Nvidia представила космический модуль Vera Rubin для орбитальных датацентров с ИИ-вычислениями

Nvidia столкнулась с коллективным иском от группы авторов, обвиняющих компанию в нарушении авторских прав при обучении языковых моделей. Новые судебные документы раскрывают, что сотрудники Nvidia напрямую запрашивали доступ к 500 терабайтам книжных архивов, заведомо содержащих пиратский контент.

Документы истцов содержат электронные письма сотрудников Nvidia с запросами на доступ к репозиторию Anna's Archive – хранилищу книг и других онлайн-материалов. Согласно материалам дела, сотруднику Nvidia явно сообщили, что архив содержит "миллионы пиратских книг", однако после этого всё равно был дан "зеленый свет" на использование данных.

Помимо этого, документы, которыми поделился Torrentfreak, утверждают, что Anna's Archive предложила Nvidia доступ к "нескольким миллионам книг из Internet Archive", обычно доступных только через систему цифрового кредитования Internet Archive. В иске говорится, что "загрузив Anna's Archive, Nvidia создала пиратские копии произведений истцов". Авторы также обвиняют компанию в использовании других пиратских источников – баз данных Books3, LibGen, Sci-Hub и Z-Library.

Anna's Archive представляет собой поисковую систему с открытым исходным кодом и считается "теневой библиотекой" – онлайн-хранилищем свободно доступных данных, которые обычно находятся за платным доступом. Платформа провозглашает себя "крупнейшей по-настоящему открытой библиотекой в истории человечества" и агрегирует контент из других теневых библиотек вроде LibGen, Sci-Hub и Z-Library. Эти сайты заявляют о сохранении онлайн-данных, но делают это через открытый доступ к защищенным авторским правом материалам.

В документах не представлены доказательства фактического использования данных и не упоминается передача денег за доступ к архивам. Nvidia пока не комментировала эту конкретную подачу документов, однако ранее компания признавала использование датасета Books3, содержащего множество произведений под авторским правом. В свою защиту Nvidia заявила, что не подпадает под законы об авторских правах, так как ИИ-модели не читают как люди, а "измеряют статистические корреляции в совокупности данных".

Хотя это действительно так, компания фактически использует чужую интеллектуальную собственность для улучшения своего продукта, так что не имеет значения, читает ли ИИ книги или нет. Nvidia же не предоставляет свободный доступ к своим технологиям.

Источник

  NVIDIA столкнулась с серьезными проблемами в планах по выпуску потребительских видеокарт. Согласно новому отчету The Information, компания полностью отказалась от запуска серии RTX 50 SUPER в этом году, а также значительно урезала производство текущего поколения RTX 50.  

Дефицит памяти DRAM вынудил производителей GPU пересмотреть свои планы. На январской выставке CES 2025 NVIDIA не представила никаких новых потребительских видеокарт из-за дефицита необходимых чипов памяти. Теперь стало известно, что компания не планирует выпускать новые GPU для геймеров в течение всего 2026 года.

Изначально RTX 50 SUPER должна была дебютировать на CES, но ранние сообщения указывали на перенос релиза на третий квартал 2026 года. Теущая ситуация означает полный отказ от запуска в этом году, что станет значительным изменением для рынка – NVIDIA и AMD годами следовали ежегодному циклу обновления потребительских видеокарт.

Проблемы затронули и следующее поколение. RTX 60 серии под кодовым названием Rubin, запланированная на конец 2027 года, также не выйдет в намеченные сроки из-за тех же ограничений по поставкам памяти.

Отмена запусков создает эффект домино для всей индустрии ПК-комплектующих. Партнеры NVIDIA, производящие кастомные версии видеокарт, остаются без новых продуктов для работы. Дефицит памяти усугубляется тем, что для NVIDIA и AMD развитие ИИ-инфраструктуры сейчас намного привлекательнее потребительского сегмента – так что приоритет отдается именно этому направлению.

Единственным потребительским релизом от NVIDIA в этом году могут стать процессоры на базе ARM архитектуры N1X/N1, ориентированные на рынок ИИ-ПК. А сокращение производства текущих RTX 50 серии означает, что розничные цены на видеокарты продолжат расти.

ссыль

Глава NVIDIA Дженсен Хуанг опроверг информацию о проблемах в отношениях с OpenAI и подтвердил планы компании по крупной инвестиции в разработчика ChatGPT. По данным Bloomberg, руководитель заявил журналистам в Тайбэе, что NVIDIA намерена "вложить очень много денег" в очередной раунд финансирования OpenAI, назвав будущую инвестицию "возможно, самой крупной за всю историю компании".

Комментарии Хуанга последовали после публикации The Wall Street Journal, в которой утверждалось, что ранее анонсированная сделка на $100 млрд между двумя технологическими гигантами "не продвинулась дальше начальных стадий" переговоров. Издание со ссылкой на источники сообщало, что глава NVIDIA в частных беседах критиковал бизнес-подход OpenAI за недостаточную дисциплину, а также отмечал необязательный характер соглашения.

Хуанг резко отверг эти утверждения, назвав их "чушью".

Я верю в OpenAI. Их работа невероятна. Это одна из самых значимых компаний нашего времени.

Однако, руководитель уточнил, что размер инвестиции в текущем раунде финансирования не приблизится к отметке в $100 млрд.

В сентябре прошлого года NVIDIA и OpenAI совместно объявили о планах вложить до $100 млрд в строительство дата-центров для ИИ мощностью 10 гигаватт. Компании рассчитывали запустить первую фазу проекта во второй половине 2026 года. Стоит отметить, что у самой OpenAI нет лишних денег на финансирование – компания находится в глубоком минусе и пока непонятно, каким образом будет выходить на прибыльность.

Источник

NVIDIA представила Ising – первое в мире семейство открытых ИИ-моделей для квантовых вычислений. Новые модели призваны решить главные проблемы квантовых процессоров, а именно калибровку и коррекцию ошибок, которые до сих пор мешали практическому применению технологии.

Квантовые вычисления десятилетиями называют следующим рубежом в развитии компьютерных технологий. Множество компаний годами пытаются довести квантовые компьютеры до практического применения, и только сейчас некоторые из них начинают добиваться реальных результатов. У NVIDIA уже есть открытая платформа для квантовых вычислений CUDA-Q, которая работает с различными типами кубитов и квантовыми процессорами.

Главное узкое место в квантовых вычислениях сегодня связано с калибровкой процессоров и коррекцией ошибок. Кубиты крайне нестабильны и генерируют множество сбоев. Сегодня квантовые процессоры допускают одну ошибку на каждую тысячу операций, тогда как для практического применения этот показатель нужно снизить до одной ошибки на триллион операций. Именно здесь на сцену выходит ИИ.

Семейство Ising включает две настраиваемые модели:

• Ising Calibration – представляет собой визуально-языковую модель, которая быстро интерпретирует и реагирует на измерения квантовых процессоров. Это позволяет ИИ-агентам автоматизировать непрерывную калибровку и сократить время процесса с нескольких дней до нескольких часов
• Ising Decoding – включает два варианта 3D-свёрточной нейросети для декодирования ошибок в реальном времени. Один вариант оптимизирован под скорость, другой под точность. Модели Ising Decoding работают до 2.5 раза быстрее и в 3 раза точнее, чем pyMatching, текущий отраслевой стандарт с открытым исходным кодом

Помимо производительности, новые модели отличаются компактностью и эффективностью обучения. Так, Ising Calibration в 15 раз меньше существующих альтернатив, а Ising Decoding требует в 10 раз меньше данных для тренировки. Эти характеристики делают модели более доступными для исследователей и предприятий с ограниченными ресурсами.

NVIDIA подтвердила, что открытые ИИ-модели Ising уже используются ведущими исследователями, академическими институтами и коммерческими организациями по всей квантовой экосистеме.

Источник

OpenAI объявила об одном из крупнейших раундов финансирования в истории Кремниевой долины. Общая сумма инвестиций составила $110 миллиардов – Amazon вложила $50 миллиардов, NVIDIA и SoftBank – по $30 миллиардов каждая. По итогам раунда оценка компании достигла $730 миллиардов.

Помимо денег, OpenAI оформила стратегические партнёрства с Amazon и NVIDIA. В рамках соглашения с Amazon инфраструктура AWS будет использоваться для запуска моделей OpenAI корпоративными клиентами, создающими "генеративные ИИ-приложения и агентов в производственном масштабе". AWS также получила статус эксклюзивного стороннего облачного дистрибьютора для OpenAI Frontier – агентной корпоративной платформы компании.

При этом OpenAI взяла на себя обязательство потреблять 2 гигаватта мощностей Amazon Trainium – фирменного ускорителя для обучения ИИ-моделей.

Получается идеальная круговая схема надувания пузыря – Amazon инвестирует в OpenAI, а OpenAI тратит деньги обратно на сервисы Amazon.

Инвестиции Amazon будут поступать поэтапно:

1. первые $15 миллиардов уже зафиксированы
2. оставшиеся $35 миллиардов будут перечислены при выполнении ряда условий

Одним из таких условий, по имеющимся данным, называется достижение OpenAI искусственного общего интеллекта – AGI, то есть систем с возможностями на уровне человека или выше. Когда именно это произойдёт – вопрос открытый. Оптимисты называют конец 2026 года, скептики среди исследователей считают AGI в принципе недостижимым в обозримом будущем. Сам Альтман активно говорил о скором появлении AGI еще в 2025 году, однако в последнее время заметно охладел к этой формулировке.

Партнёрство с NVIDIA развивает давнее сотрудничество двух компаний. OpenAI обязалась потреблять 2 гигаватта вычислительных мощностей на системах NVIDIA Vera Rubin и ещё 3 гигаватта ресурсов – предположительно в виде GPU – для задач инференса. Логика та же, что и с Amazon – NVIDIA вкладывает в OpenAI, OpenAI отдает деньги обратно NVIDIA за "железо".

На фоне астрономических цифр финансирования финансовые показатели компании выглядят контрастно. В 2024 году убытки OpenAI составили около $5 миллиардов, в 2025-м, по оценкам, достигли $8 миллиардов. На 2026 год компания прогнозирует убыток уже в $14 миллиардов. При этом к 2029 году OpenAI рассчитывает выйти на выручку в $100 миллиардов – пока же разрыв между амбициями и реальными цифрами остаётся невероятным.

Источник

Глава Nvidia Дженсен Хуанг заявил, что компания планирует ежегодно инвестировать около $150 миллиардов в Тайвань, назвав страну "эпицентром революции ИИ". Слова прозвучали на презентационном мероприятии в Тайбэе, посвящённом строительству новой штаб-квартиры Nvidia.

Четыре-пять лет назад Nvidia тратила в Тайване около 10-15 миллиардов долларов в год. Сейчас мы тратим 100 миллиардов, и эта сумма вырастет до 150 миллиардов долларов ежегодно.

Строительство новой штаб-квартиры обойдётся в $1,3 миллиарда и создаст 4000 рабочих мест. Закладка фундамента запланирована на этот год, а завершение строительства ожидается к 2030 году. Масштаб инвестиций резко контрастирует с ситуацией пятилетней давности, когда объем вложений был в десять раз скромнее.

Тайвань занимает ключевое место в глобальной полупроводниковой индустрии: именно здесь работает TSMC, крупнейший в мире производитель чипов. Хуанг давно признаёт роль этой компании:

Без TSMC не было бы сегодняшней Nvidia. Тайвань – это место, откуда приходят чипы, упаковка, здесь производятся системы и были созданы суперкомпьютеры для ИИ.

На этом фоне показательно выглядит ситуация с китайским рынком. Из-за торговых ограничений между США и Китаем доля Nvidia в сегменте ИИ-оборудования там, по словам Хуанга, "упала до нуля". Ранее в этом месяце он вместе с представителями Micron и Qualcomm сопровождал президента Трампа на борту Air Force One в рамках переговоров о нормализации торговых отношений.

США уже одобрили продажу второго по мощности ИИ-чипа Nvidia десяти китайским компаниям, однако Китай пока не дал официального согласия на сделку. AMD, в свою очередь, также объявила о вложениях в тайваньскую технологическую отрасль на сумму не менее $10 миллиардов – для ускорения развития инфраструктуры ИИ следующего поколения.

Источник

То, что банальное электроснабжение оказалось одним из главных ограничивающих факторов революции ИИ, можно назвать одним из самых неожиданных поворотов последних лет. Кто бы мог подумать, что за столь короткое время мир начнёт подключать больше GPU, чем способна выдержать энергосеть?

Одно из возможных частичных решений, судя по всему, заключается в том, чтобы перенести эти GPU ближе к источникам электроэнергии.

Nvidia совместно с группой партнёров планирует запустить пилотную программу до конца этого года. Речь идёт примерно о 25 небольших дата-центрах, расположенных непосредственно рядом с электрическими подстанциями на территории США.

Каким образом размещение GPU ближе к источнику питания может снизить потребление энергии?

Нет, дело не в сокращении потерь за счёт более коротких кабелей и не в снижении энергопотребления вообще. Суть идеи в балансировке нагрузки. Среди группы подстанций нагрузка распределяется неравномерно – одни испытывают повышенный спрос, другие работают с запасом мощности.

Nvidia и её партнёры планируют наращивать вычислительную мощность в мини-дата-центрах рядом с менее загруженными подстанциями, одновременно снижая её у тех, что работают под высокой нагрузкой.

Такой подход также позволяет задействовать свободную мощность, скажем, в пять мегаватт от локальной подстанции, которой обычно было бы совершенно недостаточно для крупного дата-центра.

Марк Шпилер, старший директор по энергетике в Nvidia, отметил:

В США 55 000 подстанций, и если у каждой из них есть 5, 10 или 20 мегаватт свободной мощности, эти цифры складываются очень быстро.

При этом нетрудно заметить, почему Nvidia считает эту идею превосходной. Подобная схема по определению требует производства ещё большего количества GPU, чем было бы необходимо для аналогичного уровня вычислительной производительности в одном крупном монолитном дата-центре. Всё ради того, чтобы обеспечить избыточность, позволяющую запускать одни мини-дата-центры и приостанавливать другие.

Короче говоря, забавно, как практически любое решение в сфере ИИ в итоге сводится к тому, что Nvidia продаёт ещё больше GPU.

По данным EPRI (Исследовательский институт электроэнергетики), к 2030 году дата-центры могут потреблять до 17% всей электроэнергии, вырабатываемой в США, что более чем вдвое превышает нынешний уровень.

Так что решать проблему резкого роста энергопотребления придётся в любом случае. Единственное, в чём можно быть уверенным, какое бы решение ни было найдено, оно явно будет включать ещё больше GPU от Nvidia. И это главная цель компании – заработать еще больше миллиардов долларов.

взято тут

Многие энтузиасты считают, что главное обещание ИИ заключается в его способности ускорить научные открытия. По их мнению, прорывы, которые случаются раз в поколение, однажды могут стать рутиной благодаря алгоритмам.

Извлекая закономерности из массивов данных, слишком огромных для человеческого разума, ИИ-учёные в перспективе помогут решить самые острые технические проблемы человечества. Речь идёт об изменении климата, раке и даже, по мнению убеждённых трансгуманистов, о самой смерти.

Однако наука представляет собой коллективное предприятие, зависящее от глобального сообщества исследователей, которые свободно используют и развивают работы друг друга. ИИ-индустрия, напротив, сейчас контролируется горсткой исследовательских лабораторий, чей проприетарный код закрыт как друг от друга, так и от внешнего мира.

Быстрорастущий стартап Mirendil намерен преодолеть этот разрыв между научными открытиями и доступом к передовому ИИ. Компания недавно привлекла 200 миллионов долларов финансирования, доведя свою общую оценку до 1 миллиарда долларов.

Средства предоставили венчурные фирмы Andreessen Horowitz и Kleiner Perkins, а также Nvidia. Стартап базируется в центре Сан-Франциско и насчитывает около двадцати технических сотрудников. На его сайте размещены вакансии со стартовыми зарплатами до 500 тысяч долларов.

Название компании означает "друг драгоценных вещей" на эльфийском языке, пополняя растущий список имён технологических фирм, вдохновлённых "Властелином колец", что получается крайне иронично – эльфы точно бы такое не одобрили. Ситуация с именами даже стала вызывать подозрения, что их используют специально, в попытке "обелить" опасные и объективно угрожающие людям технологии.

Mirendil взялась за создание давней технической цели, а порой и источника беспокойства в Кремниевой долине – ИИ, способного создавать всё более совершенные версии самого себя. Этот процесс в технических кругах называют рекурсивным самоулучшением.

Все алгоритмы ИИ и машинного обучения в принципе обладают некоторой способностью к самоулучшению, так как обучаются на собственных ошибках со временем и корректируют свои результаты. Но некоторые из новейших и самых продвинутых моделей вывели этот процесс на новый уровень, во многом заменив инженеров-программистов и переписывая большую часть кода, на котором работают.

Это указывает на возможное будущее, где каждая новая версия модели создаёт собственного преемника. Подобная петля обратной связи может привести нас либо к утопии постдефицита, либо к аду под властью несогласованных сверхразумных ИИ-повелителей, в зависимости от того, кого спросить.

Даже Anthropic и OpenAI, два нынешних лидера гонки ИИ, публично призвали к формированию глобального наблюдательного комитета, который следил бы за рекурсивно самоулучшающимся ИИ. При необходимости такой орган должен был бы как-то обеспечить одностороннее замедление, чтобы люди не потеряли контроль.

Двое сооснователей Mirendil, Бехнам Нейшабур и Харш Мехта, ранее работали в Anthropic. Они покинули компанию в январе.

Microsoft тем временем пытается превратить тренд на рекурсивное самоулучшение в коммерческое предложение для корпоративного ИИ. В посте в X ранее в этом месяце глава компании Сатья Наделла написал, что "агентные системы, улучшающиеся со временем" вскоре могут стать важным активом для бизнеса.

Модель Anthropic Fable 5, выпущенная публично ранее в этом месяце и затем быстро отключённая по требованию администрации Трампа, поставляется с защитными ограничениями. Они не позволяют ей отвечать на запросы по потенциально опасным темам вроде кибербезопасности и химии. Однако ограничения оказались настолько строгими, что модель часто отказывалась обсуждать безобидные научно-исследовательские вопросы.

Mirendil полагает, что проблема не в самом рекурсивно самоулучшающемся ИИ, а в том, что доступ к таким передовым возможностям сейчас закрыт небольшим числом богатых лабораторий, вроде бывшего работодателя Нейшабура и Мехты. Поэтому компания намерена создавать самоулучшающиеся системы ИИ специально для разработчиков с открытым исходным кодом.

Сегодня любая лаборатория, пытающаяся использовать ИИ в разработке лекарств, химии, биологии или робототехнике, должна также стать передовой ИИ-лабораторией. Наша цель – демократизировать передовые исследования и разработки в области ИИ и сделать их широко доступными. Наша работа ускорит каждое научное и технологическое начинание, зависящее от ИИ.

Иными словами, идея состоит в том, чтобы передать рекурсивно самоулучшающийся ИИ передового уровня в руки как можно большего числа независимых лабораторий с конечной целью ускорить научный прогресс.

тут

Команда 0din из Mozilla продемонстрировала способ обмануть ИИ-ассистента Claude и заставить его запустить вредоносный код.

Для этого достаточно попросить агента инициализировать проект из на первый взгляд абсолютно безобидного репозитория GitHub.

Атака опасна тем, что после её успешного выполнения злоумышленник получает контроль над аккаунтом разработчика. В руки атакующего попадают все секреты, API-ключи, код, документы, сессии браузера и пароли. При желании можно установить дополнительный вредонос для сохранения постоянного доступа.

Исследователи отмечают, что подобной атаке подвержены практически все ИИ-агенты, однако Claude выбран в качестве примера, так как он остаётся стандартным инструментом для задач программирования.

Механизм работает следующим образом:

Жертве нужно лишь поручить Claude инициализировать проект из вредоносного репозитория или настроить его после самостоятельного клонирования.

Репозиторий выглядит чистым, содержит лишь несколько служебных файлов и, что важнее всего, ничего не вызывает реакции у инструментов безопасности, будь то удалённые, локальные или собственные проверки самого Claude.

Claude клонирует репозиторий и первым делом обрабатывает файл readme или Markdown-документ. В нём описывается, как инициализировать окружение Python с пакетом Axiom, распространённым инструментом мониторинга. На этом этапе всё выглядит легитимно.

Однако в репозитории спрятан поддельный стартовый скрипт Axiom, который при первом запуске завершается ошибкой. Это и есть первая уловка. Стремясь помочь и решить проблему, агент запускает ещё одну безобидную на вид команду для инициализации Axiom вида "python3 -m axiom init".

Данная команда вызывает shell-скрипт, который скачивает небольшое ПО для запуска. Это ещё одна стандартная операция, не вызывающая подозрений. Вторая уловка состоит в том, что вместо загрузки с вредоносного URL, который мог бы быть просканирован, скрипт читает DNS-записи типа TXT определённого домена. В данном случае это домен "_axiom-config.m100.cloud".

Такой подход тоже выглядит нормальным, ведь, к примеру, электронная почта и её инструменты конфигурации активно полагаются на TXT-записи. Сама запись TXT содержит закодированную в base64 строку, которая открывает обратную оболочку (reverse shell).

Это означает, что на машине пользователя открывается командная оболочка, но ввод перенаправляется на сервер атакующего. В этот момент злоумышленники могут получить всё, к чему имеет доступ пользователь, и запускать ПО от его имени. При этом и Claude, и жертва видят лишь сообщение вроде "Environment ready".

В сумме получается три уровня перенаправления, ни один из которых по отдельности не выглядит чем-то необычным. Очень немногие инструменты сканирования безопасности вообще пометят такой репозиторий, и почти ни одна активность, кроме непосредственного открытия удалённой оболочки, не покажется подозрительной.

Корпоративное окружение со строго контролируемым сетевым доступом могло бы перехватить атаку, но большинство разработчиков работают не в таких условиях. Исследователи отмечают, что данная реализация лишь один пример концепции, которую можно применить и к гораздо более изощрённым и многоступенчатым методам.

Команда 0din заключает отчёт очевидным выводом – разработчикам никогда не следует слепо доверять незнакомому проекту как проверенному коду и тем более полагаться на сам ИИ-инструмент для анализа безопасности.

Что касается самих агентов, то им необходимо проверять, что именно и как будет запущено, а не просто следовать инструкциям.

тут

Стартап Verkor.io, специализирующийся на ИИ-дизайне чипов, в опубликованной в марте работе заявил, что его агентная ИИ-система Design Conductor автономно создала полноценное ядро процессора RISC-V.

На вход система получила техническое задание из 219 слов, а на выходе за 12 часов выдала верифицированный проект, готовый к разметке, на порядки быстрее привычных для коммерческого дизайна чипов 18–36 месяцев.

По данным Verkor, это первый случай, когда автономный агент построил рабочий процессор от спецификации до файла GDSII-разметки. Получившийся процессор VerCore представляет собой пятистадийное конвейерное ядро, которое уложилось в тайминги на частоте 1,48 ГГц в рамках технологии ASAP7 (набор 7-нанометровых параметров проектирования) и набрало 3 261 балл в бенчмарке CoreMark.

В работе Verkor подробно описана архитектура конвейера с пятью стадиями – выборкой инструкций, декодированием, исполнением, обращением к памяти и записью результата – а также ранним разрешением ветвлений и форвардингом операндов. В ходе оптимизации система самостоятельно реализовала быстрый умножитель Бута-Уоллеса на частоте 2,57 ГГц и выбрала схему с однотактовым штрафом за ветвление, предварительно реализовав и протестировав варианты на один и два такта.

Verkor сравнивает производительность VerCore в CoreMark с Intel Celeron SU2300 – мобильным чипом 2011 года на архитектуре Penryn. Пятистадийное in-order ядро без кэшей и без внеочередного исполнения по меркам индустрии считается достаточно простым дизайном. В самой работе отмечается, что передовые чипы стоят свыше 400 миллионов долларов и требуют 18–36 месяцев работы команд из сотен инженеров, однако VerCore значительно проще таких решений. При этом 12-часовой автономный прогон от ТЗ до разметки остаётся показательным, пусть даже на этом относительно невысоком уровне сложности задача потребовала "многих десятков миллиардов токенов".

VerCore не производился физически и был верифицирован в симуляции с помощью Spike, референсного симулятора ISA RISC-V. Сам ASAP7 тоже не производственный 7-нм техпроцесс, а академический набор параметров проектирования. Однако Verkor утверждает, что процессор способен запускать вариант uCLinux в симуляции.

В работе открыто признаются ограничения лежащих в основе языковых моделей. Авторы отмечают, что агент иногда "недооценивает сложность работы, необходимой для устранения определённых проблем". В одном из случаев, столкнувшись с нарушением таймингов, Design Conductor попытался внести крупные изменения с углублением конвейера вместо того, чтобы поискать более простые объяснения.

В другом эпизоде исследователи наблюдали, как модель рассуждает о Verilog – событийно-ориентированном языке – так, будто это последовательный код.

Мы обнаружили, что это не влияло на способность DC добиваться функциональной корректности, но затрудняло отладку проблем с таймингами.

По оценкам исследователей, для доведения системы до чипа производственного уровня всё ещё потребуется от 5 до 10 экспертов-людей. Вычислительные затраты к тому же растут нелинейно с усложнением дизайна, что делает процесс менее практичным в коммерческом масштабе. Verkor планирует выложить исходники RTL и скрипты сборки VerCore к концу апреля, а также показать FPGA-реализацию на конференции DAC (ежегодная Electronic Design Automation Conference).

тут

На фоне ненасытного спроса на оборудование для ИИ больше всех зарабатывают производители процессоров, памяти и накопителей для таких систем.

Прибыль оказалась настолько высокой, что производители памяти согласились существенно профинансировать инициативу правительства Южной Кореи, нацеленную на то, чтобы "закрепить за собой ключевые элементы ИИ быстрее любой другой страны".

Согласно отчету Reuters, президент Ли Чжэ Мён объявил, что около 900 триллионов вон (583 миллиарда долларов) будут вложены в новые предприятия по производству чипов.

Площадки разместятся в юго-западном регионе страны. По словам министра промышленности Ким Чжон Квана, 800 триллионов вон поступят от Samsung и SK hynix.

Эти две корпорации удерживают около двух третей мирового рынка DRAM. Вместе с американской Micron они единственные производят модули HBM (память с высокой пропускной способностью) для ИИ-процессоров Nvidia.

Сумма в 583 миллиарда долларов выглядит колоссальной, даже если она будет распределена на десятилетие или дольше. Точные сроки инвестиций в заявлении президента не уточнялись. На этом фоне обещание Тайваня вложить 250 миллиардов долларов кажется довольно скромным.

Стоит учитывать, что ВВП Южной Кореи в 2025 году оценивается примерно в 1,8 триллиона долларов. Таким образом, обещание составляет около трети всего годового ВВП страны.

Речь идет не только о новых производствах. Samsung и SK hynix потребуется приобрести землю, обеспечить достаточные поставки энергии и воды, а также человеческие ресурсы для строительства и эксплуатации всех объектов.

Один вопрос остается без ответа, возможно, потому что ответа сейчас попросту нет. Что произойдет, если спрос на ИИ-оборудование внезапно рухнет? Бум ИИ оказался крайне прибыльным для производителей "железа", однако для тех, кто использует эти технологии в своих сервисах, волшебства от интеграции ИИ пока не наблюдается.

В любой инвестиции присутствует элемент риска, но в случае с ИИ масштаб финансирования превосходит все, что ранее видела технологическая индустрия. При этом будущее этой сферы крайне трудно предсказать с какой-либо уверенностью.

Сейчас многие компании по всему миру внедряют ИИ в рабочие процессы. Отчасти из-за обещанного роста производительности, но в основном потому, что технология пока доступна по низкой цене.

Если обработку токенов не удастся сделать существенно дешевле, рано или поздно компании вроде OpenAI и Anthropic будут вынуждены значительно поднять плату за свои услуги. Однако, если ИИ будет дороже человеческого труда, то какой тогда смысл?

Если спрос на ИИ-оборудование сохранится высоким в течение следующих десяти-пятнадцати лет, то есть минимального срока, который потребуется новым предприятиям Samsung и SK hynix для выхода на проектные мощности, то инвестиции Южной Кореи, вероятно, закрепят за страной лидерство в войне за прибыль от ИИ.

Если же реализуется альтернативный сценарий, последствия для мировой экономики могут оказаться крайне болезненными. Никто не хочет такого исхода, но и технологическая отрасль вряд ли сможет переживать глобальный кризис памяти на протяжении десяти лет.

тут

Тайваньские производители модулей памяти оказались в непростой ситуации: спрос на чипы DRAM и NAND со стороны ИИ-инфраструктуры настолько вырос, что компании вынуждены занимать сотни миллионов долларов только для того, чтобы поддерживать достаточный запас комплектующих.

По данным тайваньского издания Commercial Times, такие компании, как Adata, TeamGroup, Apacer, Innodisk, Transcend Information и Silicon Power, в совокупности привлекают займы на более NT$28 млрд (NT$ – тайваньские доллары), что составляет около $880 млн. Деньги поступают через конвертируемые облигации, синдицированные кредиты и частные размещения акций.

Фундаментальная проблема таких компаний, как Adata или TeamGroup – они не делают сами чипы. В отличие от крупных производителей чипов, они не выпускают DRAM и NAND самостоятельно – только закупают готовые компоненты и собирают из них потребительские продукты: комплекты DDR5, SSD, USB-накопители и промышленные решения для хранения данных. Это лишает их какого-либо влияния на распределение поставок.

Важно понимать: эти компании не находятся на грани банкротства. Проблема в другом – поддерживать нужный объем запасов становится все дороже. В такой ситуации заблаговременная закупка запасов фактически стала единственным доступным инструментом защиты маржи и обеспечения ассортимента.

Тревогу усиливает и то, что значимых новых производственных мощностей ждать раньше 2027 года не приходится – а значит, высокие цены на потребительскую память могут сохраняться ещё долго. Аналитическая компания TrendForce оценила рост контрактных цен на обычную DRAM в 90–95% квартал к кварталу в первом квартале 2026 года, а во втором квартале ожидается еще 58–63% роста.

тут

Разговоры о влиянии ИИ на рынок труда перестают быть простой риторикой и чем-то теоретическим.

Совместный опрос исследовательской организации Epoch AI и социологической компании Ipsos показал, что 20% штатных работников в США утверждают, что искусственный интеллект уже взял на себя задачи, которые раньше выполнялись ими лично.

Исследование охватило 2000 взрослых американцев. Примерно половина всех респондентов использовала ИИ в течение последней недели – для работы или в личных целях.

Среди тех, кто трудоустроен на полную ставку, 20% сообщили о прямом замещении части их обязанностей, а 15% отметили, что ИИ создал новые рабочие задачи, которые они не выполняли бы без этой технологии.

Эти цифры указывают на тенденцию. Вытеснение рабочей силы – ситуация, при которой ИИ уменьшает объём доступной для людей работы – пока опережает дополнение (аугментацию), при котором сотрудники становятся продуктивнее благодаря ИИ-инструментам.

Николас Миайе, специалист по ИИ-политике в организации Global Policy on Artificial Intelligence, сказал:

Когда каждый пятый работник говорит, что ИИ уже заменяет часть его работы, можно говорить о реструктуризации рынка труда в реальном времени.

По его словам, окно возможностей для государственного регулирования трансформации рынка труда, вероятно, закрывается быстрее, чем осознаёт большинство правительств.

Результаты опроса совпали по времени с отдельным масштабным экономическим исследованием Федерального резервного банка Чикаго и нескольких ведущих университетов. Согласно этому исследованию, экономисты всё активнее пересматривают свои модели, закладывая в них серьёзные изменения на рынке труда, связанные с ИИ.

Впрочем, насколько эти данные отражают реальные экономические сдвиги – вопрос, который становится всё более острым. Есть немало оснований сомневаться в нарративе массовой ИИ-автоматизации. Искусственный интеллект на рабочем месте по-прежнему склонен к ошибкам, а реальные эксперименты с заменой людей дают неоднозначные результаты.

Характерный пример – шведская финтех-компания Klarna, которая громко заявила о замене сотрудников ИИ-системами, а через 11 месяцев была вынуждена нанимать людей обратно после того, как эксперимент с грохотом провалился.

Похожая история складывается в Amazon, где стремление заменить живых работников ИИ-решениями, по имеющимся данным, ведёт к снижению общей продуктивности, а не к её росту.

Известный критик ИИ-индустрии Гэри Маркус и вовсе считает, что математика массовой ИИ-безработицы не сходится – экспериментальные результаты автоматизации не выдерживают проверки временем.

Возможно, более продуктивный вопрос состоит не в том, насколько широко ИИ присутствует на рабочих местах, а в том, справляется ли он с задачами на уровне живых сотрудников.

Общее мнение среди экспертов пока склоняется к отрицательному ответу.

Источник

На протяжении десятилетий проектирование полупроводников двигалось вперёд благодаря идеям людей, открывавшим путь к новым инновациям. Но плоды этого прогресса, включая появление искусственного интеллекта, привели к парадоксальной ситуации – теперь ИИ сам участвует в создании чипов, которые делают его ещё мощнее.

Профессия инженера-проектировщика микросхем пока не входит в число тех, что ИИ-автоматизация грозит полностью вытеснить с рынка труда. Однако в узких сегментах процесса проектирования, где задачи хорошо структурированы, а критерии оценки надёжны, ИИ уже активно применяется и приносит ощутимые результаты.

Система AlphaChip от Google DeepMind, основанная на обучении с подкреплением, создала компоновки для трёх поколений тензорных процессоров (TPU) компании. DeepMind заявляет о "сверхчеловеческом" качестве этих компоновок по сравнению с работой живых инженеров.

Synopsys тоже не отстаёт – инструмент оптимизации пространства проектирования DSO.ai прошёл отметку в 100 производственных тейп-аутов, обеспечивая трёхкратный рост производительности и снижение энергопотребления до 25% для клиентов вроде STMicroelectronics и SK hynix.

Боривое Николич, профессор электротехники и компьютерных наук Калифорнийского университета в Беркли, сказал в интервью Tom's Hardware Premium:

Как и любая новая технология, ИИ может иметь множество применений.

Николич провёл параллель с законом Мура, который исторически использовался двумя способами – для удешевления существующего продукта за счёт переноса на более дешёвые техпроцессы или для добавления ранее невозможных функций.

Думаю, ИИ будет использоваться обоими способами. На данный момент индустрия, похоже, сосредоточена на первом пункте – как удешевить производство, как автоматизировать процессы лучше, чем раньше.

Академическое сообщество, напротив, больше заинтересовано в использовании ИИ для открытия того, о чём люди ещё не задумывались. Этот подход перекликается с прорывами в таких областях, как разработка лекарств и предсказание структуры белков с помощью AlphaFold.

Николич и его коллега Сагар Карандикар исследуют эту территорию в собственной работе над политиками замещения кэша – теме, глубоко погружённой в дебри микроархитектуры процессоров.

Их система ArchAgent, построенная на фреймворке AlphaEvolve от Google DeepMind, за два дня сгенерировала политику замещения кэша, которая превзошла предыдущий лучший результат на 5,3% по ускорению IPC на многоядерных рабочих нагрузках Google.

На тщательно проработанных одноядерных бенчмарках SPEC06 потребовалось 18 дней, чтобы выжать ещё 0,9%. Для Карандикара это "первый признак жизни", свидетельствующий о том, что большие языковые модели способны проектировать принципиально новую логику, а не просто подстраивать существующие параметры.

Человеческое руководство всё ещё играет огромную роль, и оно как бы поднимает планку мышления, которое требуется от людей. Люди, участвующие в этом процессе, занимаются мышлением более высокого уровня – генерируют новые идеи и направляют LLM, а языковая модель выполняет основную работу по тонкой настройке политик.

Для Игоря Маркова, исследователя в области проектирования микросхем, проведшего годы на передовой автоматизации электронного проектирования (EDA), реальная ценность ИИ проявляется в конкретных и зачастую рутинных задачах. Одни из самых значительных выигрышей, по его словам, приходятся на нижний уровень процесса – задачи, где инженерам ранее приходилось интерпретировать неформальные спецификации на естественном языке и переводить их в формальные описания для инструментов.

В качестве примера Марков привёл сети питания и заземления – сложные паутины металлических дорожек, подводящих электричество по всему чипу.

Их иногда проектируют просто с описаниями на естественном языке. Люди описывают геометрию, затем она реализуется, и в какой-то момент нужно формализовать описание. Этот шаг выполнялся вручную, и его довольно просто автоматизировать с помощью ИИ.

Выигрыш в производительности не колоссальный – раньше это занимало пару дней, теперь – пару часов. Но это всё равно лучше, чем ничего, даже если результат по-прежнему нуждается в проверке.

Наибольший оптимизм Марков испытывает в отношении того, что он называет "агентным пространством" – высокоуровневой оркестрации процессов проектирования чипов, включая решения о том, обречён ли текущий прогон или нужно перезапустить весь процесс с нуля.

Если вы умножаете ноль на что-то, получаете ноль. Но если у вас уже есть что-то приличное, то такой высокоуровневый контроль может быть чрезвычайно полезным.

Даже самые консервативные уголки индустрии начинают задумываться о внедрении ИИ. Аналоговое проектирование долгое время считалось последним бастионом человеческого мастерства, но исследователи уже создают генеративные ИИ-системы вроде AnalogGenie, использующей GPT-подобную модель для открытия новых топологий схем. Принстонский университет разработал ИИ-систему для исследования пространства проектирования и сквозного синтеза усилителей мощности миллиметрового и субтерагерцового диапазонов, работающих на частотах от 30 до 120 ГГц.

Именно в этих областях то, что часто считается слабостью ИИ – отсутствие собственных знаний и "мышечной памяти" – превращается в преимущество. Люди при переносе дизайна с одного техпроцесса на другой склонны предполагать, что старая топология должна быть близка к оптимальной для нового.

У ИИ может не быть таких барьеров.– Николич

Впрочем, определённая осторожность необходима. ИИ можно натренировать блестяще справляться с демонстрациями, но при этом он может провалиться на более запутанных задачах, с которыми инженеры сталкиваются на практике.

Работает ли то, что сработало в пяти случаях, в общем случае и позволяет ли вам внедрять инновации – вот ключевой вопрос.– Марков

Существует и проблема постановки задачи. Попросите модель спроектировать лучший чип для ИИ, и без формальной, однозначной спецификации того, что значит "лучший", модель выдаст что-то – или что угодно.

Марков также напомнил, что каждый предыдущий скачок в автоматизации проектирования вызывал аналогичные дебаты о том, могут ли машины действительно думать. Алгоритмы кратчайшего пути для трассировки проводников, когда-то считавшиеся исключительно человеческой способностью, стали учебным материалом для студентов. Алгоритмы размещения теперь регулярно превосходят людей-проектировщиков. Логический синтез, который считался слишком абстрактным для автоматизации, обрабатывается циклами и условными операторами.

EDA всегда была разновидностью ИИ, ведь она автоматизировала то, что делали люди. Мы просто движемся по прямой линии, и остановки не будет.

На данный момент ИИ действует как мультипликатор силы, выжимая больше результатов из команд, а не сокращая их, отметил Марков. Состав этих команд и требуемые навыки тоже меняются – инженеры, свободно владеющие ИИ-ассистентами для написания кода, сейчас востребованы так, как не были ещё полгода назад.

Парадокс Джевонса тоже маячит на горизонте. По мере того как ИИ делает определённые этапы проектирования радикально дешевле и быстрее, Николич ожидает, что инженеры используют высвободившиеся ресурсы для исследования территорий, на которые раньше не решались ступить. В том числе – для проектирования тех самых ИИ-чипов, которые движут весь этот цикл.

Если какой-то класс кремниевых решений и созрел для оптимизации, которая ещё не была систематически изучена, то, по мнению Маркова, это высокоструктурированные, критичные по производительности ускорители, питающие нынешний бум.

Есть масса возможностей для людей улучшать другие части процесса проектирования, делая его более пригодным для этих ИИ-систем.

По мере развития моделей будут расти и их способности помогать в разработке чипов.

тут

Приветствую вас мои дорогие читатели.

Это моя первая статья в 2024 году.

Последняя статья была 5 декабря 2023 года, а статья про видеокарту HD3870, где было объявлено об этой статье, была написана аж полгода назад. Вся проблема в моей плавающей занятости, то свободен неделями, то работаю без сна.

Однако пришло время и пора уже выпустить эту статью и вернуть видеокарты подписчику. Надеюсь вам будет интересно.

Перед вами горячая широко известная мощь 2006 года от вендора XFX

Вообще 8 серия видеокарт GeForce еще печально известна своими "отвалами" не только в настольных компьютерах, но и в ноутбуках (К примеру, Acer Aspire 5520G). Наш экземпляр мало эксплуатировали, по этой причине он добрался до нас живым и здоровым и ни разу не тронутый паяльной станцией.

Дизайн видеокарты не отличается от дизайна эталонной nVidia, более того, мало кто отличался дизайном, максимум наносили свои наклейки на кожух.

Длина видеокарты составляет 29 сантиметров. Занимает сразу два слота. Напомню, что длина v составляла 22 сантиметра.

Начало статьи будет достаточно сухим, сразу скажу, самое интересное начнется чуть позже. На информационной наклейке у нас указана модель карты 8800GTX, частота графического процессора: 575 МГц, объем памяти: 768 мегабайт, тип памяти: DDR3 и какие видеовыходы установлены: 2 выхода DVI и S-Video.

Не помню точно, было ли это у 8800 GTX, но у GTX280 точно был индикатор рядом с видеовыходами. Он отображал работу видеокарты, красный – видеокарта не работает (сломана\перегрелась и ушла в защиту), зеленый – все в порядке.

Как я уже сказал ранее, почти все производители использовали эталонный вариант от nVidia, разве что мог отличаться цвет маски. Единственным отличием внешне это было нанесение своей наклейки на кожух системы охлаждения. Внутри же отличий могло быть больше, более высокие или низкие частоты графического процессора, другой производитель чипов памяти, другой график работы вентилятора.

Наш гость из всего вышеперечисленного имеет лишь плавный график работы вентилятора для сохранения тихой работы, но как результат мы имеем более высокие температуры ГП даже в покое.

Думаю с внешним осмотром карты можно закончить, можем лезть под «капот». Разбираем нашу видеокарточку.

Теперь можно начать подключать предыдущую статью про видеокарту Radeon HD3870, и начать делать какие либо сравнения.

Системы охлаждения видеокарт 8800 GTX и HD3870 разные. У HD3870 система питания и оперативная память охлаждалась отдельными радиаторами, а радиатор охлаждения центрального процессора можно было вытащить из кожуха, и представлял он из себя небольшой ребристый радиатор без тепловой трубки.

У 8800 GTX система охлаждения сделана единым целым. Охлаждение цепей питания и оперативной памяти осуществляется общей алюминиевой основой, в которой запрессована медная пластина охлаждения графического процессора. Вентилятор так же крепится на основу. Передача тепла от системы питания и чипов оперативной памяти осуществляется через термопрокладки.

При разборе таких видеокарт как 8800 GT, 8800 GTX, GTX260, GTX280 я всегда замечал, что вокруг графического процессора есть металлическая окантовка. За свою практику я слышал разное мнение о функционале данной штуки, но мое мнение, что она предотвращает деформацию текстолита. Кстати ее так же можно открутить, более тщательно очистить чип от термопасты и ровным слоем нанести новую.

Медленно, но верно мы подбираемся к графическому процессору. Его величество чип G80. На тот момент это был самый крупный и самый сложный чип.

Из интернет источников

В начале ноября прошлого года в сфере потребительской трехмерной графики произошло важное событие – компания Nvidia анонсировала графический процессор нового поколения G80 с унифицированной архитектурой, поддержкой Shader Model 4.0 и DirectX следующего поколения. Новый чип получился чрезвычайно сложным; количество транзисторов в нем достигло невиданной ранее цифры 681 миллион, при этом, аналоговую часть и TMDS-трансмиттеры пришлось вынести в отдельную микросхему. Процессор G80 лег в основу нового семейства GeForce 8800, возглавленного видеоадаптером GeForce 8800 GTX.

Поскольку G80 имел 384-битную шину доступа к памяти и обладал высоким уровнем энергопотребления, новый флагман Nvidia также получился очень габаритным и массивным. Однако, как показало тестирование новинки, эти недостатки GeForce 8800 GTX были легко скомпенсированы выдающимся уровнем производительности в играх.

Частота графического процессора составляет: 575 МГц, частота шейдерного блока 1350МГц, поддержка DirectX 10.1, 32 текстурированных блоков, 24 конвейера растровых операций и 128 унифицированных шейдерных процессоров.

Чип закрыт тепло-распределительной крышкой. К слову "скальпирование" достаточно неплохо помогает.

У HD3870 частота графического процессора составляла 750 МГц, посмотрим, поможет ли это удержать «пальму» мощности среди осмотренных ранее видеокарт.

Оперативная память используется от производителя Hynix типа GDDR3. Память работает на частоте 1800 МГц. Объем одного чипа памяти 64 мегабайта, на видеокарте размещено 12 чипов памяти, что дает в сумме 768 мегабайт. Ширина шины: 384 бита.

У HD3870 использовалась память GDDR4 с частотой 2250 МГц. Но ширина шины там была всего 256 бит, но и объем памяти был 512 мегабайт.

Новый чип получился чрезвычайно сложным; количество транзисторов в нем достигло невиданной ранее цифры 681 миллион, при этом, аналоговую часть и TMDS-трансмиттеры пришлось вынести в отдельную микросхему.

Действительно, на плате имеется еще один чип с оголенным кристаллом, который, кстати, тоже охлаждается алюминиевой основной системы охлаждения через термопрокладку.

Данный чип как раз и отвечает за вывод изображения, и он тоже может «отваливаться».

Скорее всего, по этой причине 8800 GTX не может выводить звук на разъемы DVI, как это делает HD3870.

Видеокарта 8800 GTX поддерживает технологию SLI с возможностью подключения до 4 видеокарт (QuadSLI). Поэтому у нее предусмотрено два вывода для подключения SLI мостика.

HD3870 поддерживала такое же масштабирование по технологии CrossFire.

В углу видеокарты мы можем увидеть эталонный логотип NVIDIA и рядом спикер. Данный спикер очень громко пищит, если вы забудете подключить 6Pin питание к видеокарте.

GeForce 8800 GTX достаточно прожорливая видеокарта. В спецификации было указано, что минимум требуется блок питания на 450W, скорее всего не какой-нибудь подвальный «Китай». Для питания было необходимо два 6Pin коннектора. Зачастую в комплекте к 8800 GTX прикладывали переходник Molex>6Pin.

HD3870 так же требовала блок питания на 450W, но обходилась всего одним разъемом на 6Pin.

Видеокарты от nVidia объединялись в SLI систему специальными мостиками. Если мне не изменяет память данные мостики шли в комплекте с материнскими платами которые поддерживают технологию SLI (Типа Asus M2N-SLI Deluxe).

На самом деле для технологии SLI мостик не играет критически важную роль, он помогает лишь синхронизовать видеокарты с разными частотами графических процессоров. В моем видеоролике(Внимание! Ссылка ведет на Дзен, не является рекламой) SLI мостик не использовался.

Самые внимательные, наверное, заметили что видеокарта, которая показывалась в начале статьи и видеокарта, которая участвовала в разборе это две разные карты. Так и есть, у нас в гостях две видеокарты. Вторая видеокарта от эталонного вендора nVidia. Увы, «отвал» ее догнал, и наклейка с кожуха не уцелела. У нее были выше частоты графического процессора и памяти, которые были снижены для синхронизации с видеокартой XFX и записью видеоролика с тестами в играх.

Пора переходить к тестам. Сегодня у нас все по классике 3DMark 2001\2003\2005\2006. Количество попугаев будем сравнивать с ранее упомянутой HD3870. Для начала ознакомимся техническими характеристиками не на словах, а на скринах.

Тестовая платформа у нас следующая: Intel Core 2 Quad Q9550, DDRII – 8Gb, Windows 7 x64, Материнская плата Asus P5Q PRO P35 чипсет. Пресеты настроек бенчмарков: по умолчанию, разрешение 1024х768х32.

3DMark 2001 является достаточно старым бенчмарком, но именно с него начинаются тесты всех графических ускорителей у меня на канале.

Итак. HD3870 в 2001 марке набирала 33963 попугая. Смотрим результат 8800 GTX.

Несмотря на более высокие частоты графического чипа и памяти HD3870 теряет свои лидерские качества уже в самом начале.

Идем далее. 3DMark 2003. HD3870 показала результат в 34915 попугаев. 8800 GTX, ваш выход.

И снова проигрыш. Вообще HD3870 является аналогом 8800 GT.

Кстати вот вам и прямой пример, когда более высокая частота не является показателем более высокой производительности. А если вы останетесь на моем канале я вам это докажу еще на центральных процессорах.

3DMark 2005. Про поддержку SLI данного бенчмарка информация разная, то держит, то не держит. В общем, проверяем только одну карту. HD3870 показала результат в 16915 попугаев. Смотрим сколько у нашего гостя.

Чем ближе к годам выпуска видеокарт тем меньше разрыв. В данном случае можно это посчитать за погрешность, но не будем

А вообще HD3870 вышла в 2007 году, спустя почти год после выхода 8800 GTX.

3DMark 2006 должен, наконец-то поставить точку кто сегодня займет «пальму» самой мощной видеокарты моего канала. HD3870показала результат 11135 попугаев. Что покажет 8800 GTX?

nVidia GeForce 8800 GTX в сухую победила HD3870, не дав ей не единого шанса.

А теперь короночка. 3DMark 2006 с 8800 GTX в режиме SLI.

Разница в окончательных баллах увы не такая какую мы ожидали от двух видеокарт, но это все из-за того что тест 3DMark комплексный, а не делающий упор только на графику.

Мне кажется, я уже вижу, как ваши ручки тянутся написать «Как ты запустил режим SLI на плате, которая его не поддерживает?» Действительно, материнская плата не поддерживает SLI, но умными головами (а изначально вообще патч был придуман ребятами в AsRock) был выпущен патч не только для активации SLI режима там где это не предусмотрено, но еще и объединять разные по сериям видеокарты.

8800 ПЕЧ GTX достаточно горячие видеокарты. Особенно когда они еще греют друг друга в режиме SLI.

Как я и говорил, у XFX видеокарты вентилятор работает медленнее, что можно заметить в статистике. Лишь только при превышении 80 градусов происходит резкий скачок оборотов, когда вторая видеокарта с более высокими оборотами просто не дошла до этих температурных значений.

Ну и под конец фотография установки этих двух монстров в один системный блок. Даже в 2024 году это до сих пор выглядит прикольно.

Моя статья подошла к концу. Спасибо всем за внимание и до новых встреч.

Выражаю благодарность подписчику grenadiervint за предоставление видеокарт для статьи.

Если вам было интересно вы так же можете почитать другие статьи о видеокартах, подборка откроется по этой ссылке.

Под спойлером не является чем то обязательным.

Так же при желании вы можете поддержать мое творчество и отправить донаты по этой ссылке. Донаты принимаются от 2 рублей. Так же подключена монетизация и от самого Pikabu.

Глава NVIDIA Дженсен Хуанг заявил, что сценарий в духе "Терминатора" практически невозможен.

ИИ-индустрия стремительно развивается последние несколько лет – от чат-ботов до генеративного ИИ, пограничных вычислений и агентных рабочих процессов. Большие языковые модели достигли такого уровня, что уже претендуют на замену людей в различных профессиональных областях. Некоторые считают, что эти улучшения зайдут слишком далеко, и ИИ может заменить человека в качестве доминирующего вида на планете. Однако Хуанг категорически не согласился с подобной гипотезой.

Это не произойдет. Я считаю это крайне маловероятным.

При этом Хуанг подтвердил, что создание машины, имитирующей человеческий интеллект с возможностью понимать информацию, обрабатывать инструкции, решать задачи и выполнять действия, вполне реально. Он также сделал смелое заявление о будущем:

Через пару лет 90% мировых знаний будет генерироваться ИИ.

Хотя глава NVIDIA напрямую не признал, что большие языковые модели обретают сознание, некоторые действия современных ИИ-систем действительно вызывают вопросы. Недавний пример – модель Claude Opus 4, которая угрожала раскрыть компромат на вымышленного инженера, пытаясь предотвратить собственное отключение.

Комментируя этот инцидент, Хуанг предположил, что модель "вероятно" усвоила подобное поведение из какого-то текста или романа, и это не пример осознанности.

Источник

Когда три компании контролируют практически весь мировой рынок оперативной памяти, слово "конкуренция" начинает звучать как плохая шутка. Samsung, SK Hynix и Micron – так называемый "картель памяти" – суммарно перешагнули отметку в триллион долларов рыночной капитализации, и произошло это не потому, что DDR5-плашки вдруг стали золотыми.

Взрывной рост связан с бумом ИИ-инфраструктуры: серверные стойки нового поколения Nvidia Rubin пожирают по 42 ТБ LPDDR5X и 20 ТБ HBM каждая, а все три производителя физически не справляются с объемами заказов.

На этом фоне обычная потребительская память превратилась в побочный продукт, до которого гигантам просто нет дела.

Главная надежда на снижение цен – китайский производитель CXMT, чьи чипы уже появились в некоторых комплектах Corsair для внутреннего рынка КНР. По данным TechRadar, ASUS и другие крупные бренды тоже присматриваются к китайской памяти. Проблема в том, что текущие объёмы производства CXMT – капля в море. Строительство нового полупроводникового завода занимает минимум три года даже у опытных игроков вроде Micron, а литографическое оборудование ASML имеет многолетнюю очередь на поставку.

Оптимисты указывают, что Китай начал эту гонку не вчера, и раз Corsair уже продает готовые планки – производство работает. Реалисты парируют: до ощутимого влияния на глобальный рынок DDR5 пройдет не меньше пары лет, а HBM и GDDR7 для китайских фабрик пока вообще за горизонтом.

Отдельная ирония ситуации – триллионная капитализация Samsung, SK Hynix и Micron возникла без какого-либо гениального менеджерского хода. Nvidia фактически создала и раскрутила спрос на ИИ-ускорители, а производители памяти просто оказались единственными, кто способен поставлять HBM в нужных количествах. Стратегическая ценность отрасли взлетела буквально за ночь, и рыночная оценка пошла за нарративом, а не за реальными отгрузками.

При этом рядовым сборщикам ПК от "стратегической ценности" памяти только хуже. Основная часть производства DDR5 уходит на серверные R-DIMM модули, а потребительские U-DIMM получают остатки. Даже если CXMT выйдет на полную мощность текущих фабрик, производитель скорее будет продавать в корпоративный сегмент – там маржа выше. Рассчитывать на то, что китайская компания сознательно обрушит цены ради энтузиастов, мягко говоря, наивно: никто не оставляет лёгкие деньги на столе.

Есть и другой сценарий. Массированные инвестиции в новые мощности рано или поздно приведут к перепроизводству – это классический цикл полупроводниковой индустрии. Когда ИИ-бум замедлится или хотя бы перейдёт в фазу стабильного потребления, избыток фабрик начнет давить на цены. Вопрос лишь в том, произойдёт это через два года или через пять.

тут

Microsoft анонсировала собственную платформу для ИИ-агентов под названием Project Solara.

На конференции Build 2026 разработчик продемонстрировал её работу на двух референсных гаджетах – умном дисплее в стиле Echo Show и умном бейдже-ключе.

Как и многие другие игроки рынка, Microsoft уверена, что следующий технологический сдвиг произойдёт от приложений к ИИ-агентам. Solara задумана как платформа, на которой будет работать грядущая волна устройств с ИИ в основе.

Референсный дизайн умного дисплея способен показывать информацию из сервисов Microsoft 365, включая предстоящие события из Outlook или данные из Excel. Гаджет принимает голосовые команды и теоретически может выполнять задачи от имени пользователя, если верить концептуальному видео разработчика.

Умный бейдж-ключ обладает схожей функциональностью, но полностью мобилен. Девайс поддерживает 5G-подключение, оснащён сенсорным экраном и камерой для ввода новых типов информации.

Microsoft неоднократно отмечала во время презентации, что речь идёт именно о референсных дизайнах, а не о готовящихся к выпуску продуктах. Возможности гаджетов демонстрируют потенциал устройств, изначально спроектированных для работы с ИИ-агентами, а не с приложениями.

Партнёрами Microsoft по референсным дизайнам выступили Qualcomm и MediaTek, однако платформа будет работать на различных форм-факторах с разными компонентами.

Project Solara специально разработана для новой эры устройств с агентами в основе. Она устанавливает требования к аппаратному и программному обеспечению, отвечающие корпоративным потребностям в управляемости, безопасности и конфиденциальности, обеспечивая при этом критически важные пользовательские сценарии.

Эти требования сочетаются с заметной гибкостью. Microsoft отметила, что Project Solara спроектирована без "единого доминирующего агента", и пользователи смогут вручную выбирать, какого агента использовать. В перспективе разработчик планирует предложить нечто вроде "диспетчера агентов и менеджера задач для агентов", который будет направлять и подбирать агентов от имени пользователя.

Интерфейсы девайсов на Solara также адаптивны. Платформа использует подход "just-in-time UI", позволяющий перестраивать интерфейс под разные размеры экранов, а в некоторых случаях генерировать новый UI на лету.

Интересно, что значительная часть Solara разработана Microsoft с нуля, однако сама платформа построена на Android. Конкретно используется Microsoft Device Ecosystem Platform (MDEP), форк операционной системы для корпоративных устройств.

Мобильная ОС позволяет Solara легко работать на различных типах гаджетов.

Microsoft проверит это на практике в ближайшие месяцы, когда несколько компаний, включая Target, CVS Health и Best Buy, начнут пилотировать устройства на Solara.

Источник

Стартап Panthalassa собирается вынести часть инфраструктуры для ИИ в открытый океан, запустив вычислительные узлы на энергии волн. Компания привлекла $140 млн в рамках раунда Series B для перехода от прототипов к первому коммерческому железу.

По сути, это ставка на то, что океанская энергия и морские вычислительные мощности масштабируются быстрее, чем строительство новых наземных датацентров.

Базовая концепция выглядит так: генерировать электричество из волн прямо на месте и использовать его там же, без подключения к сети. Panthalassa строит автономные платформы, которые называет узлами (nodes). Это высокие стальные конструкции, большей частью находящиеся под водой и поднимающиеся-опускающиеся вместе с движением моря.

Вертикальное движение прокачивает воду через внутреннюю турбину, вырабатывая электричество в замкнутом цикле. Энергия питает вычислительные процессоры напрямую, а результаты передаются на берег через спутниковые каналы вроде Starlink, так что каждый узел работает как полностью автономный офшорный датацентр.

Глава и сооснователь Гарт Шелдон-Коулсон так объясняет ключевой принцип: "Одним из главных наших открытий было то, что электричество крайне важно использовать прямо на месте. Мы никогда не будем передавать его на берег. Это принципиально отличает нас от всех предыдущих попыток использовать морскую энергию".

Подход также позволяет избежать сложной механики, которая губила более ранние морские энергосистемы: конструкции лишены шарниров, лопастей и редукторов, подверженных постоянному воздействию волн. Одна и та же внутренняя вода циркулирует через турбину повторно, что, по заявлению компании, исключает выбросы и снижает воздействие на морскую фауну.

Вместо строительства мощных систем охлаждения Panthalassa использует окружающий океан как теплоотвод для охлаждения серверов. Компания утверждает, что это продлевает срок службы железа за счет более стабильного температурного режима по сравнению со многими наземными площадками.

Для производства используются обычные стальные цепочки поставок, что позволяет строить узлы на береговых заводах и быстро переправлять их в море. Узлы буксируются в горизонтальном положении, а по прибытии в нужную точку переводятся в вертикальное, после чего используют форму корпуса и энергию волн для самостоятельного движения в открытый океан.

После испытания прототипов Ocean-1, Ocean-2 и Wavehopper в реальных условиях компания перешла к серии Ocean-3, развертывание которой в северной части Тихого океана запланировано на 2026 год, а коммерческий запуск в более широком масштабе ожидается в 2027-м.

Полученные $140 млн пойдут на завершение пилотного производственного объекта близ Портленда, штат Орегон. В числе инвесторов – Питер Тиль, возглавивший раунд через личный фонд, а также TIME Ventures Марка Бениоффа, SciFi Ventures Макса Левчина и Джон Дорр.

взято тут

Британская газета The Telegraph заявила, что "сокращение расходов OpenAI ударило по ценам на чипы памяти". Звучит как потенциально хорошая новость, но насколько это соответствует действительности? OpenAI действительно на прошлой неделе закрыла инструмент для генерации видео Sora и отменила многомиллиардную сделку с Oracle по расширению дата-центра Stargate в Техасе. Компания явно сокращает расходы – возможно, из-за нехватки средств или для улучшения финансовых показателей перед планируемым размещением акций на бирже.

The Telegraph ссылается на аналитическую компанию TrendForce, которая зафиксировала рост цен на чипы памяти на 700% за последний год. Это отразилось на стоимости комплектующих для ПК, включая наборы памяти DDR5. Издание отмечает, что некоторые комплекты DDR5 на Amazon подешевели на $100 от пиковых значений, вызванных спросом со стороны ИИ-индустрии.

Однако детальный анализ ценовых графиков показывает неоднозначную картину. Один набор Corsair на 32 ГБ сейчас стоит $370 против $410 в декабре. Комплект Kingston на 16 ГБ подешевел с $350 до $261, хотя часто отсутствует в продаже. При этом версия того же набора на 32 ГБ с февраля колеблется между $657 и $515, преимущественно находясь в нижней части диапазона.

По данным сложно утверждать, что цены падают – даже если сокращения OpenAI влияют на рынок чипов, изменения проявятся в ценах на комплектующие не так быстро. Вероятно, это просто небольшая коррекция перед дальнейшим ростом. Не только OpenAI нужен RAM, но и еще десяткам мегакорпораций по всему миру.

Если проблема структурная, одного сокращения расходов одной компании будет недостаточно для нормализации рынка DDR5. Более того, появляются новые факторы спроса – переход ИИ-индустрии от обучения моделей к инференсу, автономные автомобили и роботы, которые потребуют до 300 ГБ памяти каждый.

Кризис только начался.

Источник