Chińskie modele AI wciąż trenowane na chipach Nvidii. Przejście na lokalne technologie blokują koszty
Czołowi chińscy twórcy modeli językowych nadal opierają trening AI na układach Nvidii, bo migracja do krajowych chipów jest zbyt kosztowna i czasochłonna.
👁 130 przeczytań
Wiodący chińscy twórcy dużych modeli językowych nadal trenują swoje systemy AI na układach Nvidii - potwierdzają to osoby z branży cytowane przez South China Morning Post. Przyczyną zastoju nie jest brak krajowej alternatywy, lecz zaporowe koszty przejścia na lokalne chipy.
Serce problemu tkwi w ekosystemie oprogramowania. Platforma CUDA od Nvidii od lat stanowi branżowy standard w treningu modeli AI. Huawei oferuje własną alternatywę - CANN (Compute Architecture for Neural Networks) - jednak przejście na nią wymaga przepisania i optymalizacji ogromnych ilości kodu.
„Nasze istniejące pipeline’y treningowe są zależne od CUDA. Kod CUDA nie może działać bezpośrednio na układach Ascend i wymaga gruntownego przepisania.”
Tak sytuację opisuje James Wang, który rozwija modele AI w instytucie badawczym powiązanym z szanghajskim uniwersytetem. Wang szacuje, że migracja istniejących przepływów pracy do chipów Huawei Ascend mogłaby zwiększyć czas i koszty jego zespołu o co najmniej 50 procent.
Dla Pekinu, który dąży do niezależności technologicznej wobec amerykańskich sankcji eksportowych, to poważna przeszkoda. Krajowy sprzęt się rozwija, ale zmiana architektury chipów to głęboka bariera inżynierska - nie tylko kwestia wymiany podzespołów, lecz przebudowy całych łańcuchów narzędzi.
Dopóki Huawei nie zaoferuje ekosystemu oprogramowania równie dojrzałego jak CUDA, żaden dekret polityczny nie przyspieszy tej zmiany wystarczająco szybko.
Google · Twoje źródłaPromptowy wyżej w Twoim Google - jednym kliknięciemDodaj do preferowanych źródeł →Cały tydzień w AI, w jednym mailu
Wybrane premiery, narzędzia i analizy. Raz w tygodniu, prosto do skrzynki.
Zapisz się za darmo →
Podobne tematy na Promptowym
