Поступают сообщения о том, что компании DeepSeek и Zhipu AI начинают разработку собственных специализированных чипов для выполнения операций инференса, следуя примеру таких гигантов, как OpenAI и Anthropic.
Поступают сообщения о том, что компании DeepSeek и Zhipu AI начинают разработку собственных специализированных чипов для выполнения операций инференса, следуя примеру таких гигантов, как OpenAI и Anthropic.
Наблюдается тенденция среди компаний, создающих модели ИИ, к тихой инвестиции в заказные полупроводники. По данным источников, цитируемых Reuters и The Information, DeepSeek и Zhipu AI работают над собственными проприетарными чипами, настроенными под рабочие нагрузки инференса их моделей.
Проект чипа DeepSeek, по имеющимся сведениям, стартовал около года назад. Компания недавно расширила свою команду по проектированию чипов и начала сотрудничество с дизайнерами чипов, фабриками и поставщиками памяти. Эти усилия напоминают проект Jalapeño от OpenAI, который совместно разрабатывался с Broadcom, и который уже проходит лабораторные испытания с планами внедрения к концу года.
Zhipu AI, чьи модели серии GLM пользуются растущим спросом, также оценивает возможность использования заказного кремния для снижения затрат на инференс по мере увеличения потребления токенов среди пользователей.
Экономические аргументы в пользу этого подхода весьма убедительны. Стоимость инференса продвинутой модели накапливается при каждом обращении к API, каждом шаге агента и каждом обработанном токене. Специализированные чипы для инференса, созданные специально для фиксированных архитектур моделей, могут значительно удешевить стоимость одного токена по сравнению с универсальными графическими процессорами (GPU).
Хотя чипы Nvidia H100 и B200 остаются отраслевым стандартом для обучения, для компании, которая круглосуточно работает с одной и той же крупной моделью в масштабе, математика все больше склоняется в пользу специализации.
Более широкий тренд очевиден: Google имеет свои TPU, Amazon использует Trainium и Inferentia, Microsoft — Maia, а Meta — MTIA. В Китае такие игроки, как Huawei с Ascend, Baidu с Kunlun и Alibaba с Zhenwu, также имеют свои решения. Теперь сами компании-разработчики моделей, которые являются фактическими строителями и пользователями этой инфраструктуры, стремятся получить прямой контроль над кремнием, лежащим в основе их моделей.
Для китайских разработчиков моделей расчет выходит за рамки чистой экономики. Экспортный контроль США ограничивает доступ к передовым чипам Nvidia, а современные ИИ-чипы зависят от сложных глобальных цепочек поставок, включая производственные мощности фабрик и память HBM. Самостоятельно разработанный кремний предоставляет путь к большей независимости инфраструктуры, даже если самые передовые производственные процессы остаются ограниченными.
Тем не менее, не все заказные чипы одинаковы. Полный стек разработки, при котором компания определяет собственную архитектуру, компилятор, программный стек и системы дата-центра, требует многолетних инвестиций. Более легкие варианты заказных чипов, где компания-модель определяет требования и ключевую архитектуру, но привлекает к реализации уже существующую чиповую фирму, предлагают более быстрый способ получения кремния с меньшими рисками.