Глобальная гонка искусственного интеллекта переходит из плоскости алгоритмов в область физического кремния. Зависимость от ограниченных поставок специализированных ускорителей становится главным сдерживающим фактором для развития передовых нейросетей. На этом фоне Anthropic инициирует переговоры с Samsung, стремясь создать собственное аппаратное решение. Этот шаг знаменует собой начало эпохи глубокой вертикальной интеграции в индустрии больших языковых моделей.
Современный рынок генеративного ИИ столкнулся с критическим противоречием: программные возможности моделей растут экспоненциально, в то время как доступ к вычислительным мощностям ограничен физическими возможностями производства чипов. В этих условиях Anthropic, один из ключевых игроков в разработке LLM, вступает в переговоры с южнокорейским гигантом Samsung Electronics. Цель этого партнерства — создание собственного специализированного ускорителя, который позволит компании выйти за рамки зависимости от сторонних поставщиков.
На текущем этапе проект находится в стадии концептуального проектирования. Anthropic предстоит решить фундаментальные задачи: определить точные характеристики будущего чипа, его специализацию и целевую мощность. Хотя компания официально заявляет, что ее стратегия по-прежнему опирается на инфраструктуру Amazon Trainium, тензорные процессоры Google и графические решения Nvidia, сам факт переговоров с Samsung указывает на стремление к диверсификации.
Подобный маневр продиктован не только экономическими причинами, но и технической необходимостью. Использование универсальных GPU, таких как решения от Nvidia, часто приводит к избыточности ресурсов и неоптимальному энергопотреблению. Собственный чип, спроектированный под конкретные требования моделей Anthropic, позволит радикально повысить эффективность вычислений и снизить задержки при обработке запросов.
Этот тренд становится общим для всей индустрии. Аналогичный путь выбрала OpenAI, которая в сотрудничестве с Broadcom представила собственный ускоритель, оптимизированный специально для инференса — процесса запуска уже обученных моделей. Разделение задач на обучение (training) и эксплуатацию (inference) становится ключевым вектором развития: если для обучения требуются колоссальные общие мощности, то для работы готового продукта важна скорость и стоимость одного токена.
Сотрудничество с Samsung открывает перед Anthropic доступ к передовым технологиям литографии и производству памяти с высокой пропускной способностью (HBM), которая является «узким горлышком» для всех современных ИИ-систем. Переход к созданию собственного «железа» превращает разработчиков нейросетей из простых потребителей облачных ресурсов в полноценных технологических архитекторов, способных контролировать весь стек — от транзистора до пользовательского интерфейса.
Парадокс Apple на фоне кризиса полупроводников
