Китай впервые в мире начал полномасштабное внедрение не двоичных, а гибридных ИИ-чипов — и делает это не в экспериментальной лаборатории, а прямо в ключевых отраслях: от авионики до промышленных систем управления. Разработку возглавила команда профессора Ли Хунгэ из Пекинского авиационного университета. Их технология объединила в себе две разные логики — традиционную, основанную на значениях 0 и 1, и стохастическую — и в результате позволила обойти сразу несколько фундаментальных ограничений современной вычислительной архитектуры. В условиях технологической блокады со стороны США этот шаг можно считать не просто инженерным успехом, а политико-технологическим заявлением.
Разработанная архитектура показывает не только устойчивость к ошибкам, но и значительно более низкое энергопотребление , особенно в задачах управления в реальном времени — от сенсорных интерфейсов до авионики.
Как объясняет профессор Ли, современные вычислительные схемы сталкиваются с двумя ключевыми ограничениями. Первое — это так называемая энергетическая стена: несмотря на высокую плотность информации, двоичные системы расходуют слишком много энергии при масштабных операциях. Второе — архитектурная несовместимость: новые типы процессоров, особенно созданные не на основе кремния, с трудом взаимодействуют с существующими решениями, построенными на технологии CMOS (комплементарные металл-оксид-полупроводниковые структуры).
Поиск альтернатив начался ещё в 2022 году, когда команда задалась целью пересмотреть саму цифровую основу вычислений. Ключевым прорывом стала разработка нового формата представления данных — Hybrid Stochastic Number (HSN). Эта числовая модель объединяет два подхода: точное двоичное кодирование и вероятностное описание, в котором значения задаются не в виде чёткой цифры, а в форме распределения вероятностей. Иными словами, переменная в такой системе не просто равна «единице» или «нулю» — она может колебаться в заданных пределах, отражая степень неопределённости.
Это особенно важно в условиях, где данные поступают с искажениями — например, от датчиков, работающих в шумной или непредсказуемой среде. В таких случаях стохастический подход оказывается гораздо устойчивее: он позволяет системе адаптироваться к нестабильному входу и принимать решения даже при частичном отсутствии информации.
Для сравнения, двоичная логика требует жёсткой синхронизации и высокой точности — каждое отклонение в напряжении, каждая ошибка в передаче может привести к сбою. Кроме того, масштабные операции в традиционных схемах требуют большого числа транзисторов, что ведёт к росту энергопотребления и тепловыделения.
Гибридный метод, напротив, позволяет реализовать вычисления с меньшими аппаратными затратами. Благодаря стохастическому представлению снижается чувствительность к ошибкам, упрощается архитектура и уменьшается нагрузка на питание. Такой подход особенно выгоден в задачах с жёсткими энергетическими ограничениями или в устройствах, работающих в реальном времени, где надёжность важнее абсолютной точности.
Кроме того, поскольку стохастическая компонента модели допускает работу с неполными или расплывчатыми данными, HSN-архитектура потенциально подходит для систем машинного зрения, автономных управляемых устройств и ИИ-модулей в промышленных средах. Именно это делает её особенно привлекательной альтернативой в эпоху, когда традиционные кремниевые решения достигли предела роста по эффективности.
Особенно важен тот факт, что вся разработка базируется на китайских компонентах и технологиях. Это означает, что решение не зависит от американских полупроводников, находящихся под жёстким экспортным контролем. На фоне санкций, которые затрудняют закупку передовых GPU и специализированных ИИ-чипов от NVIDIA и AMD, Пекин активно продвигает курс на «технологический суверенитет».
С технической точки зрения, HSN-чипы можно применять в системах, где традиционные решения сталкиваются с перегрузкой: интеллектуальные сенсоры, бортовая электроника, автопилоты, робототехника. И если они действительно покажут себя в авиасистемах, это будет не только технологический успех, но и глобальный прецедент: впервые на таком уровне заработают не классические цифры, а вероятности.