На протяжении многих лет повествование об индустрии искусственного интеллекта (ИИ) в Китае строилось вокруг гонки по сокращению отставания от Запада — более быстрые чипы, более крупные модели, больше данных. Но произошло тихое изменение. Судя по цифрам, поступающим от OpenRouter, и инженерным решениям, лежащим в основе DeepSeek V4, эта парадигма устарела.
Экосистема ИИ Китая не просто догнала. По ключевым параметрам она вышла вперед — и построена на фундаменте, архитектурно отличном от всего, что создала Кремниевая долина.
Потребление токенов рассказывает всю историю
Самый очевидный признак зрелости китайского ИИ — это данные об использовании. Согласно непрерывному отслеживанию OpenRouter в марте и апреле 2026 года, китайские большие модели на протяжении нескольких недель подряд стабильно занимали первые места в мире по еженедельному потреблению токенов.
На неделе, начавшейся 9 марта, китайские компании-разработчики моделей впервые заняли два первых места в ежемесячной статистике платформы. К началу апреля все шесть лучших мировых моделей были китайскими.
Для контекста: ежедневное потребление токенов в Китае подскочило с примерно 100 миллиардов до 140 триллионов. Это не тот рост, который наблюдается у исследователей, проводящих эксперименты. Это то, как выглядит ИИ, становящийся инфраструктурой — в той же категории, что электричество или широкополосный доступ, а не демонстрационный проект.
Значимость такого масштаба выходит за рамки права похвастаться. Потребление токенов является прокси-показателем экономической интеграции. Каждый автоматизированный рабочий процесс предприятия, каждый инструмент разработчика, каждый улучшенный потребительский продукт — все это генерирует использование, которое затем используется для улучшения моделей и углубления экосистемы. При 140 триллионах токенов в день китайские компании, занимающиеся ИИ, накапливают сигналы для обучения на реальных данных и опыт развертывания с такой скоростью, которую очень трудно воспроизвести со стороны.
В то время как большая часть западной технологической индустрии все еще обсуждает, когда приложения ИИ станут реальными, в Китае ответ уже заложен в ежедневных показателях использования.
DeepSeek V4 меняет разговор о чипах
Выпуск DeepSeek V4 стал технической вехой, но, возможно, не по той причине, о которой думает большинство людей. Да, возможности модели впечатляют. Но более значимая история связана с тем, что произошло на уровне инфраструктуры.
Когда Huawei объявила о полной поддержке DeepSeek V4 одновременно с запуском модели, это разрушило давнее предположение в отрасли: что китайские чипы вечно отстают на полшага, требуя последующей адаптации. Модель «выпуск-как-запуск» перевернула это предположение с ног на голову.
Это был не процесс трансплантации и адаптации. DeepSeek V4 и продукт Atlas SuperPoD были спроектированы совместно — мелкозернистая архитектура Expert Parallel (EP) модели изначально создавалась с учетом аппаратного обеспечения. Как указано в техническом отчете DeepSeek в разделе 3.1: «Мы проверили эту мелкозернистую схему параллелизма экспертов как на платформах GPU NVIDIA, так и на NPU Huawei Ascend». Схема разделяет экспертов MoE на волны и непрерывно перекрывает вычисления, диспетчеризацию и отправку результатов — обеспечивая прирост производительности в 1,5–1,73 раза на продукте Atlas SuperPoD, а прирост, чувствительный к задержкам при развертывании RL, достигает 1,96 раза. Это не просто «пригодно к использованию». Это преимущество в производительности.
Чтобы понять, почему это важно, рассмотрим, как NVIDIA построила свое доминирование. Это были не просто чипы — это были два десятилетия моделей, фреймворков и библиотек, оптимизированных под оборудование NVIDIA, создавших самоподдерживающийся цикл, в котором лучшие модели работали лучше всего на NVIDIA. Совместное проектирование DeepSeek V4 с продуктом Atlas SuperPoD — это первое убедительное доказательство того, что Китай строит свою собственную версию этого цикла — и что это уже приносит результаты.
Для глобальной индустрии ИИ, привыкшей считать NVIDIA единственным серьезным вариантом, это представляет собой реальную альтернативу — которая больше не является теоретической.
Системный сдвиг: от укладки чипов к SuperPoD
Чтобы понять, почему это важно, необходимо отойти от спецификаций отдельных чипов и рассмотреть, как на самом деле работают крупномасштабное обучение и инференс ИИ.
Узким местом в современных вычислениях ИИ больше не является производительность одного чипа. Это эффективность кластера. Когда вы используете кластеры из тысяч — или десятков тысяч — ускорителей, доминируют две проблемы:
Накладные расходы на связь. Синхронизация данных между чипами вносит задержку, которая поглощает чистую вычислительную мощность. Чем больше кластер, тем сильнее деградирует линейный коэффициент ускорения.
Ограничения памяти. Крупные модели MoE имеют такое количество параметров, которое не может вместить ни один чип. Это требует унифицированной адресации между узлами и эффективного доступа к памяти на системном уровне.
Независимо от того, насколько быстро работает отдельный чип на пике, узкое место кластера снижает эффективную пропускную способность до самого слабого звена. Вот почему конкурентный фокус отрасли сместился с «пиковых FLOPS на чип» на «эффективную пропускную способность на кластер». Простое приобретение и укладка большего количества чипов — подход, который работал в ранних поколениях ИИ — перестает эффективно масштабироваться после определенного момента.
Ответ Huawei — инновационная архитектура «кластер + SuperPoD», а новейший продукт SuperPoD — это переосмысление на системном уровне, а не инкрементальное обновление оборудования.
В основе этого лежат Atlas 950 SuperPoD (вычисления ИИ) и TaiShan 950 SuperPoD (общие вычисления). Atlas 950 SuperPoD поддерживает до 8192 карт, соединенных через интерконнект Huawei UnifiedBus, обеспечивая сверхвысокую пропускную способность, сверхнизкую задержку и унифицированную адресацию памяти по всему кластеру. Последняя особенность наиболее важна: унифицированная адресация памяти означает, что программному обеспечению не нужно явно управлять сопоставлением адресов для передачи данных между узлами — с точки зрения модели кластер ведет себя как единая система с большим объемом памяти, что именно и требуется архитектурам MoE для эффективной работы в масштабе. В настоящее время это единственный SuperPoD для ИИ в Китае, достигший крупномасштабного коммерческого развертывания.
TaiShan 950 SuperPoD расширяет эту архитектурную логику на общие вычисления — и идет дальше. Он обеспечивает пропускную способность интерконнекта на уровне ТБ, задержку на уровне сотен наносекунд и объединение памяти, которое позволяет передавать данные между узлами с помощью семантики памяти, что фундаментально решает давние проблемы высокой задержки, накладных расходов на перемещение данных и неэффективности координации в общих вычислительных нагрузках. Это также делает его основополагающей архитектурой для ИТ-инфраструктуры в эпоху Агентного ИИ.
Вопрос экосистемы: игра CANN с открытым исходным кодом
Аппаратное обеспечение — это только половина истории. Другая половина — и исторически более сложная для китайских технологий — это программная экосистема.
Разработчики не внедряют новое оборудование только потому, что его характеристики выглядят хорошо. Они внедряют его, когда стоимость миграции низка, а инструментарий зрелый. Именно здесь постоянно спотыкались конкуренты NVIDIA: например, экосистема ROCm от AMD предлагает конкурентное оборудование, но изо всех сил пытается привлечь базу разработчиков, необходимую для соответствия глубине инструментария и документации CUDA.
Стратегия Huawei с открытым исходным кодом для CANN (Compute Architecture for Neural Networks — Архитектура вычислений для нейронных сетей) разработана для решения именно этой проблемы — путем встречи с разработчиками там, где они уже находятся, а не путем требования начать все заново.
CANN поддерживает Ascend C и PyPTO, а также совместим с основными программными фреймворками, включая Triton и TileLang. Более 70 основных моделей — китайских и международных — работают без дополнительной настройки. Библиотека включает более 1500 базовых операторов и более 100 слиянных операторов. Система интегрирована с более чем 90 сообществами открытого исходного кода.
CANN стал полностью открытым исходным кодом в 2025 году. За пять месяцев с тех пор в сообществе было запущено 65 проектов с открытым исходным кодом — примерно один новый проект каждые три дня. Число ежемесячно активных разработчиков в сообществе теперь превышает 3000 человек.
Такой темп роста экосистемы имеет значение. Экосистемы разработчиков, как известно, медленно строятся и быстро забрасываются. Модель открытого исходного кода распределяет затраты на разработку по сообществу, одновременно создавая подлинное чувство сопричастности — тот же сценарий, который сделал PyTorch и Linux тем, чем они являются. Цифры показывают, что этот проект набирает реальный импульс.
Что это значит для глобальной индустрии ИИ
Картина, которая вырисовывается из всего этого, — это не просто «в Китае теперь есть хорошие чипы для ИИ». Это нечто более структурное.
Стек ИИ Китая — от инфраструктурного уровня Atlas 950 SuperPoD и TaiShan 950 SuperPoD, через фреймворк с открытым исходным кодом CANN, до моделей, таких как DeepSeek V4 на уровне приложений, — теперь представляет собой сквозную, внутренне инновационную экосистему. Замкнутый цикл «чип-модель», который индустрия когда-то предполагала, что могут обеспечить только NVIDIA и ее партнеры, больше не является эксклюзивным.
Для глобальных клиентов и разработчиков это существенно меняет расчеты. Теперь появился новый вариант для эры Агентного ИИ: тот, который имеет конкурентоспособные эталонные показатели производительности, растущую экосистему открытого исходного кода и вычислительный стек, специально созданный для требований постоянных, многоэтапных рабочих нагрузок ИИ, которые определяют направление развития отрасли.
Будет ли этот вариант широко принят, будет зависеть от факторов, выходящих за рамки технологий: доверие, инерция предприятий и знакомство разработчиков — все это играет свою роль. Но техническая основа реальна, и она уже не строится — она построена.
Более интересный вопрос сейчас заключается в том, как быстро остальной мир это заметит.
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Pandaily
