Железный стек ИИ: от проекта чипа до электростанции

Чат-бот отвечает не сразу после запроса. Прежде чем модель сможет ответить на вопрос, должна появиться сама цепочка физических устройств: кто-то спроектировал чип, кто-то его изготовил, кто-то собрал тысячи таких чипов в одном здании, а кто-то подключил это здание к электросети. Эта цепочка и называется железным стеком ИИ. В ней пять слоёв, и каждый слой — узкое место: если сбой или задержка хотя бы на одном, всё, что лежит выше, тоже замедляется.

Как устроен слой чипов

Проектирование и производство — это два разных бизнеса, хотя их постоянно путают.

NVIDIA спроектировала GPU — графические процессоры. Изначально они были нужны, чтобы рисовать графику в играх. Оказалось, что математика, которая нужна для отрисовки, — это огромный параллельный матричный продукт, — почти та же, что нужна для обучения и запуска нейросетей. Именно поэтому в центре ИИ-бума оказалась NVIDIA, а не традиционная производительница компьютерных чипов.

Но у NVIDIA нет своих заводов. Как и большинство современных чиповых компаний, она работает по fabless-модели: сама рисует схему и отдаёт её фабрике. Фабрика эта — почти всегда TSMC (Taiwan Semiconductor Manufacturing Company). Она выпускает самые передовые чипы в мире в таком масштабе, которому больше никто не соответствует. Поэтому заводы TSMC, сильно сосредоточенные на Тайване, считают и геополитической точкой напряжения, и бизнес-вопросом. Если бы производство там сорвалось, это ударило бы не по квартальному отчёту одной компании, а по каждой ИИ-лаборатории, каждому облачному провайдеру и каждому продукту поверх них.

Ещё один слой глубже — ASML, нидерландская компания. Она делает машины литографии в ультрафиолетовом диапазоне (EUV). Они нужны, чтобы переносить на кремний самые мелкие рисунки транзисторов. ASML не делает чипы. Она делает машины, которые делают машины, без которых делаются чипы. Получается узкое место под узким местом: альтернативного поставщика самого передового литографического оборудования практически нет. Поэтому экспортные ограничения на это оборудование стали важной темой в международной торговле и в политике безопасности.

Почему всё держится на нескольких компаниях

Производство чипов на переднем крае требует огромных денег, узких инженерных специальностей и лет накопленных знаний о процессе. Построить конкурентную фабрику с нуля быстро и дёшево не получится. Поэтому на каждом слое осталось немного игроков: один главный проектировщик чипов для ИИ, одна главная передовая фабрика, один главный поставщик литографии.

В обычное время такая концентрация выгодна. Но когда что-то сбоит, она становится хрупкой. Ещё одна причина, почему в новостях про ИИ так часто звучат одни и те же названия: когда говорят об «ИИ-акциях», имеют в виду часто не приложения, а эти узкие места в железе.

Что происходит после того, как чипы готовы

Дальше нужен дата-центр. Современный дата-центр для ИИ — не склад с компьютерами. Его специально строят так, чтобы тысячи GPU соединялись в сеть и работали почти как один огромный компьютер. Обучение передовой модели требует, чтобы много чипов решали одну задачу параллельно.

Из-за этого строительство дата-центров стало одной из крупнейших историй вложений в технологиях. Облачные провайдеры (их называют hyperscalers) и лаборатории вкладывают огромные деньги в новые здания и в аренду площадей. Сама инженерная задача тоже непростая. Нужно связать тысячи чипов так, чтобы обмен данными шёл быстро. Нужно их охлаждать, потому что плотные стойки с GPU выделяют огромное тепло. И нужно держать отказы редкими, пока оборудование месяцами работает на полной нагрузке. Это настоящие инженерные задачи, а не только логистика.

Почему электричество стало настоящим ограничением

Про чипы и дата-центры пишут много. Но самое тесное место сегодня — вещь гораздо старше: электричество. Большой дата-центр для ИИ потребляет столько электричества, сколько средний по размеру город. И это электричество нужно откуда-то взять: из существующей сети, с новых электростанций или с собственной генерации на площадке.

Сети не строили под такой внезапный и сосредоточенный спрос. А новая генерация требует согласований и строительства на годы — намного дольше, чем заказ и установка новой партии GPU. Это расхождение между скоростью поставки чипов и медленной скоростью расширения энергетики — одна из главных причин, по которым планы по развитию ИИ срываются по срокам. Или они уезжают туда, где есть свободная мощность сети и дешёвая энергия.

Где в этой цепочке стоят лаборатории

Наверху стека находятся лаборатории моделей: OpenAI, Anthropic, Google DeepMind и другие. Они обучают и обслуживают модели, с которыми общаются люди. Собственных заводов у них обычно нет. Часто нет и дата-центров. Вычисления они берут в аренду у облачных провайдеров и производителей чипов, обычно по крупным многолетним контрактам.

Поэтому способность лаборатории обучать более крупные и сильные модели напрямую упирается в то, сколько чипов и мощностей она смогла закрепить. А это, в свою очередь, упирается в выпуск TSMC и в оборудование ASML. А то, в свою очередь, зависит от наличия электричества рядом с площадками. Прорыв в архитектуре модели в итоге упирается в то, что может дать физический стек под ней.

Что это даёт разработчику

Для тех, кто делает продукты на ИИ, знать, как устроена литография, не нужно. Но примерная карта стека объясняет многое, что иначе выглядит шумом. Она объясняет, почему прыгают цены на модели. Почему отдельные возможности появляются в одних регионах раньше, чем в других. Почему доступ к вычислениям сам по себе стал конкурентным преимуществом. И почему столько новостей об ИИ — это на самом деле новости о железе и инфраструктуре под заголовком про ИИ.

Полезно и другое. Прогресс в ИИ — это не только софт и исследования. Он упирается в заводы, машины и электростанции, которые строят годами. Это хорошая проверка ожиданий относительно того, как быстро ИИ станет лучше.

Коротко

• Стек состоит из пяти слоёв: проектирование чипов, их производство, дата-центры, питание и охлаждение, и лаборатории моделей наверху.
• NVIDIA проектирует GPU, но не производит их. Это работа фабрик.
• TSMC — главная фабрика передовых чипов и одна из самых крупных точек, где всё сходится в одном месте.
• ASML делает EUV-машины. Это слой ещё глубже.
• Дата-центры превращают отдельные чипы в вычисления: они соединяют их в сеть.
• Электричество упирается в нас сильнее, чем сами чипы: сеть расширяется годами.
• Ни один из этих слоёв в нынешнем виде не существовал до бума глубокого обучения, который начался с AlexNet в 2012 году. Поэтому почти вся эта инфраструктура построена или расширена за последние несколько лет.