승텐 950: 국산 AI 컴퓨팅의 이정표

2026년 3월, 화웨이는 MWC 바르셀로나와 화웨이 중국 파트너 컨퍼런스에서 승텐 950PR 가속 카드와 아틀라스 350 서버를 잇달아 공개하며 승텐 AI 칩 생태계의 새로운 단계를 알렸다. 화웨이의 ‘1년 1세대, 컴퓨팅 성능 두 배’ 로드맵의 핵심인 승텐 950 시리즈의 탄생은 단순한 스펙 향상이 아니라, 글로벌 공급망 과제에 직면한 화웨이의 전략적 전환을 반영한다. 즉, 단일 카드의 극한 성능에서 절대적인 추월에 집착하지 않고, 아키텍처 정밀화, 시나리오 맞춤화, 그리고 혁신적인 슈퍼노드 기술을 통해 시스템 수준의 혁신으로 돌파구를 찾는 길을 걸어가겠다는 것이다.

1. 승텐 950 아키텍처: 듀얼 칩, 정밀한 역할 분담

승텐 950 시리즈는 기존의 ‘만능’ 설계를 과감히 버리고 ‘동일 다이 코어 + 차별화된 구성’ 전략을 채택하여, 서로 다른 시나리오를 겨냥한 950PR과 950DT 두 가지 모델을 파생시켰다. 두 칩은 950 코어 아키텍처를 공유하며, 함께 제공되는 자체 개발 HBM 메모리와 소프트웨어 튜닝에서만 차이가 나므로 비용과 성능의 정확한 균형을 이룰 수 있다.

1.1 승텐 950PR

AI 추론 및 추천 업무 가속에 특화되었으며, 특히 대규모 언어 모델 추론의 프리필(Prefill) 단계에 최적화되어 있다. 자체 개발한 고대역폭 메모리를 탑재한 최초의 승텐 칩이다. 주요 기술 특징은 다음과 같다.

• 자체 개발 HBM (HiBL 1.0): 용량 112GB(표준 카드) / 128GB(칩 규격), 대역폭 1.4TB/s. 비용 통제와 성능 발휘를 균형 있게 조절.

• 저정밀도 컴퓨팅 전면 지원: FP8, MXFP8, HIF8 및 FP4를 지원하며, FP8 성능 1 PFLOPS, FP4 성능 최대 2 PFLOPS로 처리량 대폭 향상.

• 자체 포맷 HiF8: FP8의 높은 효율성을 유지하면서 FP16에 거의 근접하는 정밀도를 달성하여, 컴퓨팅 성능과 정밀도 사이의 교묘한 균형을 제공.

• 아틀라스 350 가속 카드: 소비 전력 600W, FP4 정밀도에서 1.56 PFLOPS 성능, 멀티모달 생성 속도 60% 향상.

1.2 승텐 950DT

학습 및 추론 디코드(Decode) 단계의 주력 모델로, 대규모 모델 학습의 높은 동시성 메모리 접근 요구를 겨냥하여 고성능 버전의 자체 개발 HBM (HiZQ 2.0) 을 채택했다. 메모리 용량은 144GB, 상호 연결 대역폭은 4TB/s로 향상되었으며, 2026년 4분기 출시 예정이다.

1.3 아키텍처 진화: SIMD에서 SIMD/SIMT 듀얼 모드로

승텐 950 시리즈는 다빈치 아키텍처를 기반으로 SIMD/SIMT 듀얼 프로그래밍 모델을 도입했다. 910C 시대의 벡터 컴퓨팅 중심 SIMD 아키텍처는 행렬 곱셈(학습 시 연속 데이터 등) 처리 효율은 매우 높았지만, 추론 디코드 단계에서 발생하는 단편화된 데이터 처리에는 비효율적이었다. 950 시리즈는 SIMT 모델을 추가하여 단편화된 데이터를 유연하게 스케줄링할 수 있도록 했으며, 메모리 접근 입도(granularity)를 512바이트에서 128바이트로 줄여 이산 메모리 접근 효율을 4배 향상시켰다. 이를 통해 ‘대용량 벡터 파이프라인 처리’와 ‘단편화된 데이터의 유연한 스케줄링’ 간의 매끄러운 전환이 가능해졌다.

2. 세대별 진화: ‘추격’에서 ‘어깨 나란히’로

화웨이 승텐 AI 칩의 진화는 ‘분산 배치’에서 ‘시스템 중심’으로 나아가는 뚜렷한 경로를 보여준다.

1. 승텐 310 및 910: 기반 구축 시대
   초기 승텐 310(12nm/8W)은 엣지 컴퓨팅을, 승텐 910(7nm/256 TFLOPS@FP16)은 클라우드 학습 주력으로 삼아 다빈치 아키텍처의 기본 패러다임을 확립했다.

2. 승텐 910C: 스케일링의 도약대
   910C는 완전히 새로운 칩 설계가 아니라 두 개의 승텐 910B 칩을 하나의 패키지로 묶어 성능을 배가시킨 것으로, FP16 기준 약 800 TFLOPS를 달성했다. 국내에서 천억 개 매개변수 모델 학습의 컴퓨팅 격차를 신속히 메우고, 아틀라스 384 슈퍼노드를 통한 대규모 배치를 실현했다.

3. 승텐 950: 시나리오 주도의 전환점
   비용에 민감한 추론 시장을 맞아 950 시리즈는 더 이상 범용 컴퓨팅 성능을 무작정 쌓지 않고, 시나리오 세분화와 자체 개발 HBM을 통해 처음으로 NVIDIA의 중고급 제품과 정면으로 경쟁할 수 있게 되었다.

4. 승텐 960/970: 미래 컴퓨팅에 대한 약속
   화웨이의 로드맵에 따르면 960과 970은 ‘스펙 두 배’의 원칙을 계속 따른다. 970은 또한 N+3 공정과 4-다이 패키지 설계를 채택하여 910C 대비 에너지 효율을 30% 이상 개선하고, 조 단위 매개변수 수준의 Mixture of Experts(MoE) 아키텍처를 목표로 하고 있다.

3. NVIDIA GPU와의 종합 비교

3.1 단일 카드 주요 스펙 비교

3.2 격차와 돌파구

• 추론 분야: 접근 및 부분적 역전
  추론·추천 및 대규모 모델 추론에서 승텐 950PR은 주목할 만한 성과를 보여준다. FP4 저정밀도 연산에서 NVIDIA H20 대비 2.87배의 성능을 달성했다. 메모리 대역폭은 1.4TB/s에 불과하지만, 자체 개발 HBM과 HiF8 정밀도 포맷의 트레이드오프를 통해 특정 상업적 시나리오에서 이미 높은 비용 대비 성능을 확보했다.

• 학습 분야: 여전히 추격 필요
  플래그십급 AI 학습에서 승텐 950은 여전히 NVIDIA H200에 뒤처져 있다. 핵심 차이는 단일 카드의 부동소수점 연산 성능(FP16/BF16)뿐만 아니라 메모리 대역폭 격차(4TB/s 대 4.8TB/s)에도 있다. 그러나 수출 규제의 영향을 받지 않는 환경에서는 그 종합 성능이 중국 시장 전용 특화 버전 H20을 이미 크게 앞지르고 있다.

4. 시스템 수준 전략: 슈퍼노드 아키텍처 – 코너링 추월의 열쇠

단일 카드 성능에서는 승텐 950과 NVIDIA B200 간에 세대 차이가 있다면, 시스템 수준의 컴퓨팅 성능에서 화웨이는 ‘슈퍼노드’ 기술로 차별화된 길을 가고 있다.

4.1 만 장 카드 연결, ‘많음’으로 ‘강함’을 이기다

화웨이는 선진 공정의 제약 속에서 혁신적인 ‘슈퍼노드’ 아키텍처를 통한 돌파를 선택했다. 아틀라스 950 슈퍼노드는 최대 8,192장의 승텐 950DT 칩의 고속 상호 연결을 지원하며, FP8 정밀도에서 총 컴퓨팅 성능 8 EFLOPS, 상호 연결 대역폭은 16.3 PB/s에 달한다. 이 수치는 전 세계 유사 제품 중에서 최상위 수준이며, 시스템 엔지니어링 분야에서 화웨이의 깊은 역량을 보여준다.

4.2 ‘영거(Spirit Interconnect)’ 프로토콜: 상호 연결의 재정의

화웨이가 자체 개발한 ‘영거’ 상호 연결 프로토콜이 핵심이다. 기존 방식은 장거리 고신뢰성 연결과 고대역폭 저지연 전송의 과제에 직면해 있었으나, 화웨이는 상호 연결 프로토콜의 모든 계층에 고신뢰성 메커니즘을 도입하여 광 상호 연결의 신뢰성을 100배, 연결 거리를 200미터 이상으로 끌어올리는 기술적 돌파를 이루어냈다. 이를 통해 만 장 카드급 클러스터 구축의 길을 열었다.

5. 소프트웨어 생태계와 개발자 지원: ‘수동적 적응’에서 ‘능동적 협력’으로

하드웨어 외에도 생태계는 승텐이 직면한 큰 과제이다. NVIDIA의 CUDA 생태계는 오랜 축적을 통해 매우 높은 이전 장벽을 구축해 왔다.

그러나 이러한 상황은 빠르게 바뀌고 있다. DeepSeek과 같은 최고의 AI 기업들이 화웨이와 심층 협력을 진행하면서 생태계 장벽에 균열이 생기기 시작했다.

• 심층 협력 사례: DeepSeek 팀은 모델을 NVIDIA A100/H800에서 화웨이 승텐 950PR로 완전히 이전할 때 단순한 드라이버 수준의 포팅이 아니라, 승텐 하드웨어 특성에 맞춰 고유한 mHC 희소 활성화 아키텍처를 깊이 설계하고 조정했다. 승텐의 제한된 HBM 대역폭 하에서 현재 작업에 가장 관련성 높은 전문가 레이어의 하위 집합만 활성화하여 불필요한 메모리 I/O를 대폭 줄임으로써, 결과적으로 승텐 950PR의 피크 BF16 연산 성능(약 900 TFLOPS)이 실제 시나리오에서 최대한 발휘되도록 했다.

• 소프트웨어 스택 오픈소스화: 화웨이는 CANN 컴파일러 인터페이스를 공개하고, MindSpore, openPangu 등의 툴체인과 대규모 모델을 완전히 오픈소스화하여 개발 장벽을 낮췄다.

• Day0 네이티브 적응: DeepSeek-V4 발표 당일 화웨이 승텐은 ‘Day0 적응’을 실현했다. 모델 출시 당일 칩이 완전히 호환된다는 의미로, 이는 최첨단 모델과 국산 소프트웨어/하드웨어 간의 ‘쌍방향 협력적 진화’ 관계를 잘 보여준다.

6. 요약 및 전망

승텐 950의 탄생은 화웨이의 AI 컴퓨팅 전략이 ‘수동적 추격’에서 ‘능동적 시나리오 정의’라는 새로운 국면에 진입했음을 의미한다. 단일 카드의 극한 스펙에 집착하기보다, 아키텍처 혁신, 시스템 수준의 상호 연결, 그리고 시나리오의 정밀한 매칭을 통해 공정 제약이라는 현실 조건 속에서 총체적인 컴퓨팅 성능을 극대화하는 실용적인 기술 노선을 선택한 것이다.

AI 경쟁이 단일 카드 성능이라는 단일 차원의 경쟁에서 수만 장 카드 클러스터의 시스템 수준 싸움으로 격화됨에 따라, 화웨이는 ‘슈퍼노드 + 영거 상호 연결’ 기술을 통해 자신만의 주력 전장을 찾았다. Xu Zhijun이 화웨이 커넥트 컨퍼런스에서 말했듯이, “중국의 반도체 제조 기술은 상당히 오랜 기간 동안 뒤처진 상태에 있을 것이다.” 이러한 제약 속에서 단일 포인트의 돌파보다 시스템 수준의 혁신을 선택하는 것은 아마도 국산 AI 컴퓨팅이 갈 수 있는 가장 현실적이고 효과적인 탈출구일 것이다. 승텐 950은 답의 종착점이 아니라, 문제 해결 방식이 전환되는 중요한 노드이다.