Moore Threads breaks NVLink's Monopoly
July 6, 2026
В июле 2026 года Moore Threads официально подтвердила, что её фабрика межчипового соединения MTLink теперь поддерживает масштабирование до 10 000 GPU в едином AI-кластере. Достигнут технический рубеж, который до сих пор был исключительной вотчиной Nvidia и её проприетарной технологии NVLink.
Для российских enterprise заказчиков, которым годы санкций закрыли доступ к H100 и B200, посылает очередной сигнал: китайский GPU стек впервые стал реальной альтернативой не на уровне одной карты, а на уровне кластерной архитектуры целиком.
Что такое MTLink и почему это важно
NVLink - это разработка Nvidia, которая позволяет GPU общаться друг с другом напрямую, минуя узкое место шины PCIe. Без высокоскоростной фабрики связи построить кластер для тренировки LLM на тысячах карт физически невозможно - узкое место в сети задушит полезную производительность.
MTLink - это ответ Moore Threads на NVLink. Технология позволяет объединять GPU в единую высокопроизводительную фабрику с минимальными задержками. До последнего времени Moore Threads демонстрировала стабильную работу кластеров на несколько сотен карт (проект Куаэ / KUAE). Переход к 10 000 GPU выглядит как качественный скачок, выводящий китайское решение в тяжёлый вес.
· Линейный коэффициент масштабирования: в тестах Moore Threads на уровне 90 - 95% при масштабировании до тысяч карт. Для сравнения: Nvidia считается эталоном с показателем ~98%, но разрыв непрерывно сокращается.
· Эффективная доля времени тренировки (MFU): >40% для плотных моделей, >60% для MoE архитектур на кластерах S5000.
· Стабильность: коэффициент аптайма кластера превышает 90% в многодневных тренировочных прогонах.
Два IPO, которые изменили рынок
История Moore Threads и MetaX за последние 12 месяцев выглядит как сценарий к фильму. В декабре 2025 года обе компании вышли на IPO в Шанхае (биржа STAR Market) - и акции взлетели:
Moore Threads: Дата IPO: дек 2025; Рост в первый день: +400%; Оценка post-IPO: ~$28 млрд;
MetaX: Дата IPO: дек 2025; Рост в первый день: +693%; Оценка post-IPO: ~$42 млрд;
MetaX, основанная бывшими инженерами AMD, привлекла $596 млн при том, что сама компания пока убыточна (чистый убыток 830 млн юаней при выручке 1,6 млрд). Инвесторы покупают не прибыль, а государственную стратегию Китая: к 2029 году рынок AI-чипов в КНР должен достичь $189 млрд (против $54 млрд в 2026-м).
На уровне маркетинговых презентаций разница между китайским и американским GPU-стеком выглядит как вопрос цены. На инженерном уровне это фундаментальный конфликт двух парадигм: гонка за пиковой плотностью транзисторов (TSMC 4N) против оптимизации архитектуры под зрелые техпроцессы (SMIC 7nm).
HBM3e vs GDDR6X в контексте LLM
Nvidia H200: Использует память HBM3e с пропускной способностью (Bandwidth) около 4,8 ТБ/с на ускоритель. Это позволяет удерживать огромные матрицы весов (до 141 ГБ у флагманских версий) непосредственно рядом с вычислительными блоками. Узким местом здесь выступает не объем, а задержки контроллера при случайном доступе к KV-кэшу в MoE-моделях.
Moore Threads S5000: Оснащается 80 ГБ видеопамяти. В зависимости от ревизии используется либо стек HBM2e (~820 ГБ/с), либо массивная подсистема из чипов GDDR6/GDDR6X.
· Инженерный компромисс: Пропускная способность S5000 значительно ниже (ориентировочно 500 - 700 ГБ/с). Чтобы компенсировать этот разрыв, архитекторы Moore Threads увеличили объемы локальных SRAM-кешей внутри MUSA ядер.
· Последствие для заказчика: При тренировке плотных моделей семейства Llama-3 (70B/405B) кластер на S5000 вынужден чаще обращаться к основной системной памяти или делать агрессивный своп через MTLink, что вызывает микро остановки конвейера (pipeline stalls). Однако для инференса, где критичен объем одной карты, 80 ГБ S5000 позволяют целиком разместить модель Qwen-72B без квантования до INT4.
Межчиповая фабрика: NVLink 4 / InfiniBand против MTLink v2
Скорость обучения зависит не от терафлопс одного чипа, а от того, насколько быстро градиенты синхронизируются между тысячами карт.
· Nvidia (Spectrum-X / NVLink): Задержка all-reduce на дистанции коммутатора составляет порядка 1 - 2 микросекунд благодаря In-network computing (вычисления прямо в ASIC коммутаторе). Эффективность масштабирования MFU держится на уровне 95–98% именно за счет эшелонированного RDMA.
· Moore Threads (MTLink): Реализована на базе проприетарных коммутаторов STAR Matrix. Физический уровень использует те же медные кабели прямого подключения (DAC) или оптику, но протокол более тяжеловесен. Задержка обмена данными выше на 30 - 40%.
· Секрет энергоэффективности фабрики: Китайский стек экономит энергию на сетевом уровне. Коммутаторы Spectrum-X потребляют колоссальное количество ватт на обслуживание сверхбыстрых SerDes-блоков (50G/100G NRZ/PAM4). MTLink работает на чуть менее агрессивных частотах физического уровня, жертвуя наносекундами ради снижения тепловыделения портов коммутации.
Физика процесса: SMIC 7nm N+2 против TSMC 4N
Это ключевой фактор экономики дата центра.
TSMC 4N (H200/B200): Специфический 4-нанометровый узел Nvidia. Он дает максимальную плотность транзисторов (более 80 млрд в B200), но требует экстремального форсирования тактовых частот. Закон утечки мощности гласит: P=C⋅V2⋅fP = C \cdot V^2 \cdot fP=C⋅V2⋅f. Высокие частоты (fff) вынуждают поднимать напряжение (VVV), что ведет к квадратичному росту потребления тепла. Плотность теплового потока (TDP) превышает 1000 Вт на стойку, требуя иммерсионного охлаждения.
SMIC 7nm (S5000): Меньшая плотность транзисторов компенсируется архитектурными решениями. Вместо выжимания максимума из одного ядра, Moore Threads используют большее количество упрощенных вычислительных блоков, работающих на умеренных частотах (около 1.5 - 1.8 ГГц против 2.0+ ГГц у Hopper).
Энергоэффективность (Perf/Watt): За счет отсутствия турбобуста и использования более толстых техпроцессов металлизации, китайский чип выдает примерно на 25 - 30% меньше чистой производительности FP16, но потребляет на 40 - 50% меньше энергии на один эквивалентный TFLOP в задачах со смешанной точностью.
Мегаватты и окупаемость
Рассмотрим гипотетический enterprise кластер для тренировки плотной модели масштаба 70B параметров.
Сценарий А (Moore Threads S5000):
· Размер парка: ~1 400 GPU (для компенсации отставания по Per-GPU perf);
· Пиковая мощность стоек IT: ~0.7 МВт;
· Затраты на охлаждение (PUE 1.4): ~0.28 МВт;
· ИТОГО потребление ЦОД: ~0.98 МВт;
· Разница (Экономия): ~0.7 МВт постоянной нагрузки.
Сценарий B (Nvidia H200):
· Размер парка: 1 000 GPU;
· Пиковая мощность стоек IT: ~1.2 МВт;
· Затраты на охлаждение (PUE 1.4): ~0.48 МВт;
· ИТОГО потребление ЦОД: ~1.68 МВт
· Разница (Экономия): -
Почему это происходит именно сейчас
Три структурных фактора сошлись в одной точке:
1. Экспортные ограничения США фактически отрезали Китай от H100/H200/B200. Вместо того чтобы ждать разрешения Вашингтона, китайские hyperscaler (Alibaba, Tencent, Baidu) начали массово переключаться на местных вендоров.
2. Господдержка: правительство КНР ставит задачу достичь 70% самообеспеченности по AI-чипам к 2027 году. Доступ к дешёвому капиталу через STAR Market часть этого плана.
3. Зрелость софтверного стека: Moore Threads MUSA и MetaX MACC достигли той стадии, когда перевод модели с CUDA занимает дни, а не месяцы.
Математика суверенитета
Для российского enterprise заказчика выбор между китайским и американским оборудованием сегодня - это не вопрос чистой производительности, а оценка рисков непрерывности бизнеса. Ниже представлен детализированный расчет совокупной стоимости владения TCO для кластера мощностью 500 ускорителей.
Дано:
Масштаб: 500 GPU в едином контуре.
Сценарий А (Китайский стек): Вычислительные узлы Moore Threads S5000 (80 ГБ HBM), фабрика межсоединения MTLink, российская платформа управления АРКА.
Сценарий Б (Американский стек): Кастомные серверы DGX эквивалент с Nvidia B200 (192 ГБ HBM3e), сеть InfiniBand NDR, серый импорт без официальной поддержки.
Горизонт планирования: 5 лет (60 месяцев).
Валюта расчетов: Доллары США (для сопоставимости цен на международном рынке).
CAPEX: Капитальные затраты (Год 0)
1. Сценарий А (Moore Threads + АРКА):
· Стоимость железа (GPU + CPU + RAM): $12,5 млн (по ~$25k за карту/узел);
· Сетевая фабрика (MTLink / InfiniBand): $1,5 млн (включена в шасси или коммутаторы STAR Matrix);
· Система охлаждения и питания: $2,0 млн (расчет на PUE 1.4, умеренное потребление);
· ПО и лицензии (базовый слой): $0,5 млн (лицензии АРКА, подписки на локальный Model Hub);
· Проектирование и пусконаладка: $0,8 млн (официальная инсталляция ChaiTex/АРКА).
ИТОГО CAPEX: $17,3 млн.
2. Сценарий Б (Nvidia B200 / серый импорт): Стоимость железа (GPU + CPU + RAM):
· Стоимость железа (GPU + CPU + RAM): $45 млн (по ~$90k за карту/узел на сером рынке);
· Сетевая фабрика (MTLink / InfiniBand): $3,0 млн (коммутаторы NVIDIA Spectrum-X / Mellanox NDR)
· Система охлаждения и питания: $3,5 млн (требуется прецизионное жидкостное охлаждение из-за плотности >1 кВт/GPU);
· ПО и лицензии (базовый слой): $2,0 млн (серые лицензии VMware/NVIDIA AI Enterprise, обход блокировок подписок);
· Проектирование и пусконаладка: $2,5 млн (инженерия вслепую, кастомная сборка отсутствие схем от вендора.
ИТОГО CAPEX: $56,0 млн.
Промежуточный вывод по CAPEX: Разница в 3,2 раза обусловлена не только ценой карт, но и инфраструктурой. Плотность тепловыделения B200 требует кратно более дорогих систем отвода тепла, которые часто невозможно разместить в существующих машинных залах российских дата центров.
OPEX: Операционные расходы (Ежемесячно)
1. Сценарий А (Moore Threads)
· Электроэнергия (при нагрузке 80%): ~$180 тыс./мес (потребление стойки ~45 кВт при PUE 1.4);
· Техническая поддержка и гарантия: $25 тыс./мес (SLA- поддержка ChaiTex, склад ЗИП в РФ/КНР);
· Обновление ПО и безопасность: $15 тыс./мес (подписка АРКА, работа инженеров MUSA/MACC);
· Фонд оплаты труда (DevOps/MLOps): Базовая ставка (+10% за изучение нового стека).
ИТОГО OPEX (средний месяц): ~$220 тыс.
2. Сценарий Б (Nvidia):
· Электроэнергия (при нагрузке 80%): ~$280 тыс./мес (потребление стойки ~70 кВт при PUE 1.4);
· Техническая поддержка и гарантия: $0 формально, фактически - риски потери всей фермы при поломке;
· Обновление ПО и безопасность: $40 тыс./мес (ручное патчирование CUDA, взлом DRM лицензий, поиск драйверов);
· Фонд оплаты труда (DevOps/MLOps): Базовая ставка (+20% за работу в условиях санкционного стресса).
ИТОГО OPEX (средний месяц): ~$320 тыс.
Скрытые переменные: Риски простоев и амортизация
Эти факторы являются определяющими для реальной экономики проекта:
Доступность запчастей (Lead Time):
Moore Threads: Официальный канал через ChaiTex гарантирует поставку плат питания, кабелей MTLink и самих ускорителей со склада в течение 14 - 30 дней.
Nvidia: При выходе из строя одного GPU в кастомном DGX сервере инженер вынужден искать донора на внутреннем рынке или разбирать работающий сервер. Простой ноды может составить 3 - 6 месяцев. Для кластера из 500 карт статистический отказ хотя бы одной карты в неделю неизбежен.
Санкционное давление (Вторичные санкции):
Moore Threads: Нулевой риск блокировки оборудования внешними регуляторами.
Nvidia: Критический риск. Любой банковский перевод за комплектующие, любой визит иностранного инженера для ремонта системы охлаждения может привести к заморозке инфраструктуры поставщиком облака или вендором прошивок.
Амортизация и остаточная стоимость (5 лет):
К концу 5-го года карта B200 устареет технологически и превратится в груду металла из-за невозможности продлить лицензию CUDA или обновить драйверы официально. Ликвидность близка к нулю.
Карта S5000 сохранит ценность внутри экосистемы КНР и дружественных стран. Ее можно будет реализовать на вторичном рынке азиатских облачных провайдеров с дисконтом 40 - 50%.
Итоговый финансовый результат (TCO за 5 лет)
Для наглядности приведем упрощенную формулу: TCO = CAPEX + (OPEX * 60) - Остаточная стоимость.
Сценарий А (Moore Threads + АРКА): $17,3 млн + ($220,000 60) - $3 млн (оценочный возврат) ≈\approx≈ $144,3 млн. Высокая предсказуемость бюджета, легальная бухгалтерия, наличие официального ответственного (ChaiTex).
Сценарий Б (Nvidia B200 серый импорт): $56,0 млн + ($320,000 * 60) - 00 0\approx$ $248,0 млн. Плюс скрытый коэффициент риска (Risk Premium). Если простой из-за нехватки деталей составит всего 5% времени жизни кластера (около 3 месяцев за 5 лет), упущенная выгода бизнес юнитов добавит к этой сумме еще $15 - 20 млн.
Утверждение о стирании разницы в пересчете на терафлопс верно лишь отчасти. На уровне покупки одной карты разница остается двукратной. Однако на масштабе 500 GPU и горизонте 5 лет китайский стек Moore Threads оказывается дешевле американского почти в 1,7 - 2 раза.
Главный экономический аргумент здесь не цена электричества, а стоимость отсутствия неопределенности. Легальный импорт связки Moore Threads + АРКА позволяет российскому бизнесу строить финансовые модели, получать кредиты под закупку оборудования и гарантировать акционерам выполнение дорожной карты разработки LLM. Серый импорт Nvidia превращает IT-инфраструктуру в высокорискованный венчурный актив, где любая лопнувшая трубка жидкостного охлаждения или заблокированный SWIFT платеж могут остановить разработку компании на полгода.
Что это значит для российского рынка
Появление реальной альтернативы для крупных AI-проектов
До сих пор российские заказчики, которым требовался кластер для тренировки или инференса LLM, оказывались перед выбором: рискованный параллельный импорт H100 (если вообще удастся найти) или компромисс с характеристиками.
С MTLink 10K появляется третий путь: построение масштабируемого AI-кластера на базе Moore Threads S5000 (80 ГБ) с прогнозируемой производительностью и официальной поддержкой (через ChaiTex и партнёров).
Снижение стоимости владения (TCO) при масштабировании
Moore Threads S5000 стоит существенно дешевле, чем H100/H200 на сером рынке. При масштабировании до сотен и тысяч карт разница в CAPEX становится критической. Да, на одну карту S5000 проигрывает H100 по чистой производительности, но в пересчёте на стоимость терафлопса и с учётом легального импорта разница стирается.
АРКА как ключ к эксплуатации китайских GPU
Критический момент: аппаратная мощь бесполезна без удобного софта. Платформа АРКА (российская локализация MoArk) поддерживает Moore Threads и MetaX из коробки. Заказчик получает не просто «железо из Китая», а управляемую среду с Model Hub, Fine-Tuning Engine и API Pipeline работающую в воздухонепроницаемом (air-gapped) контуре.
Риски, о которых нужно помнить
· Санкционные риски второго порядка: США могут расширить ограничения на оборудование, использующее определённые техпроцессы (SMIC 7nm и ниже).
· Экосистема: CUDA остаётся стандартом. MUSA и MACC - это достаточно хорошо, но не 100% покрытие.
· Перегрев оценок: инвесторы в Китае могут переоценивать перспективы. Если MetaX или Moore Threads не покажут прибыль в ближайшие 2 - 3 года, волатильность акций ударит по доверию к сектору.
Выводы
Прорыв MTLink до 10 000 GPU не маркетинговая цифра, а инженерный факт, который меняет расклад на рынке AI-инфраструктуры. Ещё год назад китайские GPU рассматривались как “план Б” на случай, если санкции станут совсем невыносимыми. Сегодня это уже план А для многих enterprise заказчиков в России и СНГ.
Российский рынок получает окно возможностей: пока западные вендоры ушли или ограничены, китайские игроки (при поддержке локализованного софта вроде АРКА) могут занять значимую долю в сегменте AI инфраструктуры. Главное - выбирать проверенные конфигурации и опираться на вендоров с реальным стеком, а не только громкими заголовками об IPO.
Вопросы и ответы
В: Насколько MTLink реально конкурирует с NVLink от Nvidia?
О: На уровне архитектуры фабрики связи MTLink уже обеспечивает сопоставимую пропускную способность внутри серверного узла. При масштабировании до тысяч GPU Moore Threads демонстрирует линейный коэффициент ~90 - 95% против ~98% у Nvidia. Для большинства production-задач (инференс, дообучение LLM) эта разница некритична. Проигрыш остаётся в абсолютной производительности одного чипа S5000 против H100 - но в кластерном сценарии это нивелируется масштабом и ценой.
В: Стоит ли российским компаниям закладывать китайские GPU в стратегию на 2027 год?
О: Однозначно. Учитывая закрытость западного рынка GPU для России, китайские вендоры (Moore Threads, MetaX, Huawei Ascend) -- единственный легальный путь получения современных AI-ускорителей. Главное выбирать проверенные интеграторами конфигурации и использовать платформы вроде АРКА для минимизации боли по миграции с CUDA.