Для бизнеса потенциал модели отошел на второй план перед прозаичными вопросами: сколько стоит один миллион токенов и сколько миллисекунд пользователь ждет ответа чат-бота?
Традиционная архитектура графических процессоров (GPU), десятилетиями доминировавшая благодаря своей универсальности, начала давать сбой.
В ответ на этот вызов индустрия переживает бунт против монополии GPU. На сцену вышли радикально специализированные архитектуры, которые сознательно жертвуют гибкостью ради экстремальной скорости и предсказуемости. Рынок разделился на тех, кто строит вычислительные монолиты, и тех, кто проектирует чипы под конкретные фазы работы модели.
Эта тенденция породила новую архитектуру вычислений, перекроив геополитическую карту полупроводников и обнажил неожиданное узкое место — физический дефицит памяти, который сегодня сдерживает развитие ИИ сильнее, чем любые законы Мура.
Cогласно оценкам Deloitte, две трети всех вычислительных ресурсов планеты тратятся на их эксплуатацию — инференс. Эпоха создания новых нейрогигантов уступила место эпохе их эффективного использования. Для бизнеса главным вопросом стал не потенциал модели, а цена и скорость получения ответа в реальном времени.
Этот сдвиг в экономике ИИ спровоцировал бунт против традиционной архитектуры графических процессоров. На сцену вышли специализированные чипы, жертвующие универсальностью ради экстремальной скорости.
OpenAI, стремясь преодолеть бутылочное горлышко классических GPU в интерактивных задачах, заключила одну из крупнейших инфраструктурных сделок в истории ИИ. Речь идет о контракте с Cerebras на поставку систем общей мощностью 750 мегаватт на базе процессоров WSE-3. Стоимость соглашения превышает 10 миллиардов долларов, а развертывание мощностей рассчитано до 2028 года.
Главный козырь Cerebras — архитектура Wafer Scale Engine. Вместо того чтобы собирать кластер из тысяч отдельных кристаллов, инженеры используют целую кремниевую пластину как единый процессор (46 225 мм²). На этом монолите размещено 44 ГБ памяти SRAM, интегрированной прямо в вычислительные ядра. В обычных кластерах модель постоянно путешествует между ускорителями по внешним кабелям, теряя время и энергию. В системе Cerebras данные циркулируют внутри пластины со скоростью 21 петабайт в секунду, никогда не покидая кристалл. Это позволяет достичь беспрецедентной плотности вычислений. Практический результат — феноменальный инференс. OpenAI готовит к запуску модель GPT-5.6 Sol, способную генерировать до 750 токенов в секунду. Для разработчиков это означает переход от пакетной обработки к живому, непрерывному диалогу с ИИ, где ожидание ответа не сбивает творческий поток.
Если Cerebras берет мощностью, то Groq берет предсказуемостью. Их LPU (Language Processing Unit) изначально создавался не для обучения, а только для вывода. В конце 2025 года NVIDIA фактически признала превосходство этого подхода, заключив с Groq сделку на 20 миллиардов долларов. Это не покупка компании, а лицензирование технологий — NVIDIA наняла почти весь топ менеджмент Groq, включая президента Санни Мадру, чтобы интегрировать их логику в собственные стойки Vera Rubin.
Феномен Groq кроется в детерминизме. В традиционных GPU работу постоянно прерывают планировщики, кэш промахи и динамическое распределение ресурсов, создавая микросекундные задержки. В LPU компилятор заранее выстраивает жесткий график выполнения каждой операции. Процессор работает как швейцарские часы: нет никаких случайных задержек, каждый такт предсказуем. Для голосовых интерфейсов, систем управления роботами и интерактивных ассистентов это критическое преимущество — ответ начинает генерироваться мгновенно, без стартовой паузы. На тестах Llama 2 70B чипы Groq выдают более 300 токенов в секунду, а новые поколения LPU нацелены на скорости в тысячи токенов.
Рынок пришел к пониманию, что универсальный чип — это всегда компромисс. Этап обработки входящего запроса (prefill) требует колоссальной вычислительной мощи и терабайтов памяти HBM. Этап генерации ответа (decode) требует мгновенного доступа к данным для каждого отдельного слова.
Так зародился стандарт гетерогенных вычислений. NVIDIA в своих новейших стойках Vera Rubin теперь совмещает классические GPU для тяжелой обработки промпта и стойки на базе чипов Groq для молниеносной генерации токенов. По тому же пути идет Amazon Web Services: ускорители Trainium 3 берут на себя математическую нагрузку, а SRAM решения от Cerebras подключаются для финальной, скоростной выдачи результата пользователю.
Инференс окончательно оформляется в самостоятельную индустрию со своими законами.
NVIDIA возводят собственные кремниевые бастионы, преследуя две цели: избавиться от диктата Дженсена Хуана и намертво привязать разработчиков к своим платформам. Эпоха открытых GPU завершилась, уступив место эпохе проприетарных экосистем.
Alphabet выстраивает самую герметичную систему на рынке. Восьмое поколение тензорных процессоров Ironwood теперь четко разделено на два лагеря: чипы 8t для ресурсоемкого обучения и 8i для высокоплотного инференса. Ironwood 8i, оснащенный 192 ГБ памяти HBM3e (7,37 ТБ/с), служит сердцем AI Hypercomputer. В максимальной конфигурации кластер из 9216 таких чипов выдает 42,5 экзафлопс. Чтобы замкнуть петлю контроля, Google вывела в прайм тайм свои ARM процессоры Axion. Теперь компания предлагает полный стек: от собственного CPU и TPU до собственных оптоволкоммутаторов. Проект, скомпилированный через XLA для TPU, оказывается в цифровом вакууме — извлечь его оттуда и перенести на альтернативное железо без тотального переписывания кода невозможно.
AWS играет в долгую, делая ставку на обслуживание крупнейших ИИ лабораторий. Третье поколение Trainium3 (2,52 петафлопса FP8, 144 ГБ HBM3e) масштабируется в рамках Trn3 UltraServer до 144 чипов с суммарной пропускной способностью памяти 706 ТБ/с. Именно эта архитектура лежит в основе мега кластера Project Rainier для Anthropic. Amazon заявляет о миллионе задействованных чипов Trainium2 для модели Claude. Предлагая самую агрессивную цену за вычисление внутри своего периметра, AWS использует компилятор Neuron SDK. Любая глубокая оптимизация под архитектуру Trainium создает технологический долг: попытка уйти к конкуренту потребует не просто смены настроек, а полной деконструкции программного конвейера, что по затратам сопоставимо с написанием проекта с нуля.
Microsoft отказалась от конкуренции на рынке “голого железа” в пользу тотальной интеграции. Ускоритель Maia 200 (216 ГБ HBM3e, 7 ТБ/с) никогда не предназначался для свободной продажи — это проприетарное ядро сервисов Copilot и Azure AI. Оптимизация под форматы FP8 и FP4 позволяет Microsoft субсидировать работу своих генеративных моделей за счет собственной экономии. Maia 200 — это не продукт, а замок на двери облака Azure. Использование закрытых библиотек Azure AI привязывает корпоративных клиентов к платформе: попытка запустить аналогичные нагрузки на сторонних GPU приведет к падению эффективности, которое сделает бизнес кейс нецелесообразным.
Результатом этой гонки стал жесткий vendor lock-in, где программный стек стал важнее физических характеристик чипа. В 2026 году индустрия разделилась на изолированные технологические острова:
Использование библиотеки XLA для TPU создает уникальный бинарный код. Он физически несовместим с архитектурой GPU.
Специфические методы распараллеливания и инструкции Neuron не имеют поддержки за пределами AWS.
Глубокая интеграция Maia с внутренними сервисами Azure делает инфраструктуру эксклюзивной для этой платформы.
Разработчик, выбравший проприетарный ускоритель ради экономии на тарифах, фактически подписывает долгосрочный контракт на технологическую кабалу. Миграция модели с TPU или Trainium на NVIDIA Blackwell или AMD Instinct сегодня — это не вопрос переноса контейнера Docker. Это задача уровня полной рефакторизации: замена драйверов, компиляторов, библиотек линейной алгебры и зачастую самой архитектуры нейросети.
Облачные провайдеры перестали сдавать комнаты в общем доме. Они возвели отдельные крепости. Доступ к дешевым вычислениям теперь возможен только при условии полной капитуляции перед их программными стандартами. Инфраструктура ИИ превратилась в новую геополитическую карту, где границы государств проходят по интерфейсам SDK, а таможенные пошлины взимаются за каждый вызов API.
Пока западные гиганты соревнуются в энергоэффективности и плотности монтажа, Huawei выбрала иную философию — победу через масштаб. На фоне закрытых экосистем США и Европы китайская корпорация представила систему CloudMatrix 384, которая меняет правила игры не за счет качества одного чипа, а за счет грубой системной силы.
В основе CloudMatrix 384 лежит 384 ускорителя Ascend 910C. Вместо того чтобы гнаться за плотностью вычислений на одном кристалле, Huawei сделала ставку на массивную кластеризацию. Результат превзошел ожидания аналитиков: совокупная мощность системы достигает 300 петафлопс (BF16), что почти вдвое больше, чем у стойки NVIDIA GB200 NVL72 (180 петафлопс). Китайский гигант обеспечил своему детищу абсолютное превосходство в объеме ресурсов: 49,2 ТБ памяти HBM (в 3,6 раза больше, чем у конкурента) и пропускную способность 1229 ТБ/с. За эту мощь приходится платить колоссальным энергопотреблением. Лишенные доступа к 4-нм техпроцессам TSMC из-за санкций, инженеры Huawei вынуждены использовать более старые нормы производства. Это делает CloudMatrix прожорливым — он потребляет в 4,1 раза больше электричества, чем GB200, а стоимость каждого вычисленного FLOPS в 2,5 раза выше. Однако для Пекина экономическая эффективность вторична: главная цель — доказать, что технологическая блокада Запада преодолима.
Технологический вызов Huawei не остался без ответа. На прошлой неделе Бюро промышленности и безопасности США (BIS) нанесло асимметричный удар, выпустив жесткое разъяснение экспортных правил. Документ вводит механизм заражения вторичными санкциями. Теперь под удар попадают не только китайские фабрики, но и любые международные компании — от европейских банков до ближневосточных телекомов, которые рискнут внедрить Ascend в свою инфраструктуру. BIS недвусмысленно предупреждает: использование китайских ИИ ускорителей может стать основанием для блокировки доступа к американским облачным сервисам, финансовым инструментам и обновлениям западного ПО. Это превратило закупку железа в юридическую лотерею. Корпоративные юристы по всему миру теперь накладывают вето на китайские решения, даже если они вдвое дешевле NVIDIA, просто чтобы не поставить под удар основной бизнес компании.
Действия Вашингтона форсируют фрагментацию глобальных цепочек поставок. Мировой рынок ИИ фактически распался на две несовместимые зоны:
Гарантия доступа к экосистеме CUDA и отсутствие юридических рисков, но по цене золота и с многомесячным ожиданием поставок.
Доступность и огромные объемы памяти, но под постоянной угрозой отключения от глобальных финансовых и технологических сервисов.
Эта ситуация вынуждает транснациональные корпорации строить цифровые двойники своих дата центров. Глобальные облачные провайдеры больше не могут предложить единый универсальный продукт: им приходится физически изолировать кластеры, чтобы западные клиенты не пересекались с восточным железом в одной инфраструктуре.
В 2026 году геополитика окончательно подчинила себе физику. Huawei доказала, что способна собрать вычислительного монстра, превосходящего западные аналоги по емкости памяти и масштабу. Однако США продемонстрировали, что контроль над программными стандартами и мировой финансовой системой — это более эффективное оружие сдерживания, чем любые ограничения на экспорт литографических сканеров. Эпоха единого глобального рынка ИИ завершена; начинается эпоха высоких цифровых стен.
Современные мультимодальные модели с длинным контекстом требуют 256 — 288 ГБ видеопамяти на один ускоритель. Как только веса нейросети перестают помещаться в локальный банк памяти одного чипа, система вынуждена дробить модель между несколькими GPU. В этот момент производительность падает на порядки: время, затраченное на пересылку данных по шинам NVLink или Ethernet, полностью нивелирует вычислительное превосходство железа. Рынок High Bandwidth Memory (HBM) оказался в состоянии клинической перегрузки. Спрос вырос в пять раз за три года, а производство этой памяти требует в разы больше кремниевой площади и сложнейших этапов упаковки (TSV), которые невозможно масштабировать мгновенно. В результате три производителя: SK Hynix, Micron и Samsung — физически не могут покрыть потребности рынка. SK Hynix, контролирующая 62% рынка, уже забронировала 70% мощностей будущего поколения HBM4 для NVIDIA, а Micron официально заявила о полной распродаже мощностей на 2025 — 2026 годы.
Дефицит памяти для дата центров спровоцировал коллапс на потребительском рынке. Поскольку линии по производству HBM и традиционной DRAM пересекаются, началась война за кремниевые пластины. Это привело к беспрецедентному скачку цен: стоимость серверной DDR5 и потребительских SSD удвоилась. NVIDIA была вынуждена пойти на экстренные меры — сократить выпуск игровых видеокарт серии RTX 50 (Blackwell) на 30 — 40% в первом полугодии 2026 года. Впервые за три десятилетия компания отменила запланированный выпуск обновлений (SUPER), так как поставщики памяти физически не могут отгрузить необходимые объемы чипов.
Пока NVIDIA упирается в физические лимиты упаковки памяти, AMD перехватила инициативу, сделав ставку на максимальную емкость. Ускорители Instinct MI355X на архитектуре CDNA 4 предлагают 288 ГБ HBM3e — это на 50% больше, чем 192 ГБ у флагманского NVIDIA B200. В задачах инференса, где критически важно загрузить модель целиком в локальную память (например, Llama 3 70B в FP16 занимает около 140 ГБ), MI355X позволяет запустить нейросеть на одном физическом устройстве. Решение NVIDIA требует для этого объединения минимум двух GPU, что вносит задержки на синхронизацию и удваивает лицензионные отчисления за программный стек. Благодаря этому AMD начинает системно вытеснять конкурента в сегменте работы с длинным контекстом. Стек ROCm достиг производственной зрелости, и в тестах MLPerf Inference 6.0 решения AMD идут ноздря в ноздрю с Blackwell, предлагая при этом значительно больший объем памяти за те же деньги.
Доступ к HBM превратился в инструмент технологического сдерживания. Тот факт, что производство этого типа памяти монополизировано тремя компаниями, делает глобальные цепочки поставок критически хрупкими. Samsung, долгое время отстававший из-за проблем с перегревом 12-слойных стеков, лишь недавно вернулся в гонку, но его объемы пока не влияют на рынок. Гиперскейлеры (Microsoft, Google, Amazon) ведут тихую войну, заключая открытые контракты на любые доступные объемы памяти, фактически выкупая будущее предложение на корню. В 2026 году наличие собственного чипа без гарантированного контракта на поставку HBM делает компанию беспомощной. Доступ к памяти стал новой валютой в геополитике ИИ, и те, у кого нет долгосрочных соглашений с производителями DRAM, фактически выбывают из гонки инфраструктур на ближайшие два года.
Индустрия ИИ повзрослела. Она перестала быть золотой лихорадкой для исследователей и превратилась в сложную промышленную и геополитическую игру. Будущее больше не принадлежит тем, кто просто создаст самую умную модель. Оно принадлежит тем, кто сможет собрать воедино три компонента: доступ к гигаваттам дешевой энергии, гарантированные контракты на поставку сотен терабайт HBM и полный контроль над программным стеком — от драйвера транзистора до API, обращающегося к пользователю.
Эпоха экспериментов закончилась. Наступила эпоха инфраструктурной инженерии.
Свяжитесь с нашими экспертами для подбора оптимальной конфигурации оборудования и расчета стоимости аренды под ваши задачи ИИ.