В апреле 2025 года акции NVIDIA упали на 7% после запрета на экспорт чипов H20 в Китай — аналитики оценили квартальные потери компании в 5,5 миллиарда долларов. А после появления информации о скором выходе Huawei Ascend 910D котировки NVIDIA снизились ещё на 5,6%.
Несмотря на санкционное давление и ограниченный доступ к современным технологиям, Huawei продолжает укреплять позиции в сегменте AI-ускорителей. В ответ на это NVIDIA пытается сохранить своё влияние на китайском рынке, адаптируя свои чипы под ограничения. Противостояние между компаниями давно вышло за рамки обычной рыночной конкуренции — речь идет о глобальной технологической борьбе за лидерство в области искусственного интеллекта.
Разберемся, насколько близко Ascend 910C подбирается к NVIDIA H100, что известно о новой версии 910D и какие подходы применяют обе корпорации в гонке за лидерство в индустрии AI-чипов.
Санкции как двигатель развития: зачем Китаю собственные AI-процессоры
В мае 2019 года администрация Трампа включила Huawei в список компаний с ограничением экспорта. Это решение воспринималось как серьёзный удар по позициям китайского техногиганта. Однако спустя шесть лет Huawei не только сохранила присутствие на рынке, но и превратилась в серьёзного конкурента NVIDIA в сегменте AI-чипов.
Изначально санкции затрагивали телеком-направление, особенно в сфере 5G, но позже ограничения распространились и на доступ Huawei к продвинутым полупроводниковым технологиям.
В октябре 2022 года власти США ужесточили запреты, наложив эмбарго на экспорт в Китай передовых чипов NVIDIA — A100 и H100, которые активно используются для обучения LLM и других AI-систем. В ответ NVIDIA выпустила урезанные модели — A800 и H800, соответствующие требованиям экспорта. Когда и они попали под ограничения, компания создала ещё более ограниченный чип — H20, специально под китайский рынок.
Однако в апреле 2025 года администрация США запретила и H20. Это привело к списанию убытков на сумму 5,5 миллиарда долларов за один квартал и риску потери до 16 миллиардов годовой выручки. Теперь NVIDIA пытается ещё сильнее ограничить характеристики H20, чтобы сохранить возможность поставок.
Тем не менее, санкции не остановили развитие ИИ в Китае — наоборот, они стали толчком к созданию собственной экосистемы AI-чипов. Новые условия заставили китайские компании действовать эффективнее, несмотря на ограниченные ресурсы.
Ascend 910C: насколько близко Huawei подобралась к флагману от NVIDIA
Чип Huawei Ascend 910C построен по 7-нм техпроцессу SMIC и включает 53 миллиарда транзисторов. Его архитектура чиплетная, с производительностью до 320 TFLOPS (по некоторым источникам — до 800 TFLOPS в FP16 и до 1600 TOPS в INT8), энергопотреблением около 310 Вт и использованием памяти HBM2/2E.
Для сравнения, NVIDIA H100 базируется на архитектуре Hopper, производится по 4-нм техпроцессу TSMC, содержит 80 миллиардов транзисторов и 640 тензорных ядер 4-го поколения. Он способен достигать до 3958 TFLOPS в FP8 и 67 TFLOPS в FP64, используя память HBM3 объёмом до 96 ГБ с пропускной способностью до 3,35 ТБ/с и TDP до 700 Вт.
Тесты DeepSeek показали, что Ascend 910C достигает около 60% производительности H100 в задачах инференса — значительное достижение, учитывая технологические ограничения Huawei.
Чипы 910C уже широко применяются внутри Китая: Huawei планирует выпустить более 100 тысяч единиц до конца 2025 года, а такие гиганты, как ByteDance, Baidu, Alibaba и Tencent активно их внедряют.
Согласно данным TrendForce, системы на базе Ascend позволяют снизить расходы на 60–70% по сравнению с H100, делая их привлекательными в плане стоимости. Однако полного равенства пока нет: Huawei отстает по энергоэффективности, экосистеме ПО и возможностям обучения LLM. Тем не менее, прогресс компании очевиден — и грядущие Ascend 910D и 920 могут усилить конкуренцию.
Масштабирование как стратегия: CloudMatrix против серверов NVIDIA
Понимая технологическое отставание, Huawei делает ставку на масштаб — объединяя множество чипов в единую систему. Так появилась CloudMatrix 384 — китайский аналог серверов NVIDIA.
CloudMatrix 384 (CM384) соединяет 384 Ascend 910C в топологии «каждый с каждым» через 800G LPO оптические соединения. Система размещается в 16 стойках: 12 — вычислительные (по 32 чипа в каждой) и 4 — сетевые. Общая пропускная способность межчиповой оптической сети — более 5,5 петабит/сек.
Такой подход позволил Huawei компенсировать техническое отставание отдельного чипа за счёт количества. CM384 демонстрирует 300 петафлопс в BF16, что почти в два раза выше, чем у NVIDIA GB200 NVL72. Суммарный объём памяти HBM составляет 49,2 ТБ (в 3,6 раза больше), а её пропускная способность — 1229 ТБ/с (против 576 ТБ/с у NVIDIA).
В отличие от Huawei, NVIDIA делает ставку на производительность отдельных чипов и их плотную интеграцию. Сервер GB200 NVL72 включает 72 GPU Blackwell и 36 CPU Grace на базе Arm. Производится по 4-нм техпроцессу с использованием HBM3, а технология NVLink обеспечивает пропускную способность до 900 ГБ/с между GPU.
Главный минус Huawei — высокая энергоемкость. CloudMatrix 384 в 4,1 раза энергозатратнее, чем GB200 NVL72, а потребление на один TFLOP — в 2,5 раза выше.
Причина — менее эффективный 7-нм техпроцесс от SMIC и необходимость в большом числе оптических трансиверов для масштабируемости.
Для наглядного сравнения характеристик NVIDIA GB200 и Huawei Ascend 910С приведем основные технические параметры на уровне отдельных чипов:
И на уровне кластеров:
Как видно, NVIDIA сохраняет лидерство по большинству параметров на уровне отдельных чипов. Однако Huawei берет числом: за счет 5-кратного увеличения чипов в кластере она добивается в 1,7 раза большей производительности и втрое большего объема памяти.
При этом стоимость одного CM384 составляет около $8 млн — в три раза дороже NVL72. Это подчеркивает, что Huawei делает ставку не на цену, а на стратегическую независимость и локализованную разработку.
Программный барьер: экосистема CUDA против новых решений
В гонке за лидерство в области искусственного интеллекта дело не только в «железе» — решающую роль играет программное обеспечение, позволяющее раскрыть потенциал аппаратных решений. Здесь NVIDIA значительно опережает конкурентов благодаря зрелой и глубоко интегрированной экосистеме CUDA.
CUDA — это платформа параллельных вычислений, которую NVIDIA развивает с 2006 года. За годы она превратилась в полноценную программную среду с компиляторами, библиотеками и инструментами оптимизации. Среди ключевых компонентов — cuDNN для задач глубокого обучения и cuBLAS для линейной алгебры, специально заточенные под GPU NVIDIA.
Благодаря этому NVIDIA замыкает на себе всю цепочку — от железа до софта, обеспечивая максимальную производительность и бесшовную совместимость. Большинство популярных AI-фреймворков, таких как TensorFlow и PyTorch, тоже «заточены» под CUDA, что делает платформу практически незаменимой для разработчиков.
Huawei осознаёт важность собственной программной базы и уже несколько лет активно работает над её созданием. Среди ключевых инициатив:
- CANN — набор инструментов и библиотек для работы с чипами Ascend, включающий Fusion Engine, CCE и Tensor Boost Engine.
- MindSpore — open source-фреймворк машинного обучения, оптимизированный для чипов Ascend, с поддержкой автоматического параллелизма и унифицированного представления моделей.
- Ascend AI — платформа, объединяющая аппаратные и программные решения для разработки и внедрения ИИ-приложений.
Несмотря на прогресс, экосистема Huawei пока отстаёт: разработчики сталкиваются с трудностями при работе с Ascend 910B, а малое сообщество затрудняет поиск решений. Чтобы сократить отставание, компания идет несколькими путями одновременно. В 2023 году Huawei стала премьер-членом PyTorch Foundation и начала разрабатывать адаптеры вроде torch_npu для интеграции с популярными инструментами. Также ведутся инвестиции в ONNX для обеспечения кроссплатформенной совместимости моделей.
Есть и первые успехи. Проект DeepSeek создал репозиторий PyTorch, упрощающий переход с CUDA на CANN. Huawei также заявляет о разработке инструмента для автоматической конвертации кода CUDA в формат CANN с интеграцией в PyTorch — по её словам, точность преобразования превышает 95%.
Создание собственной экосистемы — задача не одного года. NVIDIA потратила на развитие CUDA почти 20 лет, и Huawei предстоит пройти схожий путь. Однако наличие господдержки, рост локального спроса и международное сотрудничество дают шанс сократить этот путь и выстроить конкурентоспособную альтернативу быстрее.
AI-чипы, геополитика и два мира: как Китай перестраивает рынок
Китайский рынок AI-чипов стремительно меняется на фоне жёстких экспортных ограничений со стороны США. По прогнозам, в 2025 году его объём достигнет $50 млрд — это открывает широкие возможности для отечественных разработчиков. До начала ограничений в 2024 году Huawei реализовала около 200 000 чипов Ascend 910B, в то время как NVIDIA — около миллиона чипов H20, поставленных в Китай.
В ответ на внешнее давление Huawei продолжает развивать линейку ускорителей Ascend. Модель Ascend 910C уже обеспечивает до 60–70% производительности NVIDIA H100 в задачах инференса, при этом выигрывая в энергоэффективности: 310 Вт против 700 Вт. Следующее поколение, Ascend 910D, должно выйти к концу мая 2025 года — его цель – сравняться с H100 по производительности или превзойти его. Однако производство по-прежнему остаётся сложным: доля годных чипов — около 40%, что, впрочем, на 20% лучше, чем год назад.
В апреле 2025 года Huawei анонсировала ещё более амбициозный проект — Ascend 920. Это решение на 6-нм техпроцессе, оптимизированное под архитектуру Mixture of Experts, запланировано к серийному производству к концу года.
Крупнейшие китайские IT-компании уже становятся клиентами Huawei. Так, ByteDance заказала 100 000 чипов Ascend 910B, а Baidu — 1600. В общей сложности в 2025 году Huawei рассчитывает поставить более 800 000 чипов Ascend серий 910B и 910C.
Тем временем США усиливают давление. В мае 2025 года они заявили, что использование чипов Huawei Ascend в любой точке мира считается нарушением экспортных правил. Кроме того, была отменена норма, ограничивавшая экспорт американских AI-чипов без разрешений. Это закрепляет разделение на две параллельные технологические экосистемы — китайскую и западную.
Китайская государственная поддержка становится критическим фактором. В январе 2025 года Банк Китая запустил пятилетнюю программу финансирования ИИ-проектов на сумму $138 млрд, охватывающую весь цикл — от разработки до внедрения. В марте появился отдельный Национальный фонд поддержки инноваций с аналогичным объёмом инвестиций.
На фоне этих событий формируется новая глобальная конкуренция: контроль над передовыми AI-чипами становится стратегическим ресурсом, определяющим экономическое и военное влияние стран на десятилетия вперёд.
🔹 Работаете с задачами AI/ML? У нас действует предложение со скидкой 25% на облачные серверы с GPU NVIDIA L40S 48 GB. Конфигурация: 16 ядер EPYC 9374F, 64 ГБ DDR5, 500 ГБ NVMe.
🔹Специальная цена — 73 200 ₽/мес. Количество серверов ограничено.
Также доступны серверы с NVIDIA L4 и NVIDIA A16.