon processorer betyder inte en enda jätteserver

Den mest spektakulära siffran i Huaweis satsning är omkring en miljon AI-processorer.

Men den behöver sättas i rätt sammanhang.

Det handlar inte om en server med en miljon chip.

Huawei bygger sin arkitektur i flera nivåer. Mindre system kopplas samman till större SuperPoD-installationer, som i sin tur kan byggas ihop till enorma SuperCluster-miljöer.

Redan i Huaweis tidigare färdplan fanns Atlas 960 SuperPoD med upp till 15 488 Ascend 960-processorer. När många sådana system länkas samman kan ett komplett SuperCluster passera en miljon NPU:er.

Huawei säger samtidigt att mer än 1 000 mindre supernodes redan har levererats till över 370 kunder.

Det gör utvecklingen mer intressant än om det bara hade handlat om ett framtida demonstrationsprojekt.

Huawei försöker redan kommersialisera modellen.

Huawei behöver inte slå Nvidia chip för chip

Det är också här jämförelsen med Nvidia lätt blir missvisande.

Nvidia bygger mycket av sitt tekniska övertag på extremt kraftfulla GPU:er, avancerat minne, mycket hög intern bandbredd och ett mjukvaruekosystem som vuxit fram under många år.

Huawei har inte samma förutsättningar.

Bolaget har själv beskrivit hur begränsad tillgång till världens mest avancerade tillverkningsteknik tvingat fram en annan strategi.

I stället för att enbart fråga hur mycket prestanda som kan pressas ur ett enskilt chip försöker Huawei lösa problemet på systemnivå.

Fler processorer kopplas ihop.

Mer beräkning fördelas mellan dem.

Och UnifiedBus ska göra kommunikationen mellan alla dessa delar tillräckligt snabb för att helheten ska fungera som en mycket större AI-dator.

Huawei beskriver själv den bakomliggande strategin och sin Ascend-färdplan i sin tekniska genomgång av SuperPoD och UnifiedBus.

UnifiedBus är minst lika viktigt som själva chipen

AI-datacenter går inte att skala obegränsat genom att bara ställa in fler acceleratorer.

Ju större systemen blir, desto svårare blir kommunikationen mellan processorerna.

Data måste kunna flyttas snabbt. Minnet måste utnyttjas effektivt. Tusentals eller tiotusentals processorer får inte stå och vänta på varandra.

Det är därför tekniker som Nvidias NVLink har blivit så betydelsefulla.

Huawei försöker skapa sitt eget alternativ med UnifiedBus.

Bolaget uppger att elva olika halvledare har utvecklats kring UnifiedBus för de större systemen.

Huawei Cloud sade dessutom redan sommaren 2026 att UnifiedBus-baserade AI-kluster kunde omfatta mer än 100 000 accelerator-kort.

Det är en viktig indikation på att Huaweis strategi inte längre bara är en färdplan för framtiden.

Nvidia leder fortfarande på enskilda chip

På själva chipnivån har Huawei fortfarande mycket att bevisa.

Nvidias Rubin-generation erbjuder enligt Nvidias specifikationer bland annat mycket hög AI-prestanda, HBM4-minne och extremt snabb kommunikation mellan GPU:erna.

Huawei har ännu inte presenterat motsvarande kompletta och oberoende verifierbara siffror för 960DT och 960PR.

Att jämföra enskilda teoretiska PFLOPS-siffror blir dessutom problematiskt eftersom olika precisionsformat och tekniska upplägg används.

Men Huaweis tidigare system visar hur bolaget försöker kompensera.

Den tekniska analysfirman SemiAnalysis konstaterade exempelvis att Huaweis CloudMatrix 384 kunde bli mycket konkurrenskraftigt på total systemprestanda trots att de enskilda Ascend-processorerna låg efter Nvidia.

Huawei använde helt enkelt betydligt fler acceleratorer.

Nackdelen var dramatisk.

Systemet behövde mycket mer elektricitet och gav betydligt sämre prestanda per watt än Nvidias motsvarande lösning.

Det är kärnan i dagens konkurrens.

Huawei kan kompensera tekniskt genom skala – men skalan kostar.

Priset för självständighet kan bli enorma datacenter

Om Kina behöver använda fler processorer för samma arbete får det konsekvenser långt utanför själva chipmarknaden.

Det krävs mer:

• elektricitet
• kylning
• optiska nätverk
• datacenteryta
• minne
• hårdvara
• kapital

Det innebär att tekniskt oberoende kan bli betydligt dyrare än att köpa den mest effektiva tekniken på den öppna globala marknaden.

Men för Kina är kalkylen inte bara ekonomisk.

Tillgången till de mest avancerade Nvidia-processorerna har begränsats av amerikanska exportregler. Möjligheten att bygga avancerade AI-system utan amerikansk teknik har därför blivit en strategisk fråga.

Om Huawei kan leverera tillräckligt bra prestanda med större och mindre energieffektiva system kan Kina ändå minska sitt beroende av USA.

Huawei är redan en verklig konkurrent i Kina

Kommersiellt måste kampen mot Nvidia delas upp i två helt olika marknader.

I Kina har Huawei snabbt fått en mycket stark position.

Analytiker har uppskattat att Nvidia och Huawei vardera låg kring 40 procent av den kinesiska AI-chipmarknaden under 2025. Under 2026 har Huaweis position stärkts ytterligare samtidigt som Nvidias möjligheter att sälja sina mest avancerade produkter i landet begränsats.

Huawei väntas samtidigt göra AI-chip till en allt viktigare del av sin verksamhet.

Efterfrågan kan bli enorm om de kinesiska AI-bolagen genomför sina största planerade datacenterprojekt.

Ett tydligt exempel är planerna kring DeepSeek, där ett nytt kinesiskt datacenter enligt tidigare rapportering kan använda minst 160 000 Huawei-acceleratorer. Hurbra har tidigare gått igenom DeepSeeks stora AI-satsning och planerna på Huawei-chip.

Det är en helt annan situation än för bara några år sedan, då Nvidia i praktiken saknade en kinesisk rival med jämförbar systemambition.

Globalt är Nvidia fortfarande i en annan liga

Utanför Kina ser bilden helt annorlunda ut.

Nvidia har byggt upp ett globalt ekosystem kring GPU:er, CUDA, nätverk, servrar och molntjänster som är mycket svårt att kopiera.

De största molnbolagen använder redan Nvidias nya generationer i sina AI-plattformar.

Nvidias datacenterverksamhet omsätter dessutom tiotals miljarder dollar per kvartal. I den senaste rapporten nådde datacenterintäkterna 89 miljarder dollar på ett enda kvartal.

Hurbra har tidigare gått igenom Nvidias senaste rekordrapport och Rubin-utbyggnad.

Huawei är därför inte nära Nvidia sett till global försäljning, installerad kundbas eller mjukvaruekosystem.

Det gör det missvisande att beskriva dagens besked som att Huawei redan står jämsides med Nvidia globalt.

CUDA är fortfarande ett av Nvidias största vapen

Nvidias kanske största försvarsvall är inte själva GPU:n.

Det är CUDA.

AI-utvecklare och företag har under många år byggt sina system kring Nvidias mjukvara, bibliotek och verktyg.

Att byta hårdvara innebär därför ofta mycket mer än att installera ett annat accelerator-kort.

Program måste anpassas. Arbetsflöden förändras. Utvecklare måste lära sig nya verktyg.

Huawei bygger sitt eget ekosystem kring Ascend och CANN och uppger nu att det finns 5 270 månatligt aktiva utvecklare.

Det är en betydande utvecklarbas.

Men jämfört med Nvidias globala ekosystem är Huawei fortfarande i uppbyggnadsfasen.

På den kinesiska marknaden hjälper statliga ambitioner, exportrestriktioner och ett starkt behov av inhemska alternativ Huawei.

På en helt öppen internationell marknad måste bolaget däremot också övertyga företag som redan har investerat stora summor och många års utvecklingsarbete i Nvidia.

Kina är fortfarande beroende av utländsk chipteknik

Huawei visar samtidigt varför det är för tidigt att säga att Kina blivit tekniskt självförsörjande.

Ett av de största problemen är HBM, det extremt snabba minne som blivit centralt i moderna AI-acceleratorer.

Tillgången på avancerat HBM är begränsad och amerikanska exportregler har gjort situationen svårare för kinesiska chiptillverkare.

Priserna på kinesiska AI-kort har därför stigit kraftigt när minnesbristen förvärrats.

Liknande beroenden finns kring avancerad litografi, halvledarutrustning och de allra minsta tillverkningsprocesserna.

Huawei kan alltså minska Kinas beroende av färdiga amerikanska AI-processorer utan att hela den bakomliggande leverantörskedjan blir kinesisk.

Det är två olika saker.

Huawei förändrar ändå AI-chipkriget

Det mest betydelsefulla med Huaweis nya satsning är därför inte frågan om 960DT eller 960PR kan slå Nvidia Rubin i ett benchmark.

Den större frågan är om Kina verkligen behöver göra det.

Huawei försöker bygga runt de delar av halvledarkedjan som landet ännu inte behärskar fullt ut.

Om ett kinesiskt chip är svagare kan fler chip användas.

Om en processor drar mer energi kan ett större datacenter byggas.

Om Nvidia inte får sälja sina bästa produkter i Kina kan ett eget mjukvaruekosystem växa fram kring den hårdvara som faktiskt finns.

Det är sannolikt dyrare och mindre energieffektivt.

Men om prestandan blir tillräckligt bra kan resultatet ändå vara strategiskt mycket värdefullt.

2027 blir därför ett viktigt testår.

Då behöver Huawei visa att 960DT och 960PR inte bara fungerar på presentationsbilder, utan kan tillverkas i stora volymer, levereras till riktiga kunder och skalas upp utan att kostnaderna och energibehovet blir orimliga.

Lyckas Huawei med det kommer Nvidia fortfarande att ha världens starkaste AI-chipplattform.

Men Kina kan samtidigt ha byggt något som på sikt är minst lika viktigt för landet: ett AI-ekosystem som inte längre är beroende av att Nvidia får lov att sälja sina bästa chip där.