Çinin ən böyük süni intellekt şirkətləri ən qabaqcıl modellərini təlimatlandırmaq üçün hələ də "Nvidia" prosessorlarından istifadə edirlər. Rəsmi Pekin xarici yarımkeçiriciləri yerli alternativlərlə əvəzləməyə çalışsa da, bu proses ciddi texniki maneələrlə üzləşir. Əsas problem sadəcə çiplərin hesablama gücündə deyil, onilliklər ərzində "Nvidia"-nın "CUDA" platforması üzərində qurulmuş proqram təminatı infrastrukturundadır.
Niyə keçid bu qədər çətindir?
"Huawei" şirkəti öz çipləri üçün "CANN" adlı alternativ arxitektura yaratsa da, tərtibatçılar üçün mövcud kod bazasını yenidən yazmaq və optimallaşdırmaq böyük vaxt və maliyyə itkisi deməkdir. Mütəxəssislərin fikrincə, iş axınlarını "Huawei Ascend" platformasına köçürmək xərcləri və vaxtı ən azı 50 faiz artıra bilər. Xüsusilə, açıq mənbə kodlu olmayan modellərin miqrasiyası 10 mütəxəssisin altı aydan çox əlavə işini tələb edə bilər.
Proqram ekosistemi aparatdan daha vacibdir
Süni intellektin təlimi zamanı nəhəng hesablama resursları və mürəkkəb alqoritmlər tələb olunur. "Nvidia"-nın uğuru təkcə çiplərin fiziki göstəricilərində deyil, həm də kitabxanalar, inkişaf alətləri və proqramçıların bu platforma ilə bağlı topladığı təcrübədədir. Hazırkı vəziyyət göstərir ki, Çin şirkətləri üçün yerli çiplərə keçid sadəcə avadanlıq dəyişimi deyil, bütün infrastrukturun yenidən qurulması deməkdir.
Gələcəkdə nə gözlənilir?
Bəzi irəliləyişlər müşahidə olunsa da, məsələn, "Meituan" şirkətinin 1,6 trilyon parametrlik "LongCat-2.0" modelini yerli klasterdə təlimatlandırması, "Nvidia"-dan tam imtina hələlik mümkün görünmür. "DeepSeek-V4" və "Kimi K3" kimi modellər Çin platformalarına uyğunlaşdırılsa da, onların əsas təlim proseslərində hələ də "Nvidia"-nın "Blackwell" kimi qabaqcıl texnologiyalarından istifadə edildiyi ehtimal olunur. Çinin texnoloji müstəqilliyi üçün çip istehsalı ilə yanaşı, "CUDA"-ya rəqib ola biləcək güclü proqram ekosisteminin formalaşması həlledici rol oynayacaq.
