Китай рассматривает возможность объединения чипов для сокращения разрыва с NVIDIA.

02.12.2025 Китайская полупроводниковая промышленность стремится сократить свой технологический разрыв с NVIDIA путем объединения зрелых логических узлов с высокоскоростной памятью и новыми вычислительными архитектурами, согласно замечаниям Вэй Шаоцзюня, вице-президента Китайской ассоциации полупроводниковой промышленности. Выступая на мероприятии в Шэньчжэне (через ESM China), Вэй сказал, что 14-нм логические чипы, значительно отстающие от 4-нм кремния, используемого в текущих ИИ-графических процессорах NVIDIA, могут достичь сопоставимой производительности в сочетании с 18-нм DRAM с использованием 3D гибридного связывания и вычислительной архитектуры, близкой к памяти. Такой подход сокращает перемещение данных и повышает энергоэффективность за счет размещения вычислительных элементов непосредственно рядом с памятью. Эта концепция отражает недавнюю стратегию Huawei по «объединению и кластеризации» чипов в качестве обходного пути для экспортного контроля США, который блокирует доступ Китая к передовым узлам, таким как 5 нм и ниже. Huawei утверждает, что производительность все еще может масштабироваться за счет увеличения плотности интеграции чипов вместо того, чтобы полагаться на передовую литографию.Вэй подчеркнул, что предлагаемая им конструкция использует полностью внутреннюю цепочку поставок, а 14-нм логика и 18-нм DRAM подпадают под действующие экспортные ограничения США, что ограничивает доступ к зарубежной продукции. Он также отметил, что глобальная экосистема искусственного интеллекта по-прежнему сильно зависит от аппаратного обеспечения NVIDIA и программного обеспечения CUDA, назвав это «тройной зависимостью» между моделями, архитектурами и инструментами разработки. Появляются китайские альтернативы графическим процессорам, включая Zhonghao Xinying, стартап, основанный инженером Google Янгоном Ифой. Компания утверждает, что её специализированный ускоритель ASIC TPU может достигать «до 1,5 раз» производительности вычислений по сравнению со старым графическим процессором NVIDIA A100.GPU от NVIDIA и AMD, вероятно, останутся выбором для обучения ИИ благодаря своей универсальности, но ASIC, такие как TPU от Google, и, возможно, разработки китайских фирм могут стать интересной альтернативой для компаний, пытающихся уйти от почти монополии NVIDIA или просто получить доступ к оборудованию. Цены на память, дефицит кремния и торговые барьеры могут затруднить получение необходимых GPU. В условиях ограниченного предложения, возможно, стоит рассмотреть непроверенные ASIC. Если китайский дизайн TPU будет работать примерно так, как заявлено, он должен обеспечивать приличную мощность. Более того, для компаний, сталкивающихся с нехваткой GPU или желающих диверсифицировать свою инфраструктуру ИИ, альтернативные чипы, подобные этим, могут заполнить пробел, даже если они не могут сравниться с флагманской производительностью NVIDIA.