Китай борется за независимость в AI-оборудовании
Китай сталкивается с ростом ограничений на доступ к зарубежным AI-чипам, включая приостановку закупок Nvidia и санкции против производителей, что укрепляет усилия по развитию внутренних решений. Пекин активизировал создание собственной экосистемы, включая открытие исходного кода Huawei CANN и формирование альянсов, но сталкивается с трудностями в масштабе производства, уровне технологий и синхронизации аппаратных и программных решений.
В последние недели в Китае произошли значительные изменения в сфере искусственного интеллекта. США ввели 15%-ный налог на продажу оборудования AMD и Nvidia китайским компаниям. Пекин временно приостановил закупки графических процессоров H20 Nvidia из-за опасений по поводу безопасности. Компания DeepSeek отказалась от планов использования чипов Huawei Ascend NPUs для обучения модели R2. Эти события поднимают вопрос о способности Китая обеспечить независимость в производстве AI-оборудования.
Ключевая идея: Ограничения на доступ к зарубежным технологиям и сложности с локальным производством усиливают давление на китайские компании, вынуждая их ускорять развитие собственных решений.
Эволюция стратегии Китая в области полупроводников
С середины 2010-х годов Китай преследует цель технологической независимости, включая создание собственных суперкомпьютеров и инструментов для производства чипов. К 2025 году были разработаны отечественные ускорители для AI, такие как Huawei CloudMatrix 384. Однако санкции США и запреты на поставки оборудования AMD и Nvidia заставили Китай активизировать переход на внутренние решения.
Главный вывод: Стратегия импортозамещения сталкивается с практическими трудностями, такими как отсутствие масштаба производства и несовершенство программного обеспечения.
Роль альянсов и открытых стандартов
В этом году сформирован Альянс «Модель-Чип» (Model-Chip Ecosystem Innovation Alliance), объединяющий Huawei, Biren Technology, Enflame и Moore Threads. Основная цель — создать унифицированную экосистему AI, включающую оборудование, модели и инфраструктуру. В августе Huawei открыла исходный код своего инструментария CANN, оптимизированного для Ascend-чипов. Это позволяет разработчикам адаптировать фреймворки, такие как PyTorch и TensorFlow, к отечественным платформам.
Практическое значение: Открытие CANN может ускорить развитие экосистемы, но требует времени для достижения уровня зрелости, аналогичного CUDA.
Ограничения в производстве и масштабе
Китай пока не может производить чипы, сравнимые по характеристикам с американскими. Компании, такие как Huawei, Biren и Moore Threads, включены в список Министерства торговли США, что ограничивает их доступ к передовым технологиям TSMC. В результате они вынуждены использовать менее совершенные процессы SMIC. Несмотря на это, Huawei получила партии чипов Ascend 910B у TSMC, что позволило создать около 1,4–1,5 млн Ascend 910C в 2024–2025 годах.
Риск для рынка: Ограниченный объем производства и отсутствие доступа к современным технологиям тормозят масштабирование AI-проектов в Китае.
Проблема взаимозависимости оборудования и ПО
Развитие программных стеков, таких как CANN, зависит от масштаба использования соответствующего оборудования. В свою очередь, без зрелого ПО чипы остаются менее привлекательными для разработчиков. Пример DeepSeek показывает, что даже при попытке перейти на Ascend-платформу нестабильность производительности и недостатки CANN заставили компанию вернуться к Nvidia для обучения моделей.
Что это значит для бизнеса: Успех локальных решений требует синхронизации развития аппаратной и программной составляющих, что пока не достигнуто.
Перспективы и вызовы
Альянсы и открытые стандарты могут снизить фрагментацию рынка, но их эффективность зависит от скорости внедрения. SMIC планирует освоить производство на узлах 6–5 нм, что может ускорить выпуск передовых чипов. Однако без масштабных поставок и зрелых экосистем китайские компании столкнутся с трудностями в конкуренции с Nvidia.
Ключевая идея: Успех Китая в AI-секторе зависит от преодоления барьеров в производстве, стандартизации и масштабировании, что требует долгосрочных инвестиций и координации.
Заключение
Снижение доступа к зарубежным AI-технологиям усилило зависимость китайских компаний от внутренних решений, однако текущий уровень их зрелости и масштабов производства пока не позволяет обеспечить полноценную замену. Сложившаяся динамика показывает, что переход на отечественные чипы сталкивается с двойной проблемой: отсутствием современных производственных мощностей и недостаточной интеграцией аппаратных и программных компонентов. Это ограничивает возможности для масштабирования AI-проектов и снижает привлекательность локальных платформ для разработчиков. В ответ на эти вызовы Китай усиливает кооперацию между ведущими игроками и открывает доступ к собственным инструментам, что может способствовать ускорению формирования экосистемы. Однако для достижения конкурентоспособности необходимо преодолеть существующий разрыв в технологиях, стандартах и объемах производства, что потребует значительных ресурсов и времени.
