Китай сокращает зависимость от NVIDIA в AI-индустрии
Доля Nvidia на рынке китайских AI-ускорителей сократится с 66% в 2024 году до 8% в этом году из-за санкций США и роста местных производителей, таких как Huawei и Moore Threads. Несмотря на прогресс отечественных решений, переход на них осложняется зависимостью от экосистемы CUDA и ограничениями в производстве современных чипов.
По данным Tomshardware, доля компании Nvidia на рынке китайских AI-ускорителей может сократиться с 66% в 2024 году до 8% в текущем году. Эксперты Bernstein, упомянутые в китайских СМИ, отмечают, что это снижение обусловлено сочетанием факторов: санкций со стороны США, ростом местных производителей, таких как Huawei, Cambricon, Moore Threads и MetaX, а также улучшением программных стеков этих компаний.
В условиях ограничений на экспорт Nvidia, местные игроки активно развивают собственные решения. Например, Moore Threads недавно представила GPU под кодовым названием Huashan, предназначенную исключительно для задач ИИ. По словам главного исполнительного директора компании Чжан Цзяньчжунга, новое оборудование удовлетворяет потребности отечественных разработчиков, и, как ожидается, позволит сократить зависимость от импорта.
Рост отечественных решений и их конкурентоспособность
Несмотря на то, что Huashan может конкурировать с предыдущими поколениями Nvidia — H100 и H200, она уступает по производительности современным Blackwell B200 и B300, которые запрещены к экспорту в Китай. При этом, Huawei демонстрирует рост мощностей: её AI CloudMatrix 384 превосходит GB200 NVL72 и GB300 NVL72 по показателю BF16 FLOPS, популярному формату для обучения ИИ, хотя и потребляет в четыре раза больше энергии.
Следующее поколение Atlas 950 SuperCluster, включающее 524 288 ускорителей Ascend 950DT, должно достичь до 524 FP8 ExaFLOPS для обучения и до 1 FP4 ZettaFLOPS для инференса в 2026–2027 годах, а к 2028 году — 4 ZettaFLOPS. Это всё ещё ниже, чем у ведущих кластеров на базе Blackwell, таких как Oracle’s OCI Supercluster, но указывает на стремительное развитие отечественных решений.
Сложности перехода на отечественные стеки
Несмотря на прогресс, переход от экосистемы, долгие годы ориентированной на Nvidia, к полностью отечественной не является простым. Многие существующие развертывания используют оборудование Nvidia и программный стек CUDA, что делает перенос решений на китайские архитектуры сложным и затратным процессом.
В рамках национальной стратегии, китайские власти продвигают инициативу по созданию самодостаточной экосистемы полупроводников. В центре этой работы находятся так называемые «четыре дракончика»: Moore Threads, MetaX, Biren Technology и Suiyuan Technology (Enflame). Эти компании рассматриваются как ключевые игроки в формировании будущей отечественной ИИ-инфраструктуры.
Роль крупных гиперскалеров и ограничения производства
Крупные гиперскалеры также усилили программы по разработке собственных чипов. Например, Baidu через подразделение Kunlunxin планирует выпустить пять AI-процессоров к 2030 году, а Alibaba продолжает развитие собственных решений. Однако развитие китайского ИИ-сектора ограничено возможностями SMIC по выпуску чипов на 7-нм и выше. Если компания не сможет существенно увеличить объём производства в ближайшие годы, отрасль может отстать от американской или вынуждена будет находить пути к получению высокопроизводительных GPU у Nvidia.
В условиях динамичного развития отрасли, ключевым остаётся вопрос о том, насколько быстро и эффективно китайские разработчики смогут заменить импортные решения собственными. Эксперты подчёркивают, что успех зависит не только от технических достижений, но и от масштабирования производственных мощностей и интеграции в общую экосистему.
Как Китай меняет ИИ-ландшафт: от импорта к автономии
Китайская ИИ-индустрия переживает значительные изменения. Рынок AI-ускорителей в стране перестраивается: доля NVIDIA, ранее доминировавшей на 66%, сокращается, а местные игроки, такие как Huawei, Moore Threads и MetaX, активно развивают собственные решения. Это изменение не случайно — оно вызвано сочетанием внешних ограничений и внутренней стратегии. Санкции США, направленные на ограничение доступа к передовым GPU, заставили местных разработчиков ускорить разработку собственных чипов. В то же время, государственные инициативы, такие как программа поддержки полупроводниковой отрасли, усиливают позиции отечественных производителей.
Смена баланса сил: от зависимости к замещению
Ключевым фактором в этом процессе стали санкции США, ограничивающие доступ Китая к передовым GPU NVIDIA. Это заставило местных разработчиков ускорить разработку собственных чипов. Например, Moore Threads представила GPU Huashan, которая, хотя и не достигает уровня Blackwell B200, уже способна удовлетворять базовые потребности отечественных ИИ-проектов. Это позволяет снизить зависимость от импорта, но не решает всех проблем. Важно отметить, что Huawei, используя чипы Ascend, стала одним из ключевых игроков в формировании отечественной ИИ-инфраструктуры. Компания не только активно развивает собственные решения, но и расширяет их на международный рынок, впервые предложив AI-чипы Ascend 950 в Южной Корее [!].
Важный нюанс: Китай не стремится к полной автономии ради самой автономии. Цель — создать устойчивую ИИ-инфраструктуру, способную конкурировать в глобальном масштабе, даже при санкционном давлении. Для этого необходимы не только чипы, но и программные стеки, экосистемы и производственные мощности.
Скрытые сложности: переход от CUDA к отечественным стекам
Однако переход от экосистемы, ориентированной на NVIDIA и CUDA, к полностью отечественной не происходит мгновенно. Многие разработчики уже вложили значительные ресурсы в интеграцию с CUDA, и перенос решений на архитектуры Huawei, Moore Threads или других игроков требует времени, инвестиций и переобучения команд. Это создает барьер для быстрого масштабирования. Например, компания DeepSeek столкнулась с трудностями при обучении своей новой модели искусственного интеллекта R2 на чипах Huawei Ascend, что привело к задержке запуска. В итоге, DeepSeek использовала чипы NVIDIA для обучения и чипы Huawei для вывода результатов, что подчеркивает текущую ограниченность отечественных решений в критически важных задачах [!].
В этом контексте инициатива «четыре дракончика» — Moore Threads, MetaX, Biren Technology и Suiyuan Technology — приобретает особое значение. Эти компании получают поддержку как от государства, так и от крупных гиперскалеров, таких как Alibaba и Baidu, которые инвестируют в создание собственных ИИ-чипов.
Важный нюанс: Успех отечественных чипов зависит не только от их производительности, но и от готовности разработчиков перейти на альтернативные стеки. Это сложная задача, требующая не только технической, но и организационной адаптации.
Ограничения и будущее: что мешает Китаю стать лидером?
Несмотря на прогресс, Китай сталкивается с реальными техническими и производственными барьерами. Основной из них — ограничения SMIC, которая пока не может выпускать чипы на 7-нм и выше в достаточных объемах. Это сдерживает масштабирование и снижает конкурентоспособность местных решений. Если SMIC не сможет ускорить развитие, Китай может отстать от США и Европы в области высокопроизводительных ИИ-чипов. В дополнение, Cambricon, которая планирует увеличить объём производства AI-ускорителей почти в 4 раза к 2026 году, сталкивается с проблемами в производстве и доступе к HBM [!].
Тем не менее, динамика развития указывает на то, что Китай активно работает над созданием собственной ИИ-инфраструктуры. Успешное сочетание государственной поддержки, инвестиций частных компаний и технологического прогресса может в будущем сформировать полноценную экосистему, способную конкурировать на глобальном уровне. Важно также учитывать, что Китай рассматривает программу поддержки чиповой отрасли, которая может включать субсидии и финансовые льготы на сумму 200–500 млрд юаней [!]. Это подчеркивает масштаб государственной поддержки и стремление к технологической независимости.
Важный нюанс: Рост числа пользователей генеративного ИИ в Китае до 515 миллионов связан с доминированием локальных решений, таких как DeepSeek и Qwen, после блокировки западных платформ. Это подчеркивает укрепление позиций страны в условиях глобальной дифференциации технологических экосистем [!].
Заключение: баланс между автономией и интеграцией
Китай стремится к технологической независимости в сфере AI, но сталкивается с реальными барьерами в производительности, масштабировании и экосистемной интеграции. Успешное развитие отечественных решений требует не только технического прогресса, но и стратегического подхода к формированию экосистемы, включая программные стеки, производственные мощности и государственную поддержку. В условиях усиливающихся международных ограничений, Китай продолжает расширять рынок отечественных решений, что открывает новые возможности для местных игроков и стимулирует инновации в области искусственного интеллекта.
Источник: tomshardware.com
