La compañía presentó Stellar AI Network y conectó su apuesta de redes con Peerium, UnifiedBus y la próxima generación Ascend. Las cifras son ambiciosas, pero todavía dependen de resultados divulgados por Huawei.

La pelea ya no se decide solamente dentro del chip

Huawei cerró su conferencia anual en Shanghái con un mensaje que apunta al corazón de la competencia por la inteligencia artificial: fabricar un acelerador potente ya no alcanza. También importa cuántos procesadores pueden trabajar juntos, con qué latencia intercambian datos y cuánto tiempo permanecen ociosos mientras esperan a la red.

El 19 de septiembre de 2026, la empresa presentó una versión renovada de Stellar AI Network, una familia que divide la conectividad en tres frentes: AI Fabric para centros de datos, AI WAN para transportar capacidad entre regiones y AI Campus para redes empresariales. Dos días antes había anunciado Peerium y UnifiedBus, la arquitectura con la que dice poder coordinar hasta un millón de procesadores como si fueran una sola computadora.

Son anuncios relacionados, pero no equivalentes. Stellar describe soluciones de red y seguridad. Peerium es la propuesta arquitectónica más amplia, y UnifiedBus es la tecnología de interconexión que la sostiene. Los futuros aceleradores Ascend 960 constituyen otra pieza del plan. Juntos muestran una estrategia vertical que abarca cómputo, memoria, almacenamiento, switches y software; no demuestran todavía que todo el sistema funcione a la escala máxima anunciada.

Qué promete Stellar AI Network

La pieza central para centros de datos es Stellar AI Fabric 2.0. Huawei asegura que una topología de dos capas elimina la capa central y reduce en 30% el costo de despliegue de red. También afirma que su protocolo unificado baja la latencia de extremo a extremo de 20 a 11 microsegundos y que la retransmisión en la capa de enlace evita pérdida de paquetes durante fluctuaciones de conexión.

La compañía presentó además switches NPO, una tecnología que aproxima los componentes ópticos al silicio de conmutación. Según sus mediciones, el diseño reduce el consumo de la interconexión de 1.000 a 600 vatios y acorta en 180 nanosegundos la conversión entre señales ópticas y eléctricas. Son resultados publicados por el fabricante; Huawei no entregó en el anuncio una metodología completa ni ensayos independientes que permitan compararlos en condiciones homogéneas con equipos rivales.

En seguridad, la empresa atribuye a su solución tasas del 95% para detectar minería ilícita de criptomonedas y ataques de inyección de instrucciones, con diferentes niveles de latencia. También dice que una instalación de cliente identificó 415 vulnerabilidades de alto riesgo y 322 eventos de amenaza en siete días. Sin información sobre el tamaño del entorno, la tasa de falsos positivos o el conjunto de prueba, esos números sirven como referencia comercial, no como evaluación definitiva.

AI WAN aborda otra dificultad: usar cómputo lejano sin mover todos los datos ni perder rendimiento por distancia. Huawei afirma que su sistema mantiene una eficiencia superior al 95% a más de 1.000 kilómetros y reduce cinco veces el ancho de banda necesario mediante la superposición de cómputo y comunicación. En AI Campus, promete bajar a menos de cinco minutos el tiempo medio de reparación de fallas y detectar amenazas en terminales simples en menos de diez segundos.

Peerium y UnifiedBus: el intento de escalar todo el sistema

El anuncio del 17 de septiembre ofrece el contexto técnico. Huawei llama Peerium a una arquitectura basada en paralelismo anidado, direccionamiento unificado de memoria e interconexión entre pares. La empresa sostiene que reemplaza la jerarquía tradicional de controladores y dispositivos subordinados por componentes capaces de accederse con mayor flexibilidad.

UnifiedBus conecta CPU, NPU, memoria, unidades de estado sólido, tarjetas de red y switches mediante un protocolo común. En la presentación técnica de Huawei, la empresa dijo que pasó de anchos de banda del orden de cientos de gigabytes por segundo a terabytes por segundo y redujo la latencia de ida y vuelta de siete a dos microsegundos. También mostró equipos para conexiones dentro de un gabinete, entre gabinetes y entre clústeres.

El objetivo declarado es escalar desde unos pocos aceleradores hasta un clúster de un millón de NPU. Sin embargo, “soportar” esa escala en el diseño no significa que exista una instalación productiva con un millón de unidades. Huawei informó que un Atlas 950 SuperCluster de 256.000 tarjetas se encuentra en despliegue y que el sistema Atlas 960 con óptica cercana al encapsulado está en pruebas. No publicó resultados independientes de operación continua para la configuración máxima.

Esta distinción importa porque el desempeño de un clúster no es la suma automática del rendimiento nominal de sus chips. A gran escala aparecen cuellos de botella de red, memoria, sincronización, energía, refrigeración y software. Una interconexión más rápida puede compensar aceleradores individuales menos potentes, pero la eficiencia real depende de la carga y de cuánto tiempo útil conserva el sistema al crecer.

Ascend 960 y la presión sobre Nvidia

La competencia geopolítica explica parte de la atención. Associated Press ubicó los anuncios dentro del esfuerzo chino por reducir su dependencia de tecnología estadounidense y competir con Nvidia, cuyo hardware sigue siendo una referencia global para entrenar y ejecutar modelos.

La cobertura no convierte las comparaciones de Huawei en benchmarks independientes. AP confirma que la empresa presentó Atlas 960 y una hoja de ruta de nuevos chips; no verifica por sí misma el desempeño prometido.

Tom’s Hardware informó el 18 de septiembre que Huawei adelantó el Ascend 960DT al primer trimestre de 2027 y el 960PR al tercer trimestre. Según las especificaciones divulgadas, el 960DT apunta a 2 petaflops en FP8, 4 en FP4, 288 GB de memoria y 9,6 TB/s de ancho de banda de memoria. El 960PR priorizaría inferencia de baja precisión, con 8 petaflops FP4.

Esas magnitudes no pueden compararse de manera directa con otra arquitectura usando solamente la cifra máxima. El formato numérico, la utilización efectiva, el software, el consumo energético y la carga concreta cambian el resultado. Además, los chips todavía no están disponibles comercialmente y Huawei reconoció que su capacidad de producción actual no satisface la demanda doméstica, según Tom’s Hardware.

Qué significa para América Latina

Para empresas y gobiernos latinoamericanos, la noticia amplía el menú potencial de infraestructura, pero no habilita conclusiones inmediatas sobre precio, disponibilidad o soporte regional. Huawei tiene presencia comercial en la región, aunque estos anuncios no detallan calendarios de venta para América Latina ni casos de implementación en Paraguay.

La discusión relevante tampoco debería reducirse a elegir una marca. Una organización que evalúe infraestructura de IA necesita pedir pruebas con sus propios modelos y datos: rendimiento por vatio, estabilidad sostenida, compatibilidad de software, costos de red, disponibilidad de repuestos, condiciones de soporte y facilidad para migrar cargas. También debe revisar riesgos regulatorios, de ciberseguridad y de dependencia de un proveedor.

El énfasis de Huawei en integrar chips, interconexión y red refleja hacia dónde se mueve el sector. Los modelos más grandes y los agentes que ejecutan muchas acciones exigen transportar más información entre cómputo, memoria y almacenamiento. La arquitectura del sistema empieza a pesar tanto como el acelerador que ocupa los titulares.

Huawei presentó una respuesta técnicamente ambiciosa a ese problema. Ahora faltan las pruebas que importan: despliegues comerciales a gran escala, mediciones reproducibles, eficiencia energética completa y disponibilidad fuera de China. Hasta entonces, el millón de NPU es una meta de diseño, no un resultado demostrado.

Fuentes