Przejdź do treści
Czas na świecieEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portal o AI i technologiiwydarzenia · analizy · wywiady · tło techniczne

Szukaj
NA ŻYWO
›

Podaż akceleratorów AI to wąskie gardło, ale pakowanie i moc mogą ograniczyć wzrost amerykańskich centrów danych

Eric Xu, przewodniczący rotacyjny Huaweia, twierdził 30 września, że jego chipy Ascend wyprzedziły Nvidię pod względem udziału w chińskim rynku. Nowa analiza Jefferies i SynMax sugeruje, że wzrost amerykańskich centrów danych może ograniczyć zdolność zaawansowanego pakowania.

TechnologiaAnalizaMarta ZielińskaOpublikowano: 30 września 20263 min czytaniaŹródła 8
Podaż akceleratorów AI to wąskie gardło, ale pakowanie i moc mogą ograniczyć wzrost amerykańskich centrów danych

Eric Xu, przewodniczący rotacyjny Huaweia, powiedział 30 września, że jego linia procesorów neuronowych Ascend wyprzedziła Nvidię pod względem udziału w chińskim rynku. Oświadczenie padło w materiale w formie pytań i odpowiedzi, o którym pisał The Register. „Zebranie danych o udziale Nvidii w Chinach jest dość trudne, ale z danych, które zebraliśmy, wynika, że Ascend wyprzedził Nvidię” – powiedział Xu.

Twierdzenia nie udało się niezależnie zweryfikować. Nvidia nie skomentowała sprawy.

Tego samego dnia DeepSeek udostępnił na zasadach open source sześć modułów oprogramowania dla chipów Ascend Huaweia. Zestaw obejmuje zgodną z Ascend wersję TileLang, języka programowania opracowanego pierwotnie na Uniwersytecie Pekińskim. South China Morning Post podał, że wydanie ma budować „niezależny i kontrolowalny” ekosystem oprogramowania dla GPU. DeepSeek poinformował, że Huawei „w pełni wspierał” prace. Obie firmy zoptymalizowały też klaster supernode ze 128 chipów Ascend 950, o czym pisał The Decoder.

To połączenie ma znaczenie, bo dominacja Nvidii opiera się częściowo na CUDA i szacowanych czterech milionach deweloperów na świecie, według The New York Times, cytowanego przez The Decoder. Firma badawcza SemiAnalysis przetestowała chip wnioskowania Jalapeño od OpenAI i nazwała fosę CUDA „potencjalnie martwą”. Zastrzegła, że testy obejmowały tylko stosunkowo łatwe scenariusze. Dodała też, że Nvidia wciąż prowadzi w obciążeniach agentowych.

Podaż chipów trafia na limity pakowania i mocy

30 września The Register opisał raport Jefferies, który do niego trafił. Powołując się na firmę analityczną SynMax, raport szacuje, że wdrożenia centrów danych w USA wzrosną z około 11 GW mocy brutto w 2025 roku do 16-18 GW w 2026 roku, powyżej wcześniejszej prognozy 14-16 GW. SynMax określa praktyczny górny limit na 2027 rok na nieco ponad 20 gigawatów. Przygotowanie terenu pod nowe projekty stanęło jednak w miejscu. Widoczna aktywność jest znacznie mniejsza niż ponad 80 GW, które wynika z niektórych zapowiedzianych projektów i modeli popytu na chipy na 2028 rok.

Jefferies wskazuje zaawansowane pakowanie jako pojawiające się ograniczenie. Nawet chipy wyprodukowane na terenie USA mogą wymagać wysyłki za granicę, zwykle na Tajwan, w celu zapakowania. To tworzy wąskie gardło między produkcją półprzewodników a operacyjną mocą centrów danych. SynMax szacuje, że istniejące moce zaawansowanego pakowania mogłyby obsłużyć akceleratory pobierające około 13 GW mocy brutto. To około 17,5 GW całkowitej mocy centrów danych po uwzględnieniu procesorów, pamięci, chłodzenia i innych obciążeń. Dwa dodatkowe projekty pakowania, których uruchomienie oczekiwane jest w 2027 roku, mogłyby dodać kolejne 6 GW. To podniosłoby praktyczny pułap do nieco ponad 20 GW, chyba że moce wzrosną szybciej niż zakładano.

Presja nie dotyczy tylko chipów. 30 września EE Times podał, że Emergence AI przenosi swoją technologię neuroformalnej AI do aktywnych wdrożeń u firm półprzewodnikowych bez własnych fabryk. Wśród jej klientów są producenci zintegrowanych układów, którzy proszą o rozszerzenie prac na fabrykę. Satya Nitta, współzałożyciel i przewodniczący zarządu, powiedział EE Times: „Nie da się produkować chipów szybciej, ale można zdecydowanie uzyskać więcej chipów z wafla dzięki AI”. Dodał, że popyt przewyższa podaż i każda fabryka pracuje na pełnych obrotach, więc nie da się przepchnąć większej liczby wafli.

Po stronie projektowania Tom's Hardware podał 30 września, że Cadence, Synopsys i Siemens EDA twierdzą, iż w 2026 roku osiągnęły wyraźne postępy w agentowej AI do projektowania chipów, przy różniących się deklaracjach autonomii. Cadence powiedział, że jego agent osiągnął to, co firma nazywa autonomią poziomu 5, na Computex 1 czerwca. Synopsys podał, że jego przepływ pracy od specyfikacji do RTL, pokazany 11 marca, osiągnął „L4”. Siemens uruchomił swojego agenta 16 marca, a pętle „samoweryfikujące” ogłosił 26 lipca. Tom's Hardware zauważył, że wszystkie przyspieszenia to dane samych dostawców lub klientów. Często opatrzone zastrzeżeniami „do” albo „wczesna ocena”, a mierzą różne rzeczy względem różnych punktów odniesienia.

OpenAI i Synopsys podpisały wieloletnie partnerstwo strategiczne na rzecz zbudowania GPT-Synopsys, wyspecjalizowanego modelu AI do projektowania chipów, o czym The Decoder pisał 30 września. Model będzie działać na infrastrukturze OpenAI. Dane klientów nie będą wykorzystywane do trenowania, według obu firm. Wczesne testy z klientami z branży półprzewodników już trwają. Obie firmy będą wspólnie sprzedawać produkt i dzielić się przychodami.

Komentarze 0

Źródła

8
  1. 01America is planning more AI datacenters than its chip supply can fillEN
  2. 02Huawei boss claims homegrown AI chip sales top Nvidia in ChinaEN
  3. 03OpenAI and Synopsys team up to build an AI model that designs chips like a seasoned engineerEN
  4. 04China's AI industry closes ranks as Deepseek ships open-source software for Huawei's Ascend chipsEN
  5. 05The state of agentic AI in chip design tools in 2026EN
  6. 06AI Chip Design WeekEN
  7. 07Emergence AI Targets Fabless Chipmakers With Neuroformal AIEN
  8. 08China's DeepSeek open-sources tools to help Huawei chips supplant Nvidia in AIEN

Wszystkie liczby i cytaty w tym tekście pochodzą z poniższych źródeł. Nie dopisujemy danych, których w źródłach nie ma.

Materiały zostały przygotowane przez zespół redakcyjny wspierane przez AI.

Marta Zielińska

Marta Zielińska

AI, modele i technologie

Marta Zielińska pisze o technologiach, AI i modelach oraz mediach i internecie, opierając się na dokumentacji, preprintach i danych z API, a nie na zapowiedziach producentów. Przy każdej publikacji sprawdza karty modeli, parametry treningowe i benchmarki, a liczby porównuje z niezależnymi testami i wynikami z repozytoriów. Rozmawia z badaczami i inżynierami, czeka na kolejne wydania modeli i zestawia ich działanie z wcześniejszymi wersjami. Prywatnie drukuje w 3D, naprawia stare komputery i sprawdza, jak modele uczą się na śmieciach z internetu. Nie publikuje wyników, których nie może odtworzyć na własnym sprzęcie.

Redakcja →

Komentarze

0
  1. Brak komentarzy — bądź pierwszy.

Dodaj komentarz

Komentarze są widoczne publicznie. Nie publikujemy wulgaryzmów, spamu i treści reklamowych.