Почему Nvidia продолжает помогать Китаю развивать ИИ несмотря на ставку на собственные чипы

Крупнейшие разработчики моделей искусственного интеллекта в Китае по-прежнему используют чипы Nvidia для обучения некоторых своих наиболее современных моделей, несмотря на стремление Пекина заменить иностранные полупроводники отечественными решениями.

Проблема заключается не только в том, способны ли китайские чипы справляться с необходимой вычислительной нагрузкой. Переход на другое аппаратное обеспечение одновременно означает необходимость менять программные системы, которые десятилетиями формировались вокруг платформы CUDA компании Nvidia. Для разработчиков ИИ это может стать дорогостоящей и сложной инженерной задачей.

Huawei создала собственную альтернативу CUDA под названием Compute Architecture for Neural Networks, или CANN, предназначенную для работы с её чипами Ascend. Однако разработчикам, которые привыкли использовать CUDA, перед переходом на Ascend может потребоваться переписать и оптимизировать значительную часть существующего программного кода.

Один из исследователей, участвующих в разработке моделей, рассказал South China Morning Post, что существующие конвейеры обучения его команды напрямую зависят от CUDA, поэтому переход на другое оборудование далеко не так прост, как обычная замена одного процессора на другой.

«Код CUDA не может напрямую работать на Ascend и требует значительной переработки», — отметил исследователь.

Именно программное обеспечение позволяет Nvidia сохранять серьёзное преимущество на китайском рынке ИИ. Аппаратные характеристики чипа являются лишь одной частью всей вычислительной системы. Не менее важны библиотеки, инструменты разработки, оптимизированные алгоритмы и накопленный опыт программистов, работающих с конкретной платформой.

Джеймс Ван, занимающийся разработкой моделей в исследовательском институте, связанном с одним из университетов Шанхая, оценил, что перенос рабочих процессов его команды на чипы Huawei Ascend может увеличить затраты времени и стоимость процесса как минимум на 50 процентов.

При этом сложность перехода зависит от того, насколько открыта используемая модель и насколько развито программное окружение для соответствующего оборудования. Инженер из Пекина, участвующий в переносе вычислительных нагрузок на Ascend, рассказал South China Morning Post, что модели с открытым исходным кодом обычно можно перенести проще, поскольку разработчики могут воспользоваться уже существующей поддержкой со стороны сообщества.

Для моделей вроде DeepSeek и их уменьшенных версий, по оценке этого инженера, переход может выполнить команда из двух-трёх разработчиков примерно за дополнительный месяц работы.

Ситуация значительно усложняется, если исходный код модели недоступен. Например, компания Moonshot AI открыла параметры модели Kimi K3 для использования, но не опубликовала её исходный код. По оценке инженера, для переноса такой системы на другое аппаратное обеспечение может потребоваться около 10 специалистов и более шести месяцев дополнительной работы.

Эта разница показывает, почему стремление Китая добиться самостоятельности в области полупроводников не ограничивается производством собственных чипов. Разработчикам также необходимы программные инструменты, библиотеки и оптимизированные рабочие процессы, способные конкурировать с экосистемой, которую Nvidia создала вокруг CUDA.

Особенно сложной задачей остаётся обучение моделей. Во время обучения искусственный интеллект требует огромных вычислительных ресурсов, а сложные операции многократно выполняются на больших кластерах оборудования. Использование уже обученной модели для обработки новых данных обычно требует меньше вычислительных ресурсов и легче адаптируется к различным аппаратным платформам.

После обучения модель используется для обработки новых данных и выполнения запросов. Такой процесс обычно требует меньше вычислительных ресурсов и легче переносится на другое оборудование. Поэтому перенос уже готовых моделей на китайские чипы может быть значительно проще, чем их обучение непосредственно на таком оборудовании.

Китайские разработчики уже продемонстрировали, что некоторые современные модели способны работать на отечественной вычислительной инфраструктуре. Сообщалось, что DeepSeek-V4 и Kimi K3 были адаптированы для китайских платформ, включая системы Huawei и Alibaba. При этом ни одна из компаний не раскрыла, какие именно чипы использовались для обучения этих моделей.

По данным июльского сообщения The Information, модель Kimi K3, предположительно, обучалась с использованием оборудования Nvidia, включая современные процессоры Blackwell. Издание также сообщало, что китайские разработчики продолжают использовать чипы Nvidia для обучения передовых моделей, несмотря на усилия по расширению применения отечественных альтернатив.

Однако появляются признаки того, что китайское оборудование постепенно начинает играть более значительную роль.

В июне компания Meituan представила модель LongCat-2.0 с 1,6 триллиона параметров. Компания заявила, что модель была полностью обучена и эксплуатируется на отечественном вычислительном кластере, состоящем из 50 тысяч ускорителей. При этом Meituan не раскрыла производителя использованных чипов.

Таким образом, главная проблема Китая заключается уже не только в создании собственных аналогов продукции Nvidia. Отечественные чипы должны одновременно поддерживаться полноценной программной экосистемой и рабочими процессами разработки, которые позволят обучать всё более крупные модели искусственного интеллекта с конкурентоспособной скоростью и стоимостью.

Пока именно программная составляющая остаётся одним из главных препятствий на пути полного отказа китайских разработчиков от Nvidia. Даже если отечественные процессоры способны выполнять необходимые вычисления, огромный объём существующего программного кода, библиотек и инструментов был создан с расчётом на CUDA.

Поэтому переход на Huawei Ascend или другие китайские платформы требует не просто закупки нового оборудования, а фактически перестройки значительной части инфраструктуры разработки ИИ. Это объясняет, почему Nvidia продолжает оставаться важным инструментом для китайских разработчиков наиболее передовых моделей даже на фоне масштабной государственной программы технологической независимости Китая.