Жеке тілдік модельдің болуы жасанды интеллектті егеменді етпейді. Ірі модельдерді оқыту мен іске қосу үшін жеделдеткіштер, жылдам жады, серверлер және бағдарламалық орта қажет — ал бұл учаскелерде ресейлік сала көбінесе шетелдік жеткізушілерге сүйенеді. Толыққанды алмастыру тез пайда болмайды: бұған жылдар мен ірі инвестициялар кетеді.
РАКИБ атқарушы директоры Александр Бражников ЖИ саласындағы технологиялық тәуелсіздіктің нақты шектерін бағалап, саланың негізгі тар жерлерін белгіледі.
Ресей өзі қандай өнім шығара алады
Озық жеделдеткіштер өндірісіндегі алшақтық барынша байқалады. Вице-премьер Денис Мантуровтың айтуынша, елде 300, 200, 130 және 90 нанометр нормалары бойынша микросистемалар сериялық түрде шығарылады. Неғұрлым жұқа техпроцестерге көшу үшін чип өндіруге арналған жеке жабдық қажет болады.
Техпроцестің өзі процессор жылдамдығын анықтамайды. Бірақ үлкен модельдерді оқытатын заманауи жеделдеткішке жылдам жады, кристалдарды күрделі қаптау және тиімді деректер беру қажет. Кем дегенде бір компонент жетіспесе, құрылғы мүмкіндіктерінен айырылады.
Ресейде өз жеделдеткіштерін «Модуль» ҒТО, «Элвис» ҒӨО және «Хайтэк» әзірлейді. Бұл ретте мамандандырылған нейропроцессор мен әмбебап графикалық процессор әртүрлі міндеттерді шешеді және әрдайым бір-бірін алмастыра алмайды. SNDGLOBAL бас директоры Ольга Квашенкина 28–65 нм техпроцесіндегі тар шеңберлі жеделдеткішке жетілген прототиптен сериялық өнімге дейінгі жолды өту үшін екі-төрт жыл қажет деп бағалаған, бұл кепілді тапсырыстар мен мемлекеттік қолдау кезінде. Әлемдік деңгейдегі әмбебап GPU — әлдеқайда күрделі міндет.
Дайын чиптің өзі мәселені жаппайды. Сериялық шығарылым, үйлесімді серверлер, компоненттердің тұрақты жеткізілімі және жабдықты нақты жүктемелерде жұмыс істететін бағдарламалық жасақтама қажет.
Қай чипті отандық деп санау керектігі туралы жеке дау жүріп жатыр. Өнеркәсіп және сауда министрлігі жеделдеткіштерді ресейлік радиоэлектроника тізіліміне енгізу үшін локализация жүйесін талқылады, ал сарапшылардың бірі Қытайда немесе Оңтүстік-Шығыс Азияда өндірілген ресейлік архитектура осындай мәртебеге негіз бола алады деп жорамалдады. Бражников әзірлеу орны мен өндіріс орны әртүрлі нәрсе екенін атап өтті. Жеке архитектура инженерлік құзыреттерді дамытады, бірақ бөтен фабрикаларға, жабдықтар мен материалдарға тәуелділік жоғалмайды және тізілімдегі формалды жазба оны жоймайды.
Қытай чиптері Қытайдың өзінде де тапшы
Көктемде Сбербанк басшысы Герман Греф банк GigaChat-ты қытайлық микросистемаларға көшіруді жоспарлап отырғанын мәлімдеді. Жасалған келісімшарт және чиптердің нақты модельдері туралы хабарланған жоқ. Ірі қытайлық интернет-компаниялар — ByteDance, Tencent және Alibaba — бұл ретте Huawei Ascend 950 жеделдеткіштеріне өздері де ұмтылды.
Қытай ЖИ-чиптерін шығаруды ұлғайтып келеді, бірақ ішкі сұранысты толық жаба алмайды. Бірінші жартыжылдықта елде деректер орталықтарына арналған 2,008 млн жеделдеткіш жеткізілді. Nvidia-да 678 мың құрылғы және нарықтың 34%, Huawei-де — 572 мың және 28%. Nvidia жеткізілімдері жылдық есеппен 44%-ға құлады, Huawei өсті. Нарық құрылымы да өзгеруде: графикалық процессорлар 26%-ға аз, 991 мың жеткізілді, ал басқа ЖИ-жеделдеткіштер шамамен 80%-ға көп, 1,016 млн. Бұл ретте құрылғылар саны олардың жиынтық қуаты туралы ештеңе айтпайды, өйткені архитектурасы мен мақсаты әртүрлі.
Қытайлық өндірушілер 2026 жылы шамамен 3,5 млн ЖИ-чип шығаруды жоспарлаған, сұраныс 5 млн-нан астам. Компаниялар тапшылықты Nvidia-ның ойын және кәсіби бейнекарталарымен жапты. ByteDance, Alibaba және Tencent жалпы құны $35 млрд-тан асатын 3 млн-нан астам Nvidia RTX PRO 5500 картасына тапсырыс берді, бұл ретте Nvidia бүкіл көлемді жеткізуге кепілдік бермеді. Мұндай карталар инференс үшін, яғни оқытылған модельдің жауаптарын генерациялау үшін жарамды, бірақ үлкен модельдерді оқыту кезінде серверлік жеделдеткіштерді алмастырмайды.
Ресей үшін қытайлық жабдық — тағы бір жеткізілім арнасы. Бірақ оның қолжетімділігі өндірушілердің қуаттарына және қытай нарығының өзінің тәбетіне байланысты. Шығысқа бұрылу тәуелділік құрылымын өзгертеді, бірақ оны жоймайды.
Экожүйе темірден де мықты ұстайды
Nvidia-ның күші тек чиптердің сипаттамаларында емес. Сбербанк басқарма төрағасының орынбасары Александр Ведяхин жазда CUDA-ның — ЖИ-жүктемелерін әзірлеу мен іске қосу құралдарының көп бөлігі құрылған платформаның маңыздылығын атап өтті.
Жылдар бойы CUDA айналасында кітапханалар, драйверлер, компиляторлар және әзірлеу құралдарының экожүйесі қалыптасты. Басқа архитектураға көшу кодтың бір бөлігін қайта жазуны, үйлесімділікті қайта тексеруді және жаңа жабдыққа өнімділікті реттеуді білдіреді. Сондықтан жеделдеткіштерге баға белгілерін салыстыру көшудің нақты құнын көрсетпейді.
Қытайлық компаниялар бұл кедергіні жоюға тырысады. Қыркүйекте DeepSeek Huawei-мен бірлесіп Ascend жеделдеткіштеріне арналған құралдарды, оның ішінде ашық есептеу және деректер алмасу кітапханаларын әзірлеу туралы жариялады және 128 Ascend 950 жеделдеткішіндегі шешімді көрсетті. Бірақ мұндай құралдардың пайда болуының өзі олардың кең ауқымды міндеттерде салыстырмалы өнімділік беретінін дәлелдемейді. Нақты модельдер мен жүктемелерде сынақтар қажет.
Басқа платформаға көшу қаншаға түседі
Чиптің бағасы — шығындардың тек бір бөлігі. Бұған инженерлердің жұмысы, кодты бейімдеу, есептеулердің дұрыстығын тексеру, өнімділіктің ықтимал төмендеуі және жүйені сүйемелдеу қосылады. Арзан жабдық пайдалануда қымбат болуы мүмкін, егер сол нәтиже үшін көбірек құрылғы немесе қосымша әзірлеу қажет болса.
Зерттеуші Zheng Yu препринті бұның іс жүзінде қалай көрінетінін көрсетті. Автор CANN және vLLM-Ascend бағдарламалық стекі бар 16 Huawei Ascend 910 жеделдеткішінен тұратын жүйеде екі инференс міндетін іске қосты. Модульдің тұрақты жұмыс істеуі үшін бастапқы кодқа 12 түзету енгізуге тура келді. Жұмысты жылдамдататын функциялардың бір бөлігі есептеулердің дәлдігі үшін өшірілді, ал ақаулардан қорғау үшін бақылау және қалпына келтіру механизмдері қосылды. Сценарийлердің бірінде өткізу қабілеті шамамен төрт параллель сұраныс ағынында оңтайлыға жетті, ал алты және одан көп болғанда кезек қанықты, қателер мен тайм-ауттар өсті. Жүйені бірінші сұранысқа дайындау бірнеше минутты алды.
Бұл бір нақты конфигурация үшін нәтижелер, оларды барлық Huawei жеделдеткіштеріне көшіруге немесе Nvidia-мен тікелей салыстыруға болмайды. Бірақ мысал «басқа платформаға көшу» деген сөздердің артында жасырылған жұмыс көлемін көрсетеді.
Платформаларды бірдей модельдер мен жүктемелерде бірқатар параметрлер бойынша салыстырған жөн:
- бағдарламалық жасақтаманы көшіруге кететін уақыт пен еңбек шығыны;
- өткізу қабілеті, жауап кідірісі және нәтиже сапасы;
- энергия тұтыну және берілген сұраныс санын өңдеу құны;
- ақаулар жиілігі және сүйемелдеу шығындары;
- жүйені тағы да көшіруге тура келсе, қайта көшудің бағасы.
MLPerf Inference стандартталған тесттері осы мәселелердің бір бөлігін шешуге көмектеседі. MLCommons қыркүйекте шығарған 6.1 нұсқасында RAG-тың толық тесті және агенттік инференс тесті пайда болды. Бірақ мұндай бенчмарктер берілген жүктемелердегі өнімділікті өлшейді, стекті көшіру құны мен жалпы иелену құнын емес. Nvidia-дан Ascend-ке немесе ресейлік чиптерге көшу шығындарының әмбебап бағасы ашық деректерде жоқ, ал салыстырмалы тесттерсіз кез келген орташа пайыздар мен сомалар аз нәрсе айтады.
Тәуелділікті чиптерді алмастырмай-ақ азайтуға болады
Есептеулерге қажеттілікті шағын мамандандырылған модельдер мен олардың жұмысын оңтайландыру есебінен қысқартуға болады. Құжаттарды талдау, өтініштерді жіктеу немесе жеке банктік операция үшін әмбебап модель әрдайым қажет емес. Тар шешім қуаты аз жабдықта жұмыс істейді және арзанырақ түседі, ал модельді сығу мен инференсті оңтайландыру қолда бар жеделдеткіштерден