Китайский эксперт призвал отказаться от GPU Nvidia для ИИ в пользу собственных разработок

Вэй Шаоцзюнь, вице-президент Ассоциации полупроводниковой промышленности Китая и старший советник правительства, призвал Китай и другие азиатские страны отказаться от использования GPU Nvidia для обучения и работы систем искусственного интеллекта. На форуме в Сингапуре он предупредил, что зависимость от аппаратного обеспечения американского происхождения представляет долгосрочные риски для Китая и его региональных партнеров, сообщает Bloomberg.

Вэй раскритиковал текущую модель развития ИИ в Азии, которая близко копирует американский путь использования вычислительных GPU от Nvidia или AMD для обучения больших языковых моделей, таких как ChatGPT и DeepSeek. Он утверждал, что такое подражание ограничивает региональную автономию и может стать «смертельно опасным», если не будет решено. По мнению Вэя, стратегия Азии должна отличаться от американского шаблона, особенно в фундаментальных областях, таких как проектирование алгоритмов и вычислительная инфраструктура.

После того как правительство США ввело ограничения на производительность процессоров для ИИ и высокопроизводительных вычислений, которые можно поставлять в Китай в 2023 году, в КНР возникли значительные аппаратные ограничения, которые замедлили обучение передовых моделей ИИ. Несмотря на эти challenges, Вэй указал на такие примеры, как рост DeepSeek, как доказательство того, что китайские компании способны совершать значительные алгоритмические прорывы даже без передового аппаратного обеспечения.

Он также отметил позицию Пекина против использования чипа Nvidia H20 как признак стремления страны к истинной независимости в инфраструктуре ИИ. В то же время он признал, что, хотя полупроводниковая промышленность Китая добилась прогресса, она все еще отстает на годы от Америки и Тайваня, поэтому шансы на то, что китайские компании смогут создать ИИ-ускорители, сопоставимые по производительности с высококлассными предложениями Nvidia, невелики.

Вэй предложил, чтобы Китай разработал новый класс процессоров, специально предназначенных для обучения больших языковых моделей, вместо того чтобы продолжать полагаться на архитектуры GPU, которые изначально были предназначены для обработки графики. Хотя он не outlined конкретный дизайн, его замечания являются призывом к внутренним инновациям на кремниевом уровне для поддержки амбиций Китая в области ИИ. Однако он не указал, как Китай планирует догнать Тайвань и США в гонке полупроводникового производства.

Он заключил на уверенной ноте, заявив, что Китай остается хорошо финансируемым и решительным продолжать строительство своей полупроводниковой экосистемы, несмотря на годы экспортного контроля и политического давления со стороны США. Общее послание было ясным: Китай должен перестать следовать и начать лидировать, разрабатывая уникальные решения, соответствующие его собственным технологическим и стратегическим потребностям.

GPU Nvidia стали доминировать в ИИ, потому что их massively parallel архитектура была идеальна для ускорения матричных операций в глубоком обучении, предлагая гораздо большую эффективность, чем CPU. Кроме того, программный стек CUDA, представленный в 2006 году, позволил разработчикам писать код общего назначения для GPU, проложив путь для фреймворков глубокого обучения, таких как TensorFlow и PyTorch, чтобы стандартизироваться на оборудовании Nvidia.

Со временем Nvidia укрепила свое лидерство с помощью специализированного оборудования (Tensor Cores, смешанные форматы точности), тесной программной интеграции и широкой поддержки облачных провайдеров и OEM, сделав свои GPU стандартной вычислительной основой для обучения и работы ИИ. Современные архитектуры Nvidia, такие как Blackwell для центров обработки данных, имеют множество оптимизаций для обучения и работы ИИ и почти не имеют отношения к графике. В contrast, специализированные ASIC — которые advocated Вэй Шаоцзюнем — еще не получили широкого распространения ни для обучения, ни для работы.