Сколько будет стоить отечественный чип для ИИ

Бизнес попросил Минпромторг, Минцифры и Минфин заложить средства на разработку российских чипов и ускорителей для искусственного интеллекта (ИИ). Они могут быть выделены как из федерального бюджета, так и из частных источников. Такую меру согласовала на заседании 1 октября рабочая группа «Меры поддержки ИИ» (включает представителей IT-компаний, экспертов профильных ассоциаций, федеральных и региональных органов власти).

С содержанием протокола заседания ознакомились «Ведомости». Копии были направлены в аппарат правительства, администрацию президента, ФНС, ВЭБ.РФ, Минфин, Минэкономразвития, правительство Москвы и ряда регионов, а также IT-компании и профильным экспертам.

Поддержку могут направить российским разработчикам ИИ-чипов, ускорителей и серверов на их основе, говорится в протоколе. С какого момента она будет предоставлена – не уточняется. Ее объем оценили в 15 млрд руб. Поддержка может охватить научно-исследовательские и опытно-конструкторские работы. Ее собираются направить на создание образцов, испытания и адаптацию программного обеспечения. В качестве ожидаемого результата будет создание опытного образца российского ИИ-чипа к 2030 г.

Минпромторг предложили сделать ответственным за субсидии на разработки российских аппаратных решений для ИИ, включая НИОКР, опытные образцы, испытания и адаптацию ПО. В качестве соисполнителей указаны Минцифры и Минфин. Поддержку предполагается оформить отдельным постановлением правительства либо изменением действующих правил субсидирования разработки электроники. О каких изменениях в законодательство идет речь, в документе не указано.

«Ведомости» направили запрос в Минпромторг.

Предложения по поддержке отечественных аппаратных решений для ИИ пока прорабатываются и требуют согласованной позиции профильных ведомств, сообщил представитель Минцифры.

Представитель аппарата вице-премьера Дмитрия Григоренко подтвердил, что обсуждение финансовых и нефинансовых мер поддержки продолжается.

Финансовые параметры, а также критерии предоставления поддержки будут определены после принятия законопроекта о бюджете на 2027–2029 гг., подчеркнул представитель Минфина.

Российские компании уже ищут альтернативу ускорителям американской Nvidia. В августе «Ведомости» писали об испытаниях MWS AI и Rubytech программно-аппаратного комплекса с китайскими графическими ускорителями (GPU), коммерческий запуск которого планируется в 2027 г.

В сентябре «Коммерсантъ» сообщал об обсуждении льготных кредитов и лизинга серверов и графических процессоров (GPU). Тогда речь шла о поддержке приобретения иностранных ускорителей.

Чуть позднее, в октябре, рабочая группа «Инфраструктура и центры обработки данных для ИИ» предложила временно разрешить зарубежные GPU в комплексах для значимых объектов критической информационной инфраструктуры, писал Forbes. Исключение предлагается сохранить до появления в реестрах отечественных ускорителей, подходящих для российских больших фундаментальных моделей и сопоставимых с лучшими зарубежными аналогами.

Задел для проекта своего ИИ-ускорителя есть у нескольких российских компаний – «Байкал электроникс» с направлением Baikal-AI, НТЦ «Модуль» с архитектурой NeuroMatrix и «Хайтэк» с решениями для запуска уже обученных нейросетей. 

Гендиректор «Байкал электроникс» Андрей Евдокимов признает преимущество «Хайтэка» среди разработчиков ИИ-чипов в целом: у компании уже есть рабочий чип и, насколько ему известно, ведется разработка микросхемы следующего поколения. 

«Хайтэк» разрабатывает новое поколение процессоров LinQ для работы с языковыми моделями на несколько миллиардов параметров, сообщил гендиректор компании Андрей Панков. По его словам, новый чип можно будет устанавливать на уже выпускаемые платы без их перепроектирования.  Ключевое отличие от процессора текущего поколения – поддержка трансформерных архитектур нейронных сетей.

Преимущество чипа «Байкала» Евдокимов связывает с имеющейся совместимостью с программной экосистемой Nvidia CUDA, которую считает критически важной для применения ускорителя. «Байкал электроникс» разработала ключевой компонент своего ИИ-чипа – GPGPU-ядро для параллельных вычислений, рассказал Евдокимов. «Если проект получит финансирование, есть шанс показать опытные образцы в 2028 г.», – сообщил он. 

Первый чип из серии Baikal-AI должен позволить камерам, роботам и беспилотникам запускать нейросети прямо внутри устройства – например, распознавать объекты без отправки данных на удаленный сервер. К 2030 г. компания планирует разработать второе поколение, пригодное для обучения крупных моделей. Необходимое финансирование двух чипов Евдокимов оценивает менее чем в 15 млрд руб., при этом компания рассматривает любые источники, добавил он.

Для робототехники и устройств, обрабатывающих данные разных датчиков, старший преподаватель ИТМО, кандидат технических наук Иван Лукашов предлагает рассматривать еще и НПЦ «Элвис», а для энергоэффективных вычислений – «Мотив НТ» с нейроморфным процессором «Алтай». Планы на такое применение следующего поколения нейроморфного процессора «Алтай-3» подтвердил технический директор «Мотив НТ» Валерий Канглер. 

Бюджета в 15 млрд руб. с учетом собственных инвестиций компаний может быть достаточно для разработки одного-двух конкурентоспособных решений по модели бесфабричного производства, когда компания занимается только проектированием и разработкой интегральных микросхем, оценил представитель российской технологической компании Yadro. С оценкой согласен Канглер. При этом эксперт считает получение только одного опытного образца к 2030 г. «достаточно скромной задачей для такого объема финансирования». По его мнению, целью должна стать готовая к практическому применению программно-аппаратная платформа с подтвержденными характеристиками, инструментами разработки и перспективами серийного выпуска.

На первом этапе реалистичнее создать чип под конкретные задачи, чем универсальную альтернативу ведущим зарубежным ускорителям, считает руководитель по развитию продуктовых решений «К2 Нейротеха» Вячеслав Дегтярев. Это может быть инференс – запуск уже обученных нейросетей для видеоаналитики, распознавания речи или обработки промышленных данных. Для обучения крупных моделей нужны не только мощные чипы, но и высокоскоростная память, взаимодействие между ускорителями и зрелая программная среда, заключил он.