Еще 19% на четверых делят китайские компании помельче: T-Head, чиповое подразделение Alibaba, – 7%, Cambricon – 5%, Kunlunxin от Baidu – 4%, Hygon – 3%. Девять из 11 китайских производителей, за которыми следит IDC, нарастили поставки.

Видеокарт – универсальных чипов, на которых Nvidia построила свою империю, – в Китае за полгода продали 991 тысячу, на 26% меньше. Специализированных ИИ-ускорителей другой архитектуры оказалось больше – 1,016 миллиона, почти на 80% больше, чем год назад. 95% этого сегмента держат Huawei, T-Head, Kunlunxin и Cambricon.

Nvidia зажали с двух сторон: США запрещают продавать в Китай ее самые мощные чипы, а Пекин требует от компаний разрешения даже на покупку тех моделей, которые американцы пропускают, и продвигает своих производителей. В сентябре DeepSeek вместе с Huawei выпустила открытые программы для чипов Ascend – замену CUDA, фирменной программной среды Nvidia, к которой годами привязывали разработчиков.

Глава Nvidia Дженсен Хуанг давно ругает американские ограничения: по его словам, они заставили компанию "уступить Huawei китайский рынок ИИ-чипов на $50 млрд". В мае он назвал Huawei "очень, очень сильной" и признал, что Nvidia "в основном сдала" Китай.

IDC не уточнила, какие чипы Nvidia вошли в 34%. Самые мощные B200 и B300 в Китай официально не продаются, но их туда провозят контрабандой, и попали ли они в подсчет, неизвестно.

В этом году IDC ждет, что поставки ИИ-ускорителей в Китае вырастут на 19%, а видеокарт – сократятся на 9%. Китайский рынок растет, а доля американских чипов в нем сжимается.

P.S. Поддержать меня можно подпиской на канал "сбежавшая нейросеть", где я рассказываю про ИИ с творческой стороны.

Компания Anthropic, разработчик семейства моделей Claude, формирует собственную команду по разработке специализированных процессоров для искусственного интеллекта.

Компания уже нанимает инженеров, которые должны совместно оптимизировать аппаратное обеспечение и ИИ-модели. Цель — повысить производительность Claude, снизить стоимость вычислений и эффективнее масштабировать инфраструктуру по мере роста моделей и числа пользователей. Reuters подтверждает, что речь идёт именно о формировании внутренней команды по проектированию кастомных ИИ-чипов.

Однако это не означает, что Anthropic завтра откажется от Nvidia.

Компания уже использует сразу несколько аппаратных платформ. Claude обучается и работает на AWS Trainium и Nvidia GPU, а Amazon остаётся основным облачным и тренировочным партнёром Anthropic. Такой подход позволяет распределять разные нагрузки между архитектурами, наиболее подходящими для конкретных задач.

Масштаб инфраструктуры уже огромен. Anthropic сообщала об использовании более миллиона AWS Trainium2, а новое соглашение с Amazon предусматривает до 5 ГВт дополнительных вычислительных мощностей. Параллельно компания расширяет сотрудничество с Google и другими поставщиками инфраструктуры.

Собственный процессор может дать Anthropic ещё одно преимущество: оптимизировать архитектуру непосредственно под особенности Claude, вместо того чтобы адаптировать модель к универсальным ускорителям.

И компания явно рассматривает аппаратное направление всерьёз. В августе Reuters сообщил, что Anthropic обсуждала приобретение стартапа MatX, основанного бывшими инженерами Google TPU. Возможная стоимость сделки оценивалась примерно в $7 млрд, хотя впоследствии обсуждение сместилось в сторону партнёрства.

Разработка передового ИИ-чипа — чрезвычайно дорогой проект. По отраслевым оценкам, только создание современного специализированного процессора может потребовать порядка $500 млн, ещё до масштабного производства и строительства соответствующей программной экосистемы.

Но для крупнейших разработчиков искусственного интеллекта собственное железо становится всё более привлекательным. Google давно развивает TPU, Amazon — Trainium, а OpenAI также работает над собственной аппаратной стратегией.

Теперь к этой гонке присоединяется Anthropic.

Если компания действительно создаст процессор, глубоко оптимизированный под Claude, следующая битва между разработчиками ИИ будет идти уже не только между моделями — Claude, ChatGPT и Gemini будут конкурировать целыми вертикальными вычислительными платформами.

Физики из Эдинбургского университета показали, что для переключения магнитного состояния ячейки памяти вовсе не обязательно использовать максимально сильный импульс. Если правильно подобрать его форму, изменение состояния «0» на «1» можно выполнить значительно быстрее и с гораздо меньшими затратами энергии.

Исследование опубликовано в журнале Advanced Materials. Учёные применили теорию оптимального управления — Optimal Control Theory, которая математически рассчитывает наиболее энергетически выгодный путь перевода магнитной системы из одного состояния в другое.

Вместо обычного сильного магнитного импульса алгоритм формирует поле, интенсивность и направление которого изменяются во времени таким образом, чтобы спины двигались по оптимальной траектории. Моделирование проводилось для двумерных ван-дер-ваальсовых магнитов Fe₃GaTe₂, Fe₃GeTe₂ и CrSBr. Переключение магнитного состояния занимало всего 1–10 пикосекунд, а требуемая амплитуда магнитного поля оказалась более чем в десять раз ниже по сравнению с традиционным подходом.

Ещё интереснее энергопотребление.

При стандартном переключении в моделях требовалось примерно 42,8–91,2 нДж, тогда как оптимизированные импульсы снизили этот показатель примерно до 0,94–9,7 нДж. В наиболее благоприятных комбинациях размеров устройства, магнитной анизотропии и затухания исследователи прогнозируют возможность выйти даже на фемтоджоулевый уровень.

Такой подход потенциально способен конкурировать с современными технологиями STT-MRAM и SOT-MRAM, где магнитное состояние переключается электрическими токами через эффекты переноса спина.

Интересно и то, что теория оптимального управления не ограничивается только магнитным полем. Аналогичный принцип можно применять к управлению токами или лазерными импульсами — то есть искать энергетически оптимальный способ записи информации для разных будущих технологий памяти.

Особенно важным это становится на фоне развития искусственного интеллекта и огромных дата-центров. Современные ИИ-системы постоянно перемещают колоссальные объёмы данных между процессорами и памятью, поэтому даже небольшое снижение энергии каждой операции при масштабировании может иметь серьёзное значение.

Однако пока речь идёт прежде всего о теоретическом и вычислительном исследовании, а не о готовой микросхеме, которую можно установить в компьютер. Следующим этапом должно стать экспериментальное подтверждение подобных режимов переключения в реальных устройствах.

Если расчёты подтвердятся, то будущее энергоэффективных компьютеров может зависеть не только от новых транзисторов и материалов, но и от того, насколько умно мы управляем каждым отдельным битом информации.

Учёные Фуданьского университета в Шанхае продемонстрировали необычное устройство памяти Guiyi, способное хранить один бит информации с помощью всего одного электрона при комнатной температуре.

Это практически теоретический предел для памяти, основанной на электрическом заряде: один электрон соответствует одному биту информации. Для сравнения, современным микросхемам памяти для надёжного различения логических состояний могут требоваться огромные коллективные заряды — в публикациях исследователей приводится ориентир порядка 200 000 электронов для современных DRAM-ячеек.

Главная проблема одноэлектронной памяти всегда заключалась в чрезвычайно слабом сигнале и нестабильности при обычной температуре. Предыдущие эксперименты давали изменение напряжения всего в десятки милливольт, а состояние могло исчезать за считанные секунды.

Команда профессора Чжоу Пэна создала новую двумерную архитектуру Guiyi с графеновым слоем и копланарной структурой drain-channel-source. В эксперименте внедрение одного электрона давало энергонезависимое изменение порогового напряжения примерно на 0,5 В при температуре около 27 °C. Это почти на порядок больше, чем в ранних одноэлектронных устройствах.

Разработка является продолжением исследований команды в области двумерной памяти. Ранее учёные представили сверхбыструю энергонезависимую память PoX и продемонстрировали возможность интеграции подобных двумерных устройств с традиционным CMOS-производством.

В перспективе одноэлектронная память может резко уменьшить энергозатраты на хранение и обработку информации, что особенно интересно для смартфонов, периферийного искусственного интеллекта и больших нейросетей.

Но до массовых устройств ещё далеко. Сейчас Guiyi остаётся экспериментальной технологией. Исследователям необходимо доказать возможность производства миллиардов одинаковых ячеек, долговременную надёжность, скорость перезаписи и совместимость с промышленными технологическими процессами.

Авторы уже рассматривают коммерциализацию разработки в течение ближайших нескольких лет, однако реальные сроки выхода серийных устройств будут зависеть от масштабирования производства.

Сможет ли память, использующая всего один электрон на бит, однажды заменить современные DRAM и NAND?

AMD представила Instinct MI455X — новый ускоритель для обучения крупнейших моделей искусственного интеллекта, инференса и масштабных дата-центров. Он построен на архитектуре CDNA 5 и станет основой стоечной платформы AMD Helios.

Характеристики впечатляют. Один MI455X получил 432 ГБ памяти HBM4, размещённой в 12 стеках, и обеспечивает до 23,3 ТБ/с пропускной способности памяти. Объём кеша L2 составляет 192 МБ, а сам ускоритель содержит около 320 млрд транзисторов.

Вычислительная часть включает до 256 WGP, а пиковая теоретическая производительность достигает примерно 20,1 Пфлопс в 8-битных форматах и 40,3 Пфлопс в 4-битных вычислениях. Именно низкая точность сегодня особенно важна для больших языковых моделей и масштабного инференса.

По сравнению с предыдущим Instinct MI355X объём памяти вырос с 288 до 432 ГБ, а пропускная способность — с 8 до 23,3 ТБ/с. AMD также заявляет до четырёхкратного роста пиковой теоретической производительности в MXFP4 относительно MI355X. Однако речь идёт именно о конкретных форматах ИИ-вычислений, а не о четырёхкратном ускорении любых задач.

MI455X использует сложную чиплетную конструкцию. В спецификациях AMD указываются технологические процессы TSMC 2 нм и 3 нм, то есть разные части огромного ускорителя производятся по разным нормам. Такой подход позволяет объединить вычислительные блоки, память, кеш и ввод-вывод в одном гигантском корпусе.

AMD также напрямую сравнивает MI455X с Nvidia Vera Rubin. По собственным расчётам AMD, новый ускоритель предлагает 432 ГБ HBM4 против 288 ГБ у Rubin и 23,3 ТБ/с против 22 ТБ/с пропускной способности памяти. AMD заявляет и преимущество в пиковой теоретической FP4-производительности, однако реальные результаты будут зависеть от конкретной модели, программного стека и оптимизации.

На базе MI455X компания построила Helios — стоечную ИИ-систему с 72 ускорителями. Одна такая стойка получает около 31 ТБ HBM4 и до 2,9 экзафлопс пиковой 4-битной вычислительной мощности.

Главный вопрос теперь не только в характеристиках железа. Nvidia остаётся чрезвычайно сильна благодаря CUDA и огромной программной экосистеме, тогда как AMD делает ставку на ROCm и открытые стандарты.

Сможет ли MI455X действительно изменить расстановку сил на рынке ИИ-ускорителей — или Nvidia сохранит своё преимущество?

Ученые и физические институты из стран СНГ (в первую очередь из России) сыграли большую роль в становлении главной технологии ASML — экстремальной ультрафиолетовой литографии (EUV).Сотрудничество началось именно в 1990-е годы. После распада СССР в ASML и ее ключевую экосистему (включая немецкую Carl Zeiss и американскую Cymer) хлынул поток сильнейших советских физиков. Одни уехали работать в Велдховен напрямую, другие создавали технологическую базу, оставаясь в НИИ на родине по контрактам.

Вклад ученых из СНГ в 1990-е годы делится на два ключевых направления: рентгеновская оптика (зеркала) и источники ультрафиолетового света.
Создатели уникальных многослойных зеркал: Обычные линзы поглощают жесткий ультрафиолет (EUV 13,5 нм). Чтобы свет дошел до кремниевой пластины, нужны были не линзы, а идеальные отражающие многослойные зеркала. Лучшая в мире технология их создания была разработана в СССР.Николай Салащенко и его команда из Института физики микроструктур (ИФМ РАН) в Нижнем Новгороде. В 1990-е годы они были мировыми пионерами в создании многослойных рентгеновских зеркал из чередующихся слоев молибдена и кремния (Mo/Si) толщиной в несколько нанометров.

Немецкая компания Carl Zeiss (эксклюзивный создатель оптики для ASML) напрямую задействовала наработки и экспертизу команды Салащенко. Без этих структур создание современных EUV-линз и зеркал для ASML было бы невозможным.
Сергей Юлин — физик, специалист по многослойной рентгеновской оптике. В 1990-е годы переехал в Германию и работал во Фраунгоферовском институте (Fraunhofer IOF), который тесно сотрудничал с Zeiss и ASML над созданием стабильных при высоких температурах зеркал для литографии
Разработчики источника EUV-излучения (Олово и Плазма)Вторая главная проблема EUV — где взять такой свет. Решение нашли в создании плазмы: лазер бьет по капле расплавленного олова, превращая его в плазму с температурой под миллион градусов, которая и светится на нужной длине волны. Физику этого процесса рассчитывали ученые из СНГ.Константин Кошелев и ученые из Института спектроскопии (ИСАН) в Троицке. Лаборатория спектроскопии плазмы ИСАН еще с советских времен была мировым лидером по изучению коротковолнового излучения плазмы. В конце 1990-х годов под руководством Кошелева была создана компания RnD-ISAN. Они заключили прямые контракты с ASML и американской Cymer (которую ASML позже выкупит за 2,5 млрд долларов). Именно ученые из Троицка помогали рассчитывать физику газовых мишеней и оловянной плазмы.Виктор Кривов — физик-оптик, математик. В конце 1990-х уехал в Нидерланды и стал одним из ведущих системных инженеров в исследовательском отделе ASML, занимаясь математическим моделированием и калибровкой оптических путей лазеров

Прямой наем в R&D ASML в 90-еПомимо крупных научных коллабораций, в 90-е годы ASML открыла двери для сотен талантливых инженеров среднего и высшего звена из СНГ. Физические факультеты МГУ, МФТИ, МИФИ и питерского Физтеха (ФТИ им. Иоффе) дали ASML первоклассных специалистов по:Вакуумным технологиям (внутри машин EUV должен быть идеальный космический вакуум, иначе воздух поглотит свет).Прецизионной метрологии (точность позиционирования стола с пластиной составляет доли нанометра, что требовало фундаментальных знаний лазерной интерферометрии).

В итоге, хотя руководящие посты в 90-е занимали голландцы, фундаментальная физика, на которой сегодня держится монополия ASML, создавалась в том числе умами ученых из СНГ

Информация взята из иностранных и российских источников.