Кто на рынке хозяин?

Недавно на нашем ламповом ИИ-рынке развернулась битва жабы с гадюкой. Huawei планирует массовые поставки чипа Ascend 910C в Китай. Эксперты считают, что Nvidia стоит начинать беспокоиться — появился претендент на ее место под солнцем. Мы задумались: а как эта ситуация может повлиять на развитие ИИ во всем мире?

Отвечает на вопрос Максим Захаренко, СЕО Облакотеки.

Мне кажется, что мы находимся пока только в самом начале крайне важного процесса. В двух словах он формулируется так: следующее поколение всех технологий будет основано на применении ИИ.

Причем до сегодняшнего дня действует формула «мощь интеллекта = мощность чипов». Даже флуктуация от DeepSeek не сильно ее поколебала.

В короткой перспективе мы будем наблюдать бешеную гонку между двумя основными технологическими кластерами, производящими GPU: США и Китай. Эти игроки будут внимательно следить друг за другом и перенимать подходы. Так, например, технологии уперлись в производительность одного ядра, поэтому сейчас ускорение крутится вокруг объединения чипов в кластеры за счет максимально эффективной шины.

При этом совершенно нет гарантии, что текущий лидер Nvidia удержит лидерство на горизонте 5-10 лет.

Есть еще один фактор, существенно влияющий на технологическое будущее. Для обоих производственным цехом, изготавливающим чипы, является тайваньская TSMC, а вокруг Тайваня очень неспокойно. Кстати, обострение может быть спровоцировано именно желанием контролировать производство наиболее современных чипов.

И все-таки мир никогда не развивался линейно. В результате всегда срабатывала формула «развитие и смена парадигм». На смену простому ускорению чипа придут принципиально новые подходы. Это могут быть как другие физические принципы (квантовые вычисления) так и новые алгоритмы, которые не будут требовать большой вычислительной мощности.

Ведь и первый массовый ИИ-продукт ChatGPT появился очень неожиданно. Он как раз не был следствием простого эволюционного развития подходов к ИИ за последние 50 лет, это был принципиальный технологический скачок.

Что это значит для нас? Сейчас для коммерческого использования LLM разворачивают несколькими путями. Приведу лишь несколько примеров:

Используют общедоступную LLM без отраслевой настройки как заготовку и регулярно дообучают ее новыми корпоративными датасетами;
В том же сценарии применяют данные компании без дообучения модели (RAG);
Полностью хостят готовую open-source LLM в облаке провайдера, выполняя инференс и, при необходимости, разовое дообучение «под задачу»;
Строят собственную on-prem GPU-ферму и обучают либо дообучают модели целиком внутри периметра;
Применяют гибридную схему: реализуют инференс и хранят несекретные данные в публичном облаке, а обрабатывают чувствительную информацию на локальных vGPU-узлах.

Для всего этого требуются мощности GPU. Это массовая история, и сценариев использования GPU может быть много. Для любой компании будет важно иметь устойчивый доступ к функционалу ИИ, поэтому локальные (суверенные) облачные платформы будут быстро расти в ближайшие годы».

#максим_ерунды_не_скажет