← Каталог оборудования
Huawei Atlas 800I A3 (8× Ascend 910C 128GB, 4× Kunpeng 920, RAM 2TB)
HuaweiНовый

Huawei Atlas 800T A3 (8× Ascend 910C 128GB, 4× Kunpeng 920, RAM 2TB)

82 758 200 ₽

Цена ориентировочная. Информация в каталоге не является публичной офертой.

Артикул
SF-19294
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 910C
Количество GPU, шт
8
Общий объем видеопамяти (VRAM), ГБ
1024
Тип памяти GPU
HBM
Объем оперативной памяти (RAM), ГБ
2048
Тип оперативной памяти
DDR5 ECC REG
Форм-фактор
10U
Тип точности Совокупная мощность восьми Ascend 910C
Совокупная мощность восьми Ascend 910C
FP32
1.584 PFLOPS
FP16
6.016 PFLOPS
INT8
12.032 POPS
Видеокарта
8x Ascend 910C 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 800T A3 - это стоечный AI-сервер форм-фактора 10U на базе восьми NPU Ascend 910 и четырёх процессоров Kunpeng 920, ориентированный на тяжёлые задачи предобучения, дообучения и обучения с подкреплением (RL) для больших моделей. Архитектура и ресурсная база сервера позволяют строить кластеры для LLM и мультимодальных моделей, используемых в интернет-сервисах, финтех-платформах и научных исследованиях; несколько машин Atlas 800T A3 могут объединяться в суперузел с суммарно 384 картами для масштабного распределённого обучения.

Вычислительная подсистема обеспечивает до 6,0 PFLOPS в FP16 и 12,0 POPS в INT8 на узел, а восемь модулей встроенной памяти по 128 ГБ с суммарной пропускной способностью до 3,2 ТБ/с дают модели широкий контекст и высокую пропускную способность при обучении. Это подходит для предобучения и дообучения больших языковых и мультимодальных моделей, RL-подходов (включая RLHF/RLAIF) в сценариях интернет-поиска и рекомендаций, алгоритмической торговли и скоринговых моделей в финтехе, а также для сложных научных симуляций и анализа данных.

Системная часть включает 32 слота DDR5 (до 5200 МТ/с, до 64 ГБ на модуль), поддерживает до 2× 2.5" SATA и 8× 2.5" NVMe для локального хранилища и до 5 слотов расширения PCIe 5.0 для дополнительных адаптеров. Межсоединение D2D с пропускной способностью 784 ГБ/с в обоих направлениях и сетевая подсистема с 8× 400GE QSFP-DD (RoCE) для внешней Ethernet-плоскости и 56× 400GE QSFP-DD (протокол шины) для внутренней фабрики кластера обеспечивают эффективное распределённое обучение, синхронизацию градиентов и быстрый инференс уже обученных моделей.

Надёжность и готовность к круглосуточной работе обеспечиваются шестью блоками питания по 3,0 кВт с возможностью горячей замены и резервированием 5+1, поддержкой питания от 220 В AC и 336/240 HVDC, а также воздушным охлаждением с пятью модулями вентиляторов (4+1, hot-swap). Максимальная потребляемая мощность до 16,2 кВт соответствует уровню нагрузок в полноценных тренировочных кластерах и делает Atlas 800T A3 устойчивой платформой для промышленных AI-инфраструктур в интернет-сервисах, финтехе и науке.

Производительность GPU

Тип точностиСовокупная мощность восьми Ascend 910C
FP321.584 PFLOPS
FP166.016 PFLOPS
INT812.032 POPS

Совместимость с LLM-моделями

Модель Тип квантизации Требуется VRAM Совместимость Примечание
DeepSeek-V4-ProНетПримерно 865GB ✅ Запускается на суперузле Atlas 800T A3 с несколькими машинами; ориентирован на сложные reasoning-сценарии и работу с очень длинным контекстом.
Qwen3.5-397B-A17B Нет Примерно 807GB ✅ Хорошо масштабируется по NPU Ascend 910 в кластере Atlas 800T A3; подходит для продакшн-чатов, агентов и RAG-систем.
Gpt-oss:120b Нет Примерно 196GB ✅ Эффективно использует ресурсы 8× Ascend 910 одной машины Atlas 800T A3; удобно для больших батчей и длинных диалогов без квантизации.
GigaChat3.5-432B-A28B-bf16 Нет Примерно 868GB ✅ Ориентирован на использование ресурсов суперузла Atlas 800T A3 (до 384 NPU); 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 910 в кластере Atlas 800T A3, включая RAG и интеллектуальных агентов.
GLM-5.3 Нет Примерно 756GB ✅ FP8 - не поддерживается напрямую железом. Возможен запуск FP8/W8A8-квантованных моделей через Ascend-совместимые inference-фреймворки, например vLLM-Ascend, xLLM или SGLang.
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 800T A3 можно вести генерацию высокого разрешения и многопользовательские пайплайны на нескольких NPU.
Flux.2-dev Текст в изображение ✅ Требует ~178GB VRAM; на Atlas 800T A3 удобно распределять нагрузку по 8× Ascend 910 и получать стабильную генерацию high-res изображений и больших батчей.
SD Turbo Быстрые предпросмотры ✅ Максимальная скорость итераций и серийных кадров на Ascend 910; хорошо подходит для прототипирования и online-предпросмотров на Atlas 800T A3.
Kandinsky-5.0-T2I-Lite-sft-Diffusers Текст в изображение ✅ Лёгкая версия Kandinsky 5.0 (~35GB VRAM); на Atlas 800T A3 остаётся большой запас по памяти и мощности 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 800T 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

Видеокарта8x Ascend 910C 128GB HBM
Процессор4x Kunpeng 920 (64c/64t, 2.6Ghz, 180W)
Оперативная память2TB DDR5 ECC REG возможно увеличить до 4TB
Сетевые карты8x 400Gbe QSFP интерфейс прямого выхода, протокол RoCE
56x 400Gbe QSFP интерфейс прямого выхода, протокол Lingqu