← Каталог оборудования
Huawei Atlas 800I A2 (8× Ascend 910B 64GB, 4× Kunpeng 920, RAM 512GB)
HuaweiНовый

Huawei Atlas 800T A2 (8× Ascend 910B 64GB, 4× Kunpeng 920, RAM 512GB)

34 237 000 ₽

Цена ориентировочная. Информация в каталоге не является публичной офертой.

Артикул
SF-19315
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

Все характеристики

Характеристики

Тип
Новые
Основная задача
Обучение моделей / Инференс / Дообучение моделей / RAG-системы / Анализ данных / Научные расчеты (HPC)
Процессор (CPU)
Kunpeng 920
Видеокарта (GPU)
Ascend 910B
Количество GPU, шт
8
Общий объем видеопамяти (VRAM), ГБ
512
Тип памяти GPU
HBM
Объем оперативной памяти (RAM), ГБ
512
Тип оперативной памяти
DDR4 ECC REG
Форм-фактор
4U
Тип точности Совокупная мощность восьми Ascend 910B
Совокупная мощность восьми Ascend 910B
FP32
0.792 PFLOPS
FP16
3.008 PFLOPS
INT8
6.016 POPS
Видеокарта
8x Ascend 910B 64GB HBM
Оперативная память
512GB DDR4 ECC REG возможно увеличить до 2TB
Сетевые карты
8-port 200Gbe QSFP интерфейс прямого выхода, протокол RoCE

Описание

Huawei Atlas 800T A2 - это 4U AI-сервер для Обучения моделей (Training) и Дообучения моделей (Fine-tuning) на базе четырёх процессоров Kunpeng 920 и восьми NPU Ascend 910B. Он рассчитан на разработку и тренинг крупных моделей в областях вроде умных городов, финансов, образования и науки, где требуется высокий объём вычислений и пропускная способность.

Конфигурация с 8×Ascend 910B (по 64 ГБ HBM на NPU) даёт до 512 ГБ ускоренной памяти и суммарную производительность до 3,0 PFLOPS в FP16 и 6,0 POPS в INT8, что подходит как для полноценных тренировочных запусков, так и для тяжёлого Инференса / Развертывания (Inference) и RAG-систем (Retrieval-Augmented Generation) на 100B+ LLM. Исследовательские работы показывают использование Atlas 800T A2 с Ascend 910B3 в качестве базовой платформы для обучения и оценки больших языковых моделей и MoE-архитектур.

До 32 слотов DDR4-3200 (16/32/64 ГБ на модуль) позволяют собрать до 2 ТБ системной памяти - этого хватает для больших индексов, KV-кэшей и сложных пайплайнов Анализа данных (Data Science). Гибкое локальное хранилище (варианты сочетаний SATA и NVMe 2.5″) плюс поддержка RAID 0/1/5/6/10/50/60 закрывают сценарии хранения датасетов и чекпоинтов

Восемь портов 200GE QSFP с RoCE и до трёх слотов PCIe 4.0 дают высокую сетевую плотность и возможность расширения под скоростные адаптеры и специализированные карты. Сервер работает в экосистеме Ascend (CANN, MindSpore, torch-npu, lmdeploy, vLLM-Ascend и т.п.), поэтому ориентирован на стек Huawei вместо CUDA/ROCm, но при этом уже активно используется для развёртывания и обучения LLM в продакшн-проектах.

Четыре блока питания по 2,6 кВт с горячей заменой и схемой 2+2, восемь вентиляторных модулей с N+1-резервированием и воздушное охлаждение обеспечивают надёжную работу при длительных тренировках и высоких нагрузках в ЦОД.

Производительность GPU

Тип точностиСовокупная мощность восьми Ascend 910B
FP320.792 PFLOPS
FP163.008 PFLOPS
INT86.016 POPS

Совместимость с LLM-моделями

Модель Тип квантизации Требуется VRAM Совместимость Примечание
DeepSeek-R1-GGUF 671B Q4_K_M Примерно 404GB ✅ Требует аккуратной раскладки весов и ограничения batch/контекста: на 8×Ascend 910B (512ГБ HBM) запуск возможен за счёт агрессивной оптимизации и/или offload, подходит для офлайн-инференса и экспериментов.
Qwen3.5-397B-A17B-GGUF / Qwen3.6-35B-A3B Q4_K_M / Нет Примерно 241GB / 71.9 GB ✅ Оптимальна для reasoning-задач и аналитики на Atlas 800T A2: комфортно размещается в 512ГБ HBM и масштабируется по всем 8 NPU для снижения латентности и увеличения пропускной способности.
gpt-oss-120b Нет Примерно 196GB ✅ Даёт высокую скорость отклика и стабильность на Ascend 910B; остаётся большой запас HBM для RAG-индексов, длинного контекста и параллельного запуска нескольких инстансов в продакшн-сервисах.
GigaChat3.5-432B-A28B Нет Примерно 438GB ✅ Подходит для сложных русскоязычных ассистентов, аналитики и генерации длинных текстов; на Atlas 800T A2 хорошо работает в Q4_K_M с распределением по 8 Ascend 910B для устойчивого продакшн-инференса.
Mistral-Large-3-675B GGUF Q4_K_M Примерно 404GB ✅ Многоязычная модель для reasoning-задач, RAG-сценариев и интеллектуальных агентов; на Atlas 800T A2 можно как дообучать, так и развёртывать в виде высоконагруженного сервиса.
GLM-5.3-Flash Нет Примерно 328GB ✅ Уверенно работает на 8×Ascend 910B и подходит для многоязычных ассистентов, аналитики и производственных LLM-сервисов.
MiniMax-M3 UD-Q4_K_M Примерно 264GB ✅ Квантизированная версия с заметно меньшим объёмом; удобна для серверов с ограниченным запасом памяти, RAG-сценариев, ассистентов и локальных LLM-сервисов.
MiMo-V2.5 Нет Примерно 316GB ✅ Базовая версия среднего объёма для серверов с хорошим запасом памяти; подходит для RAG, корпоративных ассистентов, генерации текста и стабильного инференса без квантизации.

Совместимость с диффузионными моделями

<!-- -->
Модель Тип Совместимость Примечание
Stable Diffusion 3 Medium Текст в изображение ✅ Использует 8×Ascend 910B и большой объём HBM для генерации изображений вплоть до 4096×4096, а также дообучения и кастомизации SD3-сценариев под свои датасеты.
FLUX.2-dev Текст в изображение ✅ Ускоренная версия FLUX для 4K-генерации; на Atlas 800T A2 хорошо масштабируется по 8 NPU и подходит как для офлайн-рендеринга, так и для продакшн-сервисов генерации.
Stable Video Diffusion 1.1 Видео(img2vid) ✅ Использует Ascend 910B для генерации реалистичных роликов до ~8 секунд в Full HD; для более длинных видео рекомендуется рендер по сегментам и параллельный запуск нескольких задач на кластере Atlas 800T A2.
Kandinsky-5.0-T2I-Lite-sft-Diffusers Текст в изображение ✅ Лёгкая версия Kandinsky 5.0 (~35 GB VRAM); на Atlas 800T A2 есть значительный запас HBM для высокого разрешения, крупных батчей и параллельного запуска нескольких генеративных пайплайнов.
Kandinsky-6.0-Pro-distill-5s-Diffusers Текст/изображение в видео со звуком ✅ T2V-модель (~29 GB VRAM) для роликов до ~5 секунд; на Atlas 800T A2 хорошо масштабируется по нескольким NPU и подходит для продакшн-пайплайнов генерации короткого видео и тизеров.
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

Видеокарта8x Ascend 910B 64GB HBM
Процессор4x Kunpeng 920 (64c/64t, 2.6Ghz, 180W)
Оперативная память512GB DDR4 ECC REG возможно увеличить до 2TB
Сетевые карты8-port 200Gbe QSFP интерфейс прямого выхода, протокол RoCE