Экспортные ограничения США заставляют китайские чипы ИИ переходить от ГПУ к специализированным ASIC.

      TL;DRUS экспортные ограничения США отталкивают китайскую индустрию ИИ-чипов от универсальных графических процессоров (GPU) и направляют её к специализированным интегральным схемам (ASIC). Huawei занимает лидирующую позицию с прогнозируемой долей рынка в 62%, в то время как Alibaba и Cambricon исследуют альтернативные архитектуры, которые могут создать структурно отличную экосистему от доминирующего на Западе Nvidia.

      Китайская индустрия ИИ-чипов больше не пытается создать клон Nvidia. Под воздействием постоянных экспортных ограничений США, блокирующих доступ к самым мощным универсальным GPU, крупнейшие технологические компании страны переходят к специализированным интегральным схемам, настраиваемым чипам, предназначенным для выполнения одной задачи очень хорошо, а не для обработки любых нагрузок. Этот переход создает внутреннюю полупроводниковую экосистему, которая может оказаться архитектурно отличной от модели, доминирующей на Западе, основанной на Nvidia.

      В центре этого расхождения находится выбор дизайна, который ускорили экспортные ограничения. Универсальные GPU, такие как те, что продает Nvidia, являются гибкими и программируемыми, что делает их идеальными для быстроменяющейся исследовательской фазы разработки ИИ, где архитектуры моделей постоянно меняются. ASIC жертвуют этой гибкостью ради сырой эффективности, обеспечивая более высокую производительность при меньшем потреблении энергии для конкретных задач ИИ. На рынке, где лучшее оборудование Nvidia недоступно, экономика специализированного кремния становится гораздо более привлекательной.

      Три пути к специализированным чипам

      Китайские компании исследуют три различных архитектуры ASIC. Huawei делает ставку на нейропроцессоры через свою серию Ascend, включая широко развернутые 910C и предстоящий Ascend 950. Cambricon Technologies строит архитектуры, специфичные для домена, с сериями Siyuan 590 и 690. Alibaba выбирает третий путь через свое полупроводниковое подразделение T-Head, которое на своем ежегодном саммите по облачным вычислениям на прошлой неделе представило параллельный процессор Zhenwu M890, заявив о трехкратной производительности по сравнению с его предшественником.

      Сторона GPU, Moore Threads, возглавляет внутренние усилия. Основанная в 2020 году Чжан Цзяньчжуном, бывшим руководителем Nvidia в Китае, компания сосредоточилась на универсальных чипах, таких как серия MTT S5000. Biren Technology, Enflame и Iluvatar CoreX также конкурируют в этой области, но ни одна из них не достигла масштаба лидеров ASIC.

      Отчет Morgan Stanley, опубликованный 8 мая, прояснил рыночную динамику. Прогнозируется, что Huawei захватит 62% внутреннего рынка ускорителей ИИ в Китае к 2026 году, за ней следует Cambricon с 14%. Среди крупных технологических компаний, создающих собственные чипы, Baidu и Alibaba, как ожидается, займут по примерно 5%. Тяжеловесы ASIC выигрывают за счет объема и динамики.

      Производительность больше не является узким местом

      Разрыв в производительности между китайскими чипами и экспортируемым оборудованием Nvidia значительно сократился. Данные Morgan Stanley показывают, что карты Huawei Ascend 950 и Siyuan 690 от Cambricon могут превосходить Nvidia H20, самый мощный чип, который Nvidia в настоящее время разрешено продавать в Китае, на 50-150% по измерению токенов в секунду.

      Huawei ожидает, что доходы от ИИ-чипов достигнут примерно 12 миллиардов долларов в 2026 году, увеличившись с 7,5 миллиарда долларов в 2025 году. Доля Nvidia на китайском рынке ускорителей ИИ фактически упала до нуля, что генеральный директор Дженсен Хуанг описал как «ужасный результат» для Соединенных Штатов, поскольку это разрушает зависимость программного обеспечения от экосистемы CUDA Nvidia, на создание которой ушло два десятилетия.

      Для высоко коммерциализированного рынка ИИ в Китае, который сосредоточен на развертывании приложений для сотен миллионов пользователей, а не на проведении передовых исследований, подход ASIC имеет особый смысл. Инференс, процесс запуска обученной модели в масштабе, вознаграждает тот вид узкой оптимизации, который предоставляет специализированный кремний. Обучение новых моделей все еще выигрывает от гибкости GPU, но доходы поступают от развертывания.

      Проблема программного стека

      Производительность аппаратного обеспечения — это лишь половина уравнения. Более глубокая проблема для китайской чиповой индустрии заключается в разрыве зависимости, созданной платформой CUDA от Nvidia, программным слоем, который миллионы разработчиков ИИ по всему миру используют для написания кода для оборудования Nvidia. Сетевые эффекты CUDA огромны. Практически каждая ИИ-структура, каждая научная работа и каждая предобученная модель предполагают совместимость с CUDA.

      Huawei строит CANN в качестве своей альтернативы, в то время как Moore Threads разработала MUSA. DeepSeek потратила месяцы на переписывание своего основного кода для работы с фреймворком CANN от Huawei, отказываясь от экосистемы CUDA. Но аналитик полупроводников Чжан Хайцзюнь отмечает, что по мере усложнения моделей ИИ границы между специализированными ASIC и гибкими GPU «становятся все более размытыми», что предполагает, что выигрышная архитектура в конечном итоге может объединить элементы обоих.

      Главный аналитик Omdia Су Лянь Цзе рассматривает выбор практически: предприятия с мощными возможностями ИИ-инженерии и четкой дорожной картой выигрывают от ASIC, в то время как те, кто работает с смешанными нагрузками, все еще склоняются к универсальным GPU. На данный момент рыночная динамика в Китае благоприятствует специализированному подходу, отчасти по выбору, а отчасти потому, что универсальный вариант от Nvidia остается либо недоступным, либо ограниченным.

      Структурно отличная экосистема

      Долгосрочные последствия этого расхождения могут быть более значительными, чем краткосрочные показатели производительности. Если китайская индустрия ИИ стандартизируется на смеси нейропроцессоров Huawei, параллельных процессоров Alibaba и специализированных чипов Cambricon, каждый из которых работает на своем собственном программном стеке, результатом станет фрагментированная, но внутренне самодостаточная экосистема, которая функционирует на принципиально отличных архитектурных предположениях от Запада.

      Эта фрагментация несет свои издержки. Разработчики, создающие для китайского рынка, могут потребовать поддержки нескольких аппаратных платформ одновременно, что увеличивает сложность. Кросс-граничное сотрудничество в области ИИ становится сложнее, когда базовые вычислительные стеки несовместимы. А отсутствие единой доминирующей платформы означает, что ни один китайский производитель чипов не получает выгоды от той самой экосистемной зависимости, которая сделала CUDA от Nvidia столь мощной в первую очередь.

      Но направление задано. Экспортные ограничения США, предназначенные для замедления прогресса Китая в области ИИ, вместо этого ускорили структурное переосмысление его чиповой индустрии, направляя её к специализированному кремнию, внутренним программным стекам и архитектуре, которая больше не зависит от американского оборудования. Может ли эта экосистема соответствовать темпам инноваций в Западном мире, управляемом Nvidia, является определяющим вопросом гонки ИИ-чипов.