Китайские ускорители проверяют на замену Nvidia

Китайские разработчики ИИ-ускорителей пытаются составить конкуренцию американской Nvidia, оборудование которой занимает основную долю мирового рынка. По оценке исследовательской организации Epoch AI, во втором квартале 2026 года на Nvidia приходилось 63% новых вычислительных мощностей для ИИ в мире.

Собственные решения предлагают Huawei, Cambricon, Alibaba, Baidu и другие производители. Российские компании также изучают возможности китайских платформ.

Ограничения США на экспорт передовых ускорителей затрудняют их закупку, а распространенность программной платформы CUDA (платформа Nvidia для работы нейросетей на ее процессорах) осложняет переход на оборудование других производителей.

Насколько китайские ускорители подходят для работы с большими языковыми моделями, проверяет российская Yadro. Как сообщил «Ъ» глава направления ИИ компании Глеб Маркевич, Yadro работает с восемью китайскими производителями, решения четырех из них уже прошли испытания. Названия партнеров компания не раскрывает.

Для испытаний специалисты Yadro запускали большие языковые модели, включая Qwen и DeepSeek, и измеряли скорость генерации текста в токенах в секунду, рассказал господин Маркевич. Токен — небольшой фрагмент текста, из которого нейросеть формирует ответ. Испытания включали несколько сценариев с разной длиной запросов и ответов. На сравниваемых системах использовали одинаковые профили нагрузки, отдельно проверяя качество ответов моделей.

В качестве ориентира для сравнения производительности использовали систему на базе Nvidia H100 NVL, а объем доступной памяти китайских платформ сопоставляли с характеристиками Nvidia HGX H200. На базе этих решений создаются серверные системы для работы с крупными нейросетями. H200 отличается от H100 увеличенным объемом и пропускной способностью памяти, что позволяет размещать более крупные модели. В испытаниях Yadro скорость работы сравнивали с системой на H100, а объем доступной памяти — с платформой HGX H200.

При тестировании модели Qwen количество ускорителей на китайских платформах и Nvidia H100 NVL было одинаковым, уточнили в Yadro. Две альтернативные платформы показали удовлетворительные результаты при запуске крупных языковых моделей. В отдельных сценариях производительность двух китайских платформ, измеренная по скорости генерации текста в токенах в секунду, достигала примерно 50% от показателей системы на базе Nvidia H100 NVL, уточнили в Yadro. При этом сравнивалась скорость работы языковых моделей, а не заявленная вычислительная мощность ускорителей. Результаты остальных сценариев компания не раскрыла.

Для прямой замены Nvidia по производительности этого пока недостаточно, отмечает господин Маркевич. Вместе с тем, по его словам, испытания подтвердили, что альтернативные ускорители уже способны работать с современными большими языковыми моделями. Кроме того, доступный объем памяти китайских платформ может быть сопоставим с Nvidia HGX H200.

В Yadro рассматривают китайские ускорители не только как возможную замену Nvidia, но и как дополнение к оборудованию других производителей. При выборе платформ компания учитывает их производительность, стоимость эксплуатации, доступность и совместимость с ПО, поясняет господин Маркевич.

Одной из наиболее перспективных китайских платформ для работы с большими языковыми моделями ведущий разработчик департамента фундаментальных исследований MWS AI Денис Махов называет Huawei Ascend. По его словам, оборудование уже используется для запуска DeepSeek и Qwen, а также позволяет обучать модели с сотнями миллиардов параметров. «Для ряда задач Ascend вполне можно рассматривать как альтернативу Nvidia»,— отмечает он. В MWS AI также протестировали собственные языковые модели Cotype на китайских ускорителях совместно с Rubytech и намерены продолжить испытания.

Одним из препятствий для использования китайских ускорителей в России остаются ограничения поставок. По словам господина Маркевича, производители из КНР ориентируются прежде всего на внутренний спрос, поддерживаемый государственными субсидиями. На доступность оборудования также влияют экспортный контроль Китая и ограниченные производственные мощности.

Еще одна сложность связана с программным обеспечением. Как поясняют в Yadro, для замены оборудования Nvidia недостаточно установить китайский ускоритель в сервер. Необходимо проверить работу драйверов, программных библиотек, языковых моделей и инструментов управления. Если существующее ПО не поддерживает новую платформу, его потребуется адаптировать.

При этом сложность перехода на китайские ускорители зависит от используемого ПО, отмечает Денис Махов. Модели со стандартными вычислительными операциями можно перенести на Huawei Ascend с относительно небольшими изменениями. Если же их работа была специально оптимизирована под Nvidia и ее платформу CUDA, часть программных компонентов придется адаптировать или заменить.

Для крупных компаний использование ускорителей разных производителей становится практически неизбежным, считает директор по науке и ИИ «Группы Астра» Владимир Нелюб. Среди причин он называет санкционные ограничения, импортозамещение и стоимость вычислений. При этом у каждого производителя собственные драйверы и программные библиотеки, что осложняет переход между платформами.

«На уровне ПО это выливается в несовместимость фреймворков, разное качество поддержки в популярных ML-библиотеках и рост затрат на интеграцию»,— поясняет господин Нелюб. По его словам, часть этих проблем позволяют решить программные платформы, обеспечивающие единый уровень управления ускорителями разных производителей.

В «Группе Астра» считают, что российское ПО уже позволяет создавать такие системы. Однако при переходе от тестирования ИИ к его постоянному использованию заказчикам необходимы инструменты распределения вычислительной нагрузки, учета расходов и восстановления сервисов после сбоев, отмечает господин Нелюб. Основным препятствием для масштабного внедрения ИИ эксперт называет недостаток у компаний компетенций для оценки экономического эффекта и расчета окупаемости вложений.