Uitdagingen bij de productie van Huawei's AI-chips

De belangrijkste uitdaging voor de AI-chip productie van Huawei komt voort uit exportcontroles van de VS die de toegang tot geavanceerde productieapparatuur beperken, waardoor ze afhankelijk zijn van SMIC's minder volwassen 7nm-proces met slechte opbrengsten en hoge kosten. Dit leidt tot technologische achterstand in vergelijking met Nvidia's 4nm-chips, en Huawei worstelt met high-bandwidth memory (HBM), inter-chip connectiviteit en een onvolwassen software-ecosysteem (CANN, MindSpore) die nodig zijn voor grootschalige modeltraining. Hoewel het gebruik van geavanceerde verpakking en chiplet-ontwerpen de prestaties kan verbeteren, hebben deze methoden ook te maken met beperkingen in een omgeving met beperkte middelen.

• Exportcontroles: Amerikaanse en Nederlandse sancties beperken de toegang van China tot geavanceerde chipmaking-apparatuur en -diensten, wat de productie van geavanceerde chips met hoge opbrengst belemmert.
• 7nm-proces Bottleneck: De geavanceerde chips van Huawei, zoals de Ascend-serie, worden geproduceerd door SMIC, maar het gebruik van oudere, minder volwassen 7nm-klasse nodes resulteert in lage opbrengsten en slechte kwaliteit.
• Intergenerationele Achterstand: Deze afhankelijkheid van oudere technologie plaatst Huawei "een generatie of twee achter" op zijn Amerikaanse concurrenten, die meer geavanceerde nodes gebruiken zoals TSMC's 4nm-proces voor high-end chips.

• Geheugenbeperkingen: AI-training en het uitvoeren van grote taalmodellen vereisen High-Bandwidth Memory (HBM), maar Huawei heeft problemen met zowel de beschikbaarheid van HBM als de inter-chip connectiviteit en geheugensnelheden van zijn eigen chip.
• Chiplet-ontwerpbeperkingen: Huawei gebruikt chiplet-ontwerpen (zoals het combineren van twee kleinere dies) om de prestaties op zijn nieuwere chips, zoals de 910C, te verbeteren, maar dit maakt ook geavanceerde verpakking cruciaal en complex om te implementeren met binnenlandse mogelijkheden.