
Huawei Atlas 800I A3 (8× Ascend 910C 128GB, 4× Kunpeng 920, RAM 2TB)
66 252 100 ₽
Цена ориентировочная. Информация в каталоге не является публичной офертой.
- Артикул
- SF-19292
- Наличие
- Уточняется
- Обновлено
- 12.11.2026
Поставки организациям и ИП для бизнеса. Для оформления заказа свяжитесь с менеджером и согласуйте итоговую цену, комплектацию и наличие. Контакты менеджера
Характеристики
- Тип
- Новые
- Основная задача
- Инференс / RAG-системы / Анализ данных / Научные расчеты (HPC)
- Процессор (CPU)
- Kunpeng 920
- Видеокарта (GPU)
- Ascend 910C
- Количество GPU, шт
- 8
- Общий объем видеопамяти (VRAM), ГБ
- 1024
- Тип памяти GPU
- HBM
- Объем оперативной памяти (RAM), ГБ
- 2000
- Тип оперативной памяти
- DDR5 ECC REG
- Форм-фактор
- 10U
- Тип точности Совокупная мощность восьми Ascend 910C Reasoning
- Совокупная мощность восьми Ascend 910C Reasoning
- FP32
- 1.20 PFLOPS
- FP16
- 4.48 PFLOPS
- INT8
- 8.96 POPS
- Видеокарта
- 8x Ascend 910C Reasoning 128GB HBM
- Оперативная память
- 2TB DDR5 ECC REG возможно увеличить до 4TB
- Сетевые карты
- 8x 400Gbe QSFP интерфейс прямого выхода, протокол RoCE 56x 400Gbe QSFP интерфейс прямого выхода, протокол Lingqu
Описание
Atlas 800I A3 - это стоечный AI-сервер форм-фактора 10U, построенный на NPU Ascend 910C Atlas A3 Reasoning и четырёх процессорах Kunpeng 920, ориентированный на высокоплотный Инференс / Развертывание (Inference) в дата-центрах. На одной машине может работать до 8 процессоров Ascend 910, а несколько таких серверов объединяются в суперузел с суммарно 384 картами, что делает платформу подходящей для крупных AI-сервисов и централизованных LLM-шлюзов.
Каждый Atlas 800I A3 оснащён восемью модулями встроенной памяти по 128 ГБ (HBM) с суммарной пропускной способностью до 3,2 ТБ/с, обеспечивая вычислительную мощность до 4,48 PFLOPS в FP16 и 8,96 POPS в INT8. Межсоединение D2D с пропускной способностью 784 ГБ/с в обоих направлениях позволяет эффективно масштабировать инференс и RAG-системы (Retrieval-Augmented Generation) внутри узла и между узлами суперкомпьютерного уровня, минимизируя задержки между NPU.
Системная часть включает 32 слота DDR5-памяти (до 5200 МТ/с, один модуль - до 64 ГБ), локальное хранилище 2× 2.5" SATA + 8× 2.5" NVMe, до 5 слотов расширения PCIe 5.0. Внешняя сеть реализована через 8× 400GE QSFP - это RoCE/Ethernet-плоскость для подключения к датацентровой сети и внешним сервисам, а 56× 400GE QSFP работают как фабрика LingQu для межсоединения NPU внутри всего A3-кластера, образуя высокопроизводительную внутреннюю шину для распределённого инференса.
Шесть блоков питания по 3,0 кВт с горячей заменой и резервированием 5+1, питание от 220 В AC или 336/240 HVDC, воздушное охлаждение с пятью модулями вентиляторов (4+1, hot-swap) и максимальная потребляемая мощность до 14,6 кВт обеспечивают работу в режиме круглосуточного продакшн-инференса. Платформа заточена под стек Ascend (CANN, MindSpore, PyTorch-Ascend) и предназначена прежде всего для долгоживущего Инференса / Развертывания (Inference) и высоконагруженных AI-сервисов, а не для классического CUDA-обучения.
Производительность GPU
| Тип точности | Совокупная мощность восьми Ascend 910C Reasoning |
| FP32 | 1.20 PFLOPS |
| FP16 | 4.48 PFLOPS |
| INT8 | 8.96 POPS |
Совместимость с LLM-моделями
| Модель | Тип квантизации | Требуется VRAM | Совместимость | Примечание |
| DeepSeek-V4-Pro | Нет | Примерно 865GB | ✅ | Запускается на суперузле Atlas 800I A3 с несколькими узлами; ориентирована на сложные reasoning-сценарии и длинный контекст. |
| Qwen3.5-397B-A17B | Нет | Примерно 807GB | ✅ | Хорошо масштабируется по NPU Ascend 910C и узлам кластера Atlas 800I A3; подходит для продакшн-чатов, агентов и RAG. |
| Gpt-oss:120b | Нет | Примерно 196GB | ✅ | Эффективно использует память Ascend 910C на Atlas 800I A3; удобно для больших батчей и длинных диалогов без квантизации. |
| GigaChat3.5-432B-A28B-bf16 | Нет | Примерно 868GB | ✅ | Ориентирован на использование ресурсов суперузла Atlas 800I A3; подходит для крупных ассистентов и генерации очень длинных контекстов. |
| Mistral-Large-3-675B-Instruct-251 | Нет | Примерно 682GB | ✅ | Оптимальна для reasoning- и аналитических задач на NPU Ascend 910C в кластере Atlas 800I A3, включая RAG и интеллектуальных агентов. |
| GLM-5-GGUF | Q4_K_M | Примерно 456GB | ✅ | Эффективно задействует ресурсы Atlas 800I A3 без квантизации; подходит для reasoning-задач, RAG и промышленных LLM-сервисов. |
| Kimi-K2.7-Code | Нет | Примерно 595GB | ✅ | Полноразмерная версия для мощных GPU-серверов; подходит для reasoning-задач, RAG, агентных рабочих процессов и производственного инференса с высоким запасом качества. |
| MiniMax-M3 | Нет | Примерно 854GB | ✅ | Полноразмерная версия для серверов с большим запасом памяти; подходит для reasoning-задач, RAG, агентных сценариев и стабильного production-инференса без агрессивной квантизации. |
| MiMo-V2.5-Pro-GGUF | UD_Q4_K_M | Примерно 630GB | ✅ | Квантизированная Pro-версия для более гибкого размещения на серверных конфигурациях с разным объёмом памяти; подходит для RAG, reasoning-задач и производственных LLM-сервисов. |
Совместимость с диффузионными моделями
| Модель | Тип | Совместимость | Примечание |
| Stable Diffusion XL 1.0 | Текст в изображение | ✅ | Надёжное качество; на Atlas 800I A3 можно вести генерацию высокого разрешения и многопользовательские пайплайны. |
| Flux.2-dev | Текст в изображение | ✅ | Требует ~178GB VRAM; на Atlas 800I A3 удобно запускать несколько параллельных пайплайнов для генерации high-res изображений и больших батчей. |
| SD Turbo | Быстрые предпросмотры | ✅ | Максимальная скорость итераций и серийных кадров на Ascend 910C; подходит для прототипирования и online-предпросмотров. |
| Kandinsky-5.0-T2I-Lite-sft-Diffusers | Текст в изображение | ✅ | Лёгкая версия Kandinsky 5.0 (~35GB VRAM); на Atlas 800I A3 есть большой запас по памяти для высокого разрешения и плотных батчей. |
| Kandinsky-5.0-T2V-Lite-sft-5s-Diffusers | Текст в видео | ✅ | Модель T2V (~29GB VRAM) для роликов до ~5 секунд; на Atlas 800I A3 легко масштабируется по нескольким NPU для пакетной генерации видео. |
| NVIDIA-Cosmos3-Super | Генерации, анализа и симуляции физического мира, которая может работать с текстом, изображениями, видео и действиями | ✅ | Модель объёмом 133 GB для генерации, анализа и симуляции физического мира. Работает с текстом, изображениями, видео и действиями, поэтому подходит для сложных мультимодальных сценариев. Требует высокой производительности и большого объёма видеопамяти, а стабильность запуска зависит от конкретной конфигурации и настроек оптимизации. |
Технические характеристики
| Видеокарта | 8x Ascend 910C Reasoning 128GB HBM |
| Процессор | 4x Kunpeng 920 (64c/64t, 2.6Ghz, 180W) |
| Оперативная память | 2TB DDR5 ECC REG возможно увеличить до 4TB |
| Сетевые карты | 8x 400Gbe QSFP интерфейс прямого выхода, протокол RoCE 56x 400Gbe QSFP интерфейс прямого выхода, протокол Lingqu |