Генерация видео — самая громкая история ИИ 2026 года. Seedance 2.0 от ByteDance, MiniMax H3 и Seedance 2.5 вывели китайские команды в мировые лидеры, а сценарии использования продолжают множиться в кино, короткометражках и электронной коммерции. За шумом скрывается ухудшение математики. Стоимость инференса остаётся высокой, понимание многослойного видео взрывается, а универсальные GPU продолжают тратить вычислительные ресурсы, энергию и время на задачи, для которых они не предназначены.
SmarCo HT Tech, одна из первых китайских команд, внедривших архитектуру потоков данных (dataflow), заполнила этот пробел своим новым чипом Jingang GC3. Чип оснащён 12 ядрами RISC-V, производительностью 200 TOPS в INT8 и 128 ГБ унифицированной памяти LPDDR5 ECC. Технический директор У Дундун охарактеризовал его как «рождённый для видео»: один и тот же кристалл, способный декодировать и кодировать несколько потоков, может также запускать модели генерации видео, а подсистема памяти спроектирована с учётом масштаба промежуточных тензоров, необходимых современным видеотрансформерам.
У объяснил, почему универсальные GPU проигрывают в видео. При понимании видео исходные потоки поступают на сервер, декодируются в пиксельные кадры, а затем проходят через инференс на GPU. Узким местом редко являются сырые FLOPS, — сказал он. — Это задержка перемещения каждого кадра между памятью и вычислительными блоками при обработке множества параллельных потоков. При генерации видео GPU запускает диффузионную модель или трансформер, который создаёт кадры, а затем кодер сжимает их. Модель требует больших вычислительных ресурсов, но каждый промежуточный результат всё равно нужно считывать и записывать, и эти тензоры могут достигать сотен гигабайт. При слишком частом считывании чип простаивает.
Архитектурное несоответствие лежит в основе обеих историй. CPU и GPU — это машины фон Неймана со счётчиком команд, последовательно проходящим инструкции. Такая архитектура с управляющим потоком универсальна, но именно это делает её посредственной для видео. Параллелизм на уровне пикселей и матриц опережает возможности центрального контроллера по планированию. Поток памяти насыщается. Множество ядер тратят больше времени на синхронизацию, чем на полезную работу.
Архитектура потоков данных (dataflow) переворачивает модель. Программа становится графом операций; зависимости данных — это рёбра; инструкция выполняется, как только готовы её входные данные, без счётчика команд, решающего её очерёдность. Метафора У — это конвейер: каждая станция запускается, когда поступают детали, и сразу передаёт результат дальше, без центрального диспетчера и почти без простоев. Jingang GC3 объединяет dataflow в качестве вычислительного движка с RISC-V в качестве управляющего ядра и унифицированную память для путей CPU, VPU, GPU и NPU. Вопрос, который индустрия проверяет на практике: может ли dataflow заменить управляющий поток в качестве базовой основы для ИИ-вычислений. Jingang GC3 — это ответ SmarCo HT Tech на этот вопрос, где видео служит полигоном для испытаний.
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Pandaily
