Команда Пекинского университета портировала программное обеспечение DFT ABACUS на процессор Huawei Kunpeng 920, достигнув ускорения до 10,7 раз

Компания Lenovo продемонстрировала предварительную модель своего устройства AI Host P7 на мероприятии CSDN's 2026 1024 Programmers' Day and AI Builders Conference 24 октября. Кроме того, была запущена программа раннего доступа, которая приглашает первых пользователей протестировать устройство в реальных задачах кодирования и офисной работы до его выхода в широкую продажу. Ранее концепт этого портативного AI хоста был представлен Lenovo в мае, а данная предварительная версия включает более детальные технические характеристики и программные функции.

Устройство весит около 300 граммов и построено на базе двух отечественных чипов. Первый — это чип для инференса с вычислениями в памяти Houmo AI M50, который, по заявлению Houmo, обеспечивает производительность в 160 TOPS при потреблении 10 ватт. Второй чип — это агентный SoC от CIX Technology P1, изготовленный по 6-нм техпроцессу и оснащенный 12-ядерным процессором Armv9.2 и NPU мощностью 30 TOPS, что позволяет достигать 45 TOPS при гетерогенных вычислениях.

По информации от CIX, чип P1 отвечает за управление системой, выполнение задач и планирование, а также способен взаимодействовать с внешними ускорителями для запуска модели размером 122 миллиарда параметров с контекстом 128K при скорости 50 токенов в секунду. Lenovo утверждает, что предварительная версия P7 способна локально обрабатывать модели с параметрами до 125 миллиардов и контекстом 256K.

Устройство поставляется с локальной библиотекой моделей, куда входят Qwen3.8-Flash-Next, Qwen3.8-27B и Qwen3.6-35B-A3B, а также модели для распознавания речи, синтеза речи, обработки документов и дизайна изображений. Lenovo сообщает, что ее внутренняя архитектура ИИ-вычислений, использующая смешанную квантизацию INT4 и INT8, в среднем показывает 98,3% от базового уровня BF16 с полной точностью по четырем бенчмаркам. Следует отметить, что эти показатели являются данными компании и не проходили независимое тестирование.

Lenovo позиционирует P7 как персональный хаб токенов. Функция менеджера токенов позволяет пользователям направлять инструменты кодирования и приложения агентов на локальные модели через адрес API, тем самым сохраняя рутинные вызовы моделей на самом устройстве вместо использования платных облачных квот. Режим выполнения задач работает круглосуточно, а прогресс можно отслеживать с телефонов, планшетов и ПК. Встроенный ИИ Tianxi AI имеет режим Авто, который распределяет запросы между локальными и облачными моделями в зависимости от их сложности.

Сунь Ке, руководитель направления AI хостов, подчеркнул, что настоящая продуктивность не должна начинаться с подсчета стоимости токенов. Lenovo пока не раскрыла цену или дату выпуска, сообщив лишь, что P7 скоро поступит в продажу.

Huawei совместно с филиалом China Telecom в провинции Шэньси осуществила коммерческое развертывание технологии Massive MIMO с двойной полосой 32T32R FDD на линиях высокоскоростных железных дорог Шу-Лань и Иньси. Данное оборудование работает одновременно на частотах 1,8 ГГц и 2,1 ГГц.

Huawei заявляет, что это первый случай коммерческого использования FDD Massive MIMO в условиях высокоскоростной железной дороги в Китае. Высокоскоростные железнодорожные сети создают серьезные трудности для мобильного покрытия из-за большого расстояния между вышками, скорости движения поездов до 350 км/ч и потерь проникновения, вызванных металлическими вагонами.

Технология Massive MIMO, которая чаще применяется для увеличения пропускной способности в густонаселенных городских районах, формирует более узкие лучи по сравнению с традиционными широколучевыми антеннами. Huawei утверждает, что такая форма луча подходит для линейного маршрута: лучи могут быть направлены вдоль рельсов, следовать за поездом через ячейки и адаптироваться, чтобы компенсировать эффект Доплера, который мог бы ухудшить соединение.

Компания выделила три ключевых аспекта дизайна для применения на железной дороге. Адаптивные лучи предназначены для ограничения эффектов смещения частоты на высокой скорости. Межячеечное отслеживание лучей и скоординированное планирование призваны уменьшить количество переключений при пересечении поездом множества ячеек. Кроме того, широковещательные лучи и пилоты настроены для обеспечения линейного покрытия, чтобы энергия оставалась в коридоре, а не рассеивалась в пустой местности.

Согласно заявлению, проведенные измерения на участке Иньси в Шэньси показали расширение покрытия ячейки примерно на 200 метров после модернизации, рост средней скорости восходящего канала 5G на 24% и увеличение средней скорости нисходящего канала более чем на 50%. Показатели улучшения пользовательского опыта были еще более выраженными: скорость восходящего канала на границе зоны увеличилась на 95%, а скорость нисходящего канала — более чем на 100%.

Хотя FDD Massive MIMO долгое время служил инструментом для повышения емкости в городских макросетях, размещение 32 передающих и 32 принимающих трактов на скоростном коридоре представляет собой попытку применить эту городскую модель емкости к быстро движущейся линейной ячейке. Huawei и Shaanxi Telecom представляют внедрение в Шэньси как действующую коммерческую сеть, а не как лабораторный эксперимент. Следует отметить, что все заявленные приросты покрытия и пропускной способности являются утверждениями компании и оператора от объявления в октябре и не прошли независимую проверку.

Лаборатория Peng Cheng приступила к тестовой эксплуатации 10 000 петафлопс отечественных вычислительных мощностей искусственного интеллекта на своей крупномасштабной научной площадке Peng Cheng Cloud Brain III, расположенной в Шэньчжэне. Об этом стало известно на церемонии открытия Конференции Всемирной Вычислительного Сетевого Сообщества 2026 года (WCNC 2026), которая проходила в районе Наньшань Шэньчжэня 15 и 16 октября, согласно официальному веб-сайту лаборатории.

Лаборатория сообщила, что этот шаг переводит Cloud Brain III в фазу «строительство при эксплуатации». В настоящее время онлайн находится мощность в 10 000 петафлопс, которая уже используется для обучения крупных отечественных моделей и функционирует как специализированная исследовательская сеть ИИ для науки, в то время как оставшаяся емкость все еще устанавливается.

По данным китайского технологического издания IT Home, полностью завершенная система планируется достичь мощности в 16 000 петафлопс, или 16 ЭФЛОПС, и описывается как крупнейший в Китае запланированный комплекс ИИ-вычислений. Что касается архитектуры, в объявлении лаборатории указано лишь, что система использует новаторскую отечественную архитектуру интеллектуального суперузла, разработанную для устранения узких мест передачи данных.

IT Home, ссылаясь на публичные отчеты, отметило, что Cloud Brain III построен на архитектуре Ascend 384 SuperPoD компании Huawei; при этом сама лаборатория не называет поставщика чипов в своем официальном релизе. В конце декабря 2025 года лаборатория активировала для тестирования первые вычислительные платы первой фазы общей мощностью 4 500 петафлопс и сопутствующее оборудование.

Инфраструктурное значение и планы развития

Лу Ютон, директор Национального Суперкомпьютерного Центра в Шэньчжэне, заявил местным СМИ, что Cloud Brain III обеспечивает городу прочную основу для межрайонной вычислительной взаимосвязи и широкого доступа к вычислительным услугам. Он также добавил, что высокоскоростные соединения должны распространиться на Гонконг и Макао. Этот объект спроектирован как ключевой узел Китайской Вычислительной Сети (C2NET), национальной пилотной программы, которую, по словам директора лаборатории Гао Вэня, сейчас реализуют уже четыре года.

В своем основном докладе Гао обозначил следующую цель, названную ZPG: вычисления в масштабе зеттафлопс, скорости связи в масштабе петабит и обеспечение зеленой энергией в масштабе гигаватт. Он описал трехэтапный путь для вычислительной сети: объединение вычислительных ресурсов, распределение задач между регионами и, в конечном итоге, предоставление вычислений по требованию, подобно электричеству.

На конференции также были представлены два информационных документа. Один, посвященный развитию глобальной вычислительной сети, был подготовлен Лабораторией Peng Cheng совместно с альянсом WCNC. Второй, касающийся координации вычислительных и энергетических систем, был создан совместно с Лабораторией Хуайроу и содержит дорожную карту до 2035 года, причем период с 2026 по 2030 год сосредоточен на планировании и создании основы, а с 2031 по 2035 год — на скоординированной работе и оптимизации всей системы.