Современная индустрия искусственного интеллекта переживает фундаментальный сдвиг: на смену простым чат-ботам приходят автономные ИИ-агенты, способные самостоятельно выполнять сложные действия. Эта эволюция требует радикального пересмотра аппаратного обеспечения, так как традиционные подходы к вычислениям перестают справляться с растущими нагрузками. Qualcomm, долгое время удерживавший лидерство в мобильном сегменте, теперь переносит свой опыт энергоэффективности в сердце облачных инфраструктур. Новая экосистема Dragonfly призвана изменить баланс между вычислительной мощностью и пропускной способностью памяти, бросая прямой вызов текущей гегемонии Nvidia.
Переход к агентному ИИ означает, что системы больше не просто генерируют текст, а взаимодействуют с внешним миром, что кратно увеличивает требования к скорости обработки данных и энергопотреблению. В этой парадигме Qualcomm делает ставку на глубокую интеграцию компонентов, где центральный процессор, ускоритель и память работают как единый, максимально оптимизированный организм.
Центральным звеном новой стратегии стал серверный процессор Qualcomm Dragonfly C1000. В его основе лежат кастомные ядра Oryon, которые уже успели зарекомендовать себя в потребительском сегменте, но теперь масштабированы до промышленных объемов. Благодаря чиплетной компоновке один кристалл может объединять более 250 ядер, работающих на частотах свыше 5 ГГц. Это позволяет достичь двукратного прироста производительности на ватт по сравнению с текущими рыночными стандартами. Для обеспечения бесшовного взаимодействия с периферией и внешней памятью в C1000 интегрированы интерфейсы CXL и PCIe 7.0, что минимизирует задержки при передаче огромных массивов данных. Появление этих процессоров на рынке ожидается в 2028 году.
Однако даже самые быстрые ядра бесполезны, если они простаивают в ожидании данных из памяти — проблема, известная как «стена памяти» (memory wall). Для её преодоления Qualcomm представила технологию High Bandwidth Compute (HBC). Это воплощение концепции near-memory computing, где вычислительные блоки и ячейки памяти объединяются в единую трехмерную структуру. Такой подход позволяет радикально сократить физическое расстояние, которое должен пройти сигнал, что делает HBC более эффективным и быстрым решением, чем традиционные HBM или LPDDR.
Практический эффект от внедрения HBC наглядно демонстрирует линейка ускорителей Dragonfly. Модель AI250, запланированная на 2027 год, использует первое поколение HBC и обещает 18-кратный скачок производительности по сравнению с предшественником AI200, базировавшимся на LPDDR5X. Еще более амбициозным выглядит флагман AI300, который выйдет в 2028 году. Благодаря HBC Gen 2 этот ускоритель обеспечит 54-кратный прирост мощности. AI300 будет специализироваться на инференсе (выводе) больших языковых и мультимодальных моделей, предлагая кратно более высокую энергоэффективность на ватт, чем современные GPU-решения, особенно в задачах с критическими требованиями к задержкам.
Понимая, что мощность отдельных чипов ограничена пропускной способностью сети, Qualcomm развивает полноценный стек коммуникационных решений. Инфраструктура Dragonfly включает интерфейсы класса 800G и 1.6T, поддерживающие как медные, так и оптические каналы связи с возможностью передачи данных на расстояния до 20 километров. Это превращает разрозненные серверные стойки в единый суперкомпьютер с минимальными внутренними потерями.
Завершает стратегию переход к модели «вычислений по запросу». Qualcomm предлагает гиперскейлерам не просто готовые чипы, а модульный конструктор, где конфигурация процессоров, ускорителей и памяти подбирается под конкретные рабочие нагрузки облачного провайдера. Такой подход позволяет оптимизировать не только производительность, но и совокупную стоимость владения инфраструктурой. Первым стратегическим партнером в этом направлении стала компания Meta, заключившая многолетнее соглашение об интеграции процессоров Dragonfly C1000 в свои серверные мощности, что фактически подтверждает жизнеспособность новой архитектуры в масштабах крупнейших дата-центров мира.
Путь к общему искусственному интеллекту
