Google вернул 0,7% мировых мощностей TPU через ИИ-агента AlphaEvolve
ИИ-агент AlphaEvolve уже вернул Google 0,7% мировых вычислительных ресурсов, сократив время оптимизации чипов с недель до дней. Глобальный рынок ИИ-инфраструктуры раскалывается на универсальные решения и специализированные архитектуры, что делает зависимость от одного поставщика критическим риском для масштабирования бизнеса.
Google вернул себе 0,7% мировых вычислительных ресурсов, ускорив обучение моделей на 23% с помощью ИИ-агента AlphaEvolve. Это не просто техническое достижение, а смена парадигмы: задачи, требовавшие недель ручной работы инженеров, теперь решаются за дни. Рынок чипов для ИИ перестает быть монополией универсальных решений, уступая место специализированным архитектурам, где эффективность важнее гибкости.
От кодинга к проверке: как ИИ меняет роль инженера
Главный сдвиг происходит не в железе, а в процессах разработки. Агент AlphaEvolve переписал код арифметического узла для нового ускорителя TPU на языке Verilog, устранив лишние биты в цепи умножения матриц. После строгой проверки на корректность изменения внедрили в архитектуру чипа. Теперь инженеры тратят время не на написание кода, а на верификацию решений, предложенных алгоритмом.
Важный нюанс: Переход от написания кода к его проверке требует от специалистов новых навыков. Инженер должен понимать логику работы ИИ-агента, чтобы отловить ошибки, которые алгоритм мог счесть допустимыми, но которые критичны для аппаратной реализации.
Эта трансформация меняет экономику разработки. Сокращение времени на оптимизацию позволяет быстрее внедрять улучшения в производство чипов. Однако это создает риск: если алгоритм оптимизации содержит скрытую ошибку, она может быть воспроизведена в тысячах чипов до обнаружения.
Гонка эффективности: TPU против универсальных GPU
Конкуренция между специализированными чипами (ASIC) и универсальными графическими процессорами (GPU) обостряется. Google активно развивает линейку TPU, чтобы снизить зависимость от поставщиков вроде Nvidia. Седьмое поколение чипов, получившее название Ironwood, демонстрирует 30-кратный рост энергоэффективности по сравнению с предшественниками. Это критически важно в условиях роста энергопотребления дата-центров.
В то же время Microsoft представила процессор Maia 200, который превосходит TPU седьмого поколения в задачах инференса с высокой точностью (FP8). Это показывает, что ни одна архитектура не является идеальной для всех сценариев.
- TPU Google: Оптимальны для обучения моделей и специфических задач внутри экосистемы Google (например, прогнозирование погоды WeatherNext 2, которое стало в 8 раз быстрее).
- Maia 200 (Microsoft): Лучше справляются с выводом (инференсом) крупных моделей при высокой точности вычислений.
- Nvidia GPU: Остались универсальным решением, охватывающим всю экосистему ИИ, что привлекает компании, не готовые полностью переходить на проприетарные чипы.
Компании вроде Meta⋆ и Anthropic начали использовать TPU для своих нагрузок, что может снизить долю Nvidia на рынке. При этом Nvidia усиливает позиции, привлекая специалистов из стартапа Groq, чьи инженеры ранее работали над TPU в Google.
Энергия как новый барьер входа
Масштабирование ИИ упирается в физические ограничения. Google планирует удваивать объем серверов каждые полгода, что может увеличить общую вычислительную мощность в 10 раз за 4–5 лет. Капитальные вложения компании достигли $185 млрд в 2026 году. Рост инвестиций обнажает парадокс: расширение мощностей идет параллельно с дефицитом оборудования и энергии.
Для решения проблемы энергопотребления Google запускает проект Project Suncatcher. Идея заключается в размещении чипов TPU на солнечных спутниках. В космосе эти чипы получают энергию круглосуточно, что делает их в 8 раз эффективнее наземных аналогов. Тесты подтвердили способность чипов Trillium TPU работать без сбоев в условиях пятилетней миссии.
Стоит учесть: Перенос вычислений в космос — это не просто маркетинговый ход, а попытка обойти фундаментальное ограничение наземной энергетики. Если проект будет успешным, он может изменить географию размещения дата-центров и снизить стоимость владения мощностями для крупных игроков.
Однако сложность инфраструктуры растет. В августе 2025 года сервис Claude столкнулся с тремя сбоями, один из которых был вызван неправильной настройкой API Google TPU. Ошибка привела к ухудшению качества генерации ответов моделей Opus 4.1 и Sonnet 4. Это доказывает, что даже самые совершенные чипы не гарантируют стабильности, если программное обеспечение и конфигурация не отлажены до идеала.
Прогноз и риски для бизнеса
Если текущий тренд на специализацию сохранится, рынок ИИ-инфраструктуры разделится на два лагеря: универсальные решения для стартапов и специализированные чипы для гигантов, способных вложить миллиарды в разработку собственной архитектуры. Компании, зависящие от чужих чипов, столкнутся с ростом цен и дефицитом мощностей.
Если Google и Microsoft продолжат инвестировать в космические и сверхэффективные решения, а Nvidia не сможет предложить аналогичную энергоэффективность в своих GPU, баланс сил сместится в сторону тех, кто контролирует полный стек: от кода до источника энергии.
Для бизнеса это означает необходимость пересмотра стратегии закупок. Зависимость от одного поставщика становится критическим риском. Диверсификация вычислительных ресурсов и готовность к работе с разными архитектурами (TPU, Maia, GPU) станут обязательным условием для масштабирования ИИ-проектов.
Коротко о главном за рамками сюжета:
- AlphaEvolve уже вернул Google 0,7% мировых вычислительных ресурсов.
- Модель прогноза погоды WeatherNext 2 работает на TPU в 8 раз быстрее традиционных методов.
- Nvidia сохраняет лидерство за счет универсальности, но теряет долю в сегменте специализированных задач.
- Сбои в инфраструктуре (как у Claude) показывают уязвимость сложных систем даже при наличии мощного «железа».
- К 2027 году Google планирует запустить прототипы спутников с ИИ-чипами для тестирования в космосе.
🤖 Сводка сформирована на основе фактов из Календаря и обновляется при поступлении новых данных.
📅 Последнее обновление сводки: 30 июля 2026.
