DeepSeek — та самая китайская компания, что в начале 2025-го обвалила капитализацию Nvidia дешёвой open-моделью, — теперь строит собственные микрочипы. Reuters со ссылкой на источники пишет: DeepSeek почти год прощупывала почву, а сейчас уже ведёт переговоры с фаундри, дизайн-бюро и производителями памяти, параллельно набирая инженеров-чипмейкеров.

Речь про инференс-чипы — не про обучение моделей, а про стадию, где готовая модель отвечает пользователю. Именно инференс становится главной статьёй расходов в проде: по оценке Barclays, к 2026 году около 70% всего вычислительного спроса ИИ будет приходиться именно на него.

Почему не хватает ни Nvidia, ни Huawei

После запрета на экспорт Nvidia H800 в Китай DeepSeek пересела на Huawei Ascend — единственную доступную замену. Но и ей компания не доверяет полностью: по её же тестам, чип Ascend 910C выдаёт лишь около 60% производительности Nvidia H100, а мощности SMIC под эти чипы жёстко ограничены — заявленные Huawei планы по объёмам выпуска эксперты считают нереалистичными.

DeepSeek оказалась зажата между экспортными ограничениями США и мощностями единственного разрешённого альтернативного поставщика — и решила строить третий путь. На это есть капитал: месяц назад компания привлекла $7,4 млрд от китайских инвесторов.

Чипы делает уже почти каждый

DeepSeek тут не первопроходец, а ещё один участник общеотраслевой гонки. OpenAI с Broadcom уже показала свой первый инференс-чип Jalapeño, созданный за рекордные девять месяцев; поставки начнутся до конца 2026-го. Anthropic пошла другим путём — держит сразу три платформы: TPU Google (сделка на десятки миллиардов долларов), Trainium от Amazon и обычные GPU Nvidia. Это диверсификация ради переговорного рычага, а не независимость. Alibaba и Baidu тоже гонят собственные ускорители.

Но обогнать Nvidia пока не удалось никому

И вот в чём соль истории. Несмотря на то что собственные чипы теперь строит буквально каждый, кто может себе это позволить, реального конкурента Nvidia по масштабу так и не появилось. Nvidia по-прежнему держит, по разным оценкам, 73–90%+ рынка ИИ-ускорителей: больше 90% в обучении и 60–75% в инференсе — как раз там, где идёт вся эта гонка. Кастомный кремний в сумме должен вырасти лишь примерно до 28% рынка к концу 2026 года.

Самый яркий пример того, кто на самом деле выигрывает от этой золотой лихорадки — история стартапа Groq. Его сверхбыстрые LPU-чипы считались самой перспективной независимой альтернативой Nvidia в инференсе. В январе 2026-го Groq за $20 млрд купила... сама Nvidia, забрав технологию и команду. Индустрия судорожно строит альтернативы Nvidia, а самые удачные из них либо выкупает сама Nvidia, либо она обгоняет их по масштабу производства.

Источник: SiliconANGLE

НЕЙРО-ПУШКА ● Новости и обзоры нейросетей

Nvidia официально признала: её главный козырь на 2027 год — серверная стойка Kyber NVL144 под чипы Rubin Ultra — опаздывает больше чем на год. Вместо конца 2026-го систему увидят не раньше 2028-го. Причина, по данным аналитической фирмы SemiAnalysis (и подтверждена рядом крупных изданий, включая CNBC и Tom's Hardware), в буквальном смысле упирается в физику производства: плата-мидплейн, соединяющая все компоненты стойки, состоит из 78 слоёв — это одна из самых сложных печатных плат, когда-либо создававшихся для коммерческого вычислительного оборудования. На таком количестве слоёв начинают сыпаться проблемы с целостностью сигнала, доставкой питания и отводом тепла, а производственный брак становится нормой, а не исключением.

План Б тоже не сработал

Самое неприятное — у Nvidia был резервный вариант: упрощённая конфигурация NVL72x2, которой планировалось заткнуть дыру на время, пока Kyber доводят до ума. Этот план тоже отменили — по имеющимся данным, от него отказались сами заказчики, увидев, что овчинка не стоит выделки. Под вопросом теперь и более амбициозная система NVL576, объединяющая восемь стоек через оптические соединения — её тоже могут отложить или выпустить ограниченным тиражом. Рынок отреагировал моментально: акции ключевых поставщиков комплектующих просели на новостях о задержке — японская Ibiden потеряла около 10%, гонконгская Kingboard Laminates — порядка 18%, тайваньская Elite Material — около 10%, южнокорейская Samsung Electro-Mechanics — около 11% (данные приводит The Decoder со ссылкой на реакцию рынка).

Зачем Nvidia вдруг стала венчурным фондом

Чтобы понять, почему эта задержка бьёт по компании больнее, чем кажется на первый взгляд, нужен более широкий контекст. Последние два года Nvidia последовательно превращается из "просто производителя чипов" в крупнейшего в отрасли корпоративного инвестора. Только за первые четыре месяца 2026 года её AI-инвестиции превысили $40 млрд — для сравнения, за весь 2025 финансовый год было потрачено $17,5 млрд. В феврале 2026-го Nvidia сыграла ведущую роль в раунде OpenAI на $30 млрд. Схема почти всегда одна и та же: каждая инвестиция сопровождается коммерческим соглашением, по которому получатель денег обязуется закупать чипы Nvidia — компания одновременно финансирует свою же цепочку поставок и привязывает клиентов к своей экосистеме.

Фронт, который деньгами не выкупить

Но есть один сегмент рынка, где чистые деньги работают хуже, чем хотелось бы — это инференс, то есть непосредственный запуск уже обученных моделей, самый массовый и коммерчески важный сценарий использования ИИ сегодня. Здесь Nvidia годами применяла другую тактику — скупала перспективных конкурентов на корню, пока те не выросли в самостоятельную угрозу. В декабре 2025 года компания заплатила $20 млрд за активы и ключевую команду стартапа Groq — это крупнейшая сделка в истории Nvidia, и структурирована она была не как классическое поглощение, а как покупка активов с наймом сотрудников (включая CEO), что, по мнению ряда аналитиков, позволяет обойти более строгую антимонопольную проверку слияний. Схожим образом раньше был закрыт вопрос со стартапом Enfabrica — Nvidia заплатила около $900 млн за лицензию на технологию и наняла его CEO вместе с частью команды. Сенаторы Элизабет Уоррен и Ричард Блюменталь уже направили Nvidia официальный запрос с вопросом, не является ли подобная схема сделок попыткой обойти антимонопольное законодательство.

Почему это так важно именно сейчас

Причина этой охоты на стартапы простая: узкоспециализированные чипы, заточенные ровно под одну задачу, а не универсальные графические процессоры, могут в разы обгонять GPU именно на инференсе. Например, стартап Etched утверждает, что его чип Sohu, в котором логика архитектуры трансформеров буквально прошита в кремнии (а не выполняется программно, как на GPU), способен гонять модель Llama 70B со скоростью свыше 500 000 токенов в секунду — против примерно 23 000 токенов в секунду у связки из восьми видеокарт Nvidia H100. По расчётам компании, один сервер на Sohu теоретически способен заменить до 160 GPU Nvidia. Важная оговорка: это собственные цифры Etched, независимыми тестами на реальных продакшен-нагрузках они пока не подтверждены.

Что в итоге

Здесь и кроется настоящий парадокс истории. Универсальность GPU — это одновременно главный козырь Nvidia (одна и та же архитектура одинаково хорошо годится для обучения моделей, инференса, графики и научных симуляций) и её потенциальная ахиллесова пята: специализированное железо почти всегда эффективнее универсального в своей узкой нише. Пока Nvidia в одиночку тащит производство самой сложной печатной платы в истории серверных систем и теряет на этом целый год, скупленные и придушенные деньгами конкуренты в сфере инференса получают ровно то, чего им не хватало больше всего — время, чтобы доказать рынку: для запуска готовых моделей узкая заточка под задачу может оказаться важнее, чем гибкость GPU.

🔗 Источник: Tom's Hardware

🎯 НЕЙРО-ПУШКА ● Новости и обзоры нейросетей

OpenAI предложила Вашингтону долю в себе

Financial Times со ссылкой на источники, знакомые с ходом переговоров, сообщает: OpenAI больше года обсуждает с администрацией США схему, по которой государство получит 5% акций компании — около $42,6 млрд по текущей оценке в $852 млрд (мартовский раунд финансирования). Официально ни OpenAI, ни Белый дом предложение не подтвердили — переговоры находятся «на концептуальной стадии» и, по данным FT, потребуют одобрения Конгресса.

Не Трампу лично, а фонду для всех американцев

Важная деталь, которую легко упустить в заголовках: доля пойдёт не президенту лично, а государству как институту — через специальный фонд по образцу Alaska Permanent Fund, суверенного фонда штата Аляска, который с 1976 года платит ежегодные дивиденды каждому жителю штата за счёт нефтяных доходов. Сэм Альтман, по данным FT, предлагает распространить схему на всю ИИ-индустрию: по 5% акций в фонд должны отдать все ведущие американские разработчики моделей — Anthropic, Google, Meta и другие. Идея подаётся как способ «поделиться с обществом выгодами от ИИ» и заранее купировать недовольство тем, что автоматизация вытесняет рабочие места, а прибыль достаётся горстке компаний. Для сравнения, сенатор Берни Сандерс продвигает куда более радикальную версию — с долей государства около 50%.

Почему момент выглядит подозрительно

OpenAI — самый агрессивный игрок в гонке ИИ-инфраструктуры, и цена этой гонки колоссальна. Компания подписала контракты на облачные мощности на сотни миллиардов долларов: $250 млрд с Microsoft, около $300 млрд с Oracle (сделка стартует в 2027-м), плюс соглашения с Amazon и Nvidia. Причём часть денег Nvidia — обязательство вложить в OpenAI до $100 млрд — по признанию собственного финансового директора компании Сары Фрайар, фактически вернётся самой Nvidia в виде оплаты за чипы: классическая циркулярная схема финансирования, которую всё чаще критикуют аналитики рынка.

При этом выручка OpenAI за 2025 год составила около $13,1 млрд, а прогнозируемые убытки на 2026-й оцениваются от $14 до $27 млрд — в зависимости от условий пересмотренной сделки с Microsoft. Совокупный отрицательный денежный поток компании к 2029 году может достичь $112 млрд, а суммарные траты на вычислительную инфраструктуру к 2030-му — $600 млрд. По некоторым подсчётам, на каждый заработанный доллар подписочной выручки OpenAI тратит около $1,69 на инференс — то есть буквально теряет деньги на каждом обслуженном пользователе.

Отчаяние или дальновидность?

На этом фоне предложение «поделиться» долей с государством можно прочитать двояко. Первая версия — действительно попытка снять социальное напряжение вокруг ИИ заранее, пока индустрия ещё может себе это позволить. Вторая, куда более циничная — расчётливый ход на случай, если инвесторские деньги закончатся раньше, чем компания выйдет на прибыль: если государство уже владеет долей в OpenAI, а миллионы американцев и целые отрасли экономики зависят от её сервисов, дать компании обанкротиться политически станет почти невозможно. Иными словами — подстраховка через статус «слишком большая, чтобы упасть», оплаченная не деньгами, а долей в бизнесе, у которого пока нет устойчивой модели монетизации.

Как бы ни развивалась история, она — симптом более широкого сдвига: крупнейшие ИИ-компании больше не просто продают подписки, а всё активнее встраиваются в государственную политику и инфраструктуру — от оборонных контрактов до предложений войти в капитал напрямую.

Источник: CNBC

НЕЙРО-ПУШКА ● Новости и обзоры нейросетей

Компания, которую вы знаете по доставке еды, тихо обучила один из крупнейших ИИ-релизов месяца — и сделала это вообще без чипов Nvidia.

Meituan — китайский гигант доставки еды и локальных услуг, местный аналог смеси Uber Eats и Groupon — 30 июня 2026 года открыл модель LongCat-2.0: 1,6 триллиона параметров, разреженная архитектура mixture-of-experts, контекстное окно в миллион токенов. Формально это просто ещё один большой открытый релиз. Фактически — прямая демонстрация того, что экспортные ограничения США на поставку чипов Nvidia в Китай не остановили гонку, а просто пересобрали её вокруг другого железа.

50 000 чипов и без Nvidia

LongCat-2.0 обучили на кластере из более чем 50 000 китайских ASIC-ускорителей — специализированных чипов собственной разработки, не Nvidia — на массиве свыше 35 триллионов токенов. Meituan прямо заявляет: «LongCat-2.0 показала, что мы теперь способны обучать масштабные модели на отечественных вычислительных кластерах». Производитель самих чипов компания не называет, что ожидаемо: с 2022 года США последовательно ограничивают экспорт передовых Nvidia GPU в Китай, и подробности о том, чьи именно ASIC используются, — чувствительная тема.

Для контекста: по оценкам, на которые ссылается издание, в 2025 году Nvidia и Huawei делили китайский рынок AI-чипов примерно поровну — около 40% на каждого. То есть LongCat-2.0 — это не гипотетический сценарий «а вдруг Китай справится сам», а уже свершившийся факт: справились, на измеримом масштабе в 1,6 триллиона параметров.

Обходит GPT-5.5 в коде, но не везде

По бенчмаркам компания заявляет заметное превосходство в задачах, завязанных на код и следование инструкциям: SWE-bench Pro — 59,5, мультиязычный SWE-bench — 77,3, IFEval — 90,0. Это позволяет обходить Gemini 3.1 Pro и GPT-5.5 на профильных код-бенчмарках. При этом в чистом рассуждении модель пока не лидер: на GPQA-diamond (88,9) и IMO-AnswerBench (81,8) результаты сильные, но не рекордные — Meituan прямо позиционирует LongCat-2.0 как «мозг» для ИИ-агентов и коддинг-харнессов, а не как универсального чемпиона по всем типам задач.

Модель заявлена как открытая, но на момент публикации ещё не появилась на HuggingFace, из-за чего независимая проверка заявленных цифр пока невозможна — этот нюанс стоит держать в уме, читая бенчмарки выше.

Почему это не разовый эксперимент

У Meituan за плечами не случайный побочный проект: команда занялась ИИ-разработкой с 2023 года, ещё до этого купив стартап Light Year Beyond за $281 млн, а первую версию LongCat выпустила в конце 2025-го. LongCat-2.0 — не дебют, а второе поколение целенаправленной программы. И то, что модель такого масштаба выкатывает не OpenAI китайского розлива, а сервис доставки еды, — само по себе сигнал: возможность обучать модели уровня фронтира на домашнем железе в Китае перестала быть привилегией горстки специализированных лабораторий.

🔗 Источник: The Decoder

НЕЙРО-ПУШКА ● Новости и обзоры нейросетей

Anthropic выкатила сразу две премьеры за один день — и обе метят в слабые места конкурентов.

30 июня 2026 года компания одновременно представила новую модель Claude Sonnet 5 и совершенно новый продукт — Claude Science. На первый взгляд это два разных события: апдейт прайс-листа и нишевый инструмент для учёных. Но если присмотреться, это согласованный удар по двум фронтам сразу — массовому рынку агентов и узкой, но стратегически важной научной нише.

Sonnet 5: дешёвый агент почти на уровне флагмана

Главная цифра релиза — Sonnet 5 почти догнал старшую модель Opus 4.8 по «знаниевой работе» (бенчмарк GDPval-AA v2: 1618 очков против 1615 у Opus — Sonnet формально даже немного впереди). В агентном кодинге (SWE-bench Pro) модель выросла с 58,1% до 63,2%, в работе с терминалом (Terminal-Bench 2.1) — с 67% до 80,4%, в компьютерном управлении (OSWorld-Verified) — с 78,5% до 81,2%.

При этом цена принципиально другая: $2 за миллион входных токенов и $10 за миллион выходных — против куда более дорогого Opus, GPT-5.5 и Gemini 3.1 Pro (хотя Gemini 3.5 Flash всё ещё дешевле). Льготная цена продержится до 1 сентября 2026 года, после чего вырастет до $3/$15. Модель уже стала моделью по умолчанию для бесплатных и Pro-аккаунтов, доступна по API как claude-sonnet-5 и встроена в Claude Code. Контекстное окно — 1 миллион токенов, дата среза обучающих данных — январь 2026 года.

Anthropic называет Sonnet 5 «самой агентной моделью линейки Sonnet за всю историю»: она умеет самостоятельно планировать многошаговые задачи, пользоваться браузером и терминалом и доводить работу до конца без остановок на полпути — то, что ещё несколько месяцев назад требовало куда более крупных и дорогих моделей. По умолчанию включены киберзащитные ограничения на уровне Opus 4.7/4.8 — впрочем, по способности к разработке эксплойтов модель заметно уступает старшим Opus и Mythos 5.

Claude Science: рабочий стол, а не новая модель

Второй продукт дня устроен принципиально иначе. Anthropic прямо подчёркивает: Claude Science — «не новая модель и не более способная модель для биологии». Это надстройка поверх существующих моделей Claude (включая Opus 4.8), организованная как многоагентная система: главный ассистент выступает менеджером проекта и порождает специализированных под-ассистентов под конкретные задачи.

Инструмент подключается к 60+ научным базам данных и несёт готовые наборы инструментов для геномики, структуры белков и химии — в партнёрстве с инструментарием BioNeMo от NVIDIA (включая модели Evo 2, Boltz-2 и OpenFold3). Отдельный агент проверяет цитаты и расчёты перед публикацией, а результаты можно сохранять как переиспользуемые «скиллы» для будущих проектов. Систему можно развернуть локально — на Mac/Linux, через SSH или в связке с HPC-кластером лаборатории, с масштабированием от одной видеокарты до сотен.

Среди первых пользователей — нейробиолог Жером Лекок из Allen Institute, построивший на базе Claude Science многоагентный конвейер для рецензирования вычислительных результатов; группа Стивена Фрэнсиса из UCSF Brain Tumor Center, применившая систему для герминативного анализа при глиоме; и фармкомпания Novo Nordisk. Доступ — бета для подписчиков Pro, Max, Team и Enterprise; Anthropic поддержит до 50 исследовательских проектов кредитами на $30 000 каждый (приём заявок закрылся 15 июля, проекты пройдут с сентября по декабрь 2026 года).

Почему это не просто два анонса в один день

Контекст важнее самого факта релиза. У OpenAI в апреле 2026 года вышел GPT-Rosalind — узкоспециализированная дообученная модель с закрытым доступом только для отдельных корпоративных клиентов. У Google DeepMind — Gemini for Science, который опирается на собственные проприетарные модели вроде AlphaFold и AlphaGenome и объединяет 30+ биологических баз данных. Обе стратегии — это закрытые экосистемы, построенные вокруг собственных моделей и ограниченного доступа.

Anthropic выбирает третий путь: широкий доступ по обычной подписке вместо корпоративных контрактов, и инструмент поверх универсальной модели вместо специализированного дообучения. В один и тот же день компания показывает, что способна одновременно удешевлять флагманские возможности для массового рынка агентов — и открывать совершенно новый рынок для научных лабораторий. Для отрасли, где раньше единственной метрикой прогресса были бенчмарки, это сигнал смены стратегии: не только «модель умнее», но и «модель полезнее в конкретном месте».

🔗 Источник: The Decoder

НЕЙРО-ПУШКА ● Новости и обзоры нейросетей

OpenAI годами строила свою башню сверху вниз: сначала модели, потом продукты вроде ChatGPT и Codex, потом — собственные дата-центры. На этой неделе компания наконец добралась до фундамента. Вместе с Broadcom она представила Jalapeño — свой первый в истории чип, который в OpenAI гордо называют «Intelligence Processor».

Что такое Jalapeño и почему это не «ещё одна видеокарта»

Это ASIC — заказная микросхема, заточенная под одну-единственную задачу: инференс, то есть запуск уже обученной модели в ответ на ваш запрос. Не обучение, а именно «отдача». Универсальные GPU от Nvidia умеют всё понемногу; Jalapeño умеет одно, но идеально — архитектура минимизирует лишнее перекладывание данных туда-сюда и балансирует вычисления, память и сеть так, чтобы выжимать из железа почти теоретический максимум производительности.

Главная цифра: минус 50% к стоимости

В интервью гендиректор Broadcom Хок Тан назвал конкретику: новый ускоритель показывает экономию около 50% по сравнению с обычными ИИ-видеокартами. Для OpenAI, которая сжигает миллиарды на вычислениях и, по слухам, уже обдумывает повышение цен, это бьёт точно в больное место — стоимость инференса. Сама компания заявляет «существенно лучшую» энергоэффективность (производительность на ватт), чем у нынешнего топового железа, но честно оговаривается: цифры предварительные, полноценный технический отчёт выйдет позже.

Девять месяцев вместо нескольких лет

Отдельная сенсация — скорость. Путь от первых схем до готового к производству кристалла занял девять месяцев: OpenAI называет это самым быстрым циклом создания высокопроизводительного ASIC в истории отрасли (партнёрство с Broadcom официально объявили лишь в октябре 2025-го). Любопытная деталь: часть проектирования и оптимизации ускоряли собственные модели OpenAI — то есть ИИ помогал проектировать железо для ИИ.

Зачем это OpenAI: выйти из-под Nvidia

Подтекст очевиден: меньше зависимости от Nvidia, чьи GPU остаются дефицитным и дорогим ресурсом. Тем же путём уже прошли Google (чипы TPU) и Amazon (Trainium и Inferentia). При этом тяжёлое обучение моделей, скорее всего, по-прежнему останется на железе Nvidia — Jalapeño метит именно в инференс, самую массовую и денежную часть нагрузки, где даже небольшая экономия на масштабе превращается в огромные суммы.

Когда и в каких масштабах

Первое развёртывание — в конце 2026 года, сразу в гигаваттных дата-центрах (это энергопотребление уровня небольшого города). Кремний производит Broadcom, добавляя свою сетевую технологию Tomahawk; сборкой плат, стоек и систем занимается Celestica. По данным источников, до 40% первой партии чипов уже законтрактовала Microsoft — главный облачный партнёр и инвестор OpenAI. Первый пробный прогон тоже состоялся: на Jalapeño запускали модель GPT-5.3-Codex-Spark.

🔗 Источник: Ars Technica

🎯 НЕЙРО-ПУШКА ● Новости и обзоры нейросетей