Крупные российские банки начинают переходить на китайские чипы для искусственного интеллекта в условиях ухода Nvidia с рынка. «Сбер» и Т-банк уже тестируют новые решения, а «Альфа-банк» и ВТБ изучают возможности их применения. Эксперты считают, что такие микросхемы способны закрыть базовые задачи, но пока не могут полноценно заменить американские аналоги.
Крупнейшие российские банки начали искать альтернативу продукции Nvidia. «Сбер» и Т-банк проводят тестирование китайских ускорителей для искусственного интеллекта, в «Альфа-банке» изучают возможность применения подобных решений, узнали «Ведомости».
По словам топ-менеджеров, речь идет о поиске новых аппаратных платформ, которые могли бы обеспечить устойчивость дата-центров и развитие собственных ИИ-сервисов. Первый зампред правления Сбербанка Александр Ведяхин сообщил на ВЭФ, что ЦОДы работают на видеокартах Nvidia. Как только китайские производители предложат рабочие аналоги, российские игроки готовы будут их испытывать.
Собеседники из числа производителей электроники и IT-разработчиков подтверждают, что «Сбер» одним из первых среди банков запустил тестирование микросхем для ИИ из Китая. О том же сообщают источники относительно Т-банка.
Рост российского рынка микроэлектроники не решает проблему импортных компонентов
В «Альфа-банке» пока не применяют китайские решения, но общаются с вендорами и облачными провайдерами. Для испытаний рассматриваются графические ускорители MetaX C500. Они будут необходимы только в случае, если покажут нужную производительность в задачах генеративного ИИ.
В ВТБ прямо не сообщили о тестах китайских чипов, но подчеркнули, что придерживаются курса на технологический суверенитет, который предполагает диверсификацию вычислительных кластеров. Представитель банка выразил оптимизм относительно альтернативных GPU-решений, отметив их потенциал в снижении стоимости владения и повышении прозрачности технологий.
Эксперты указывают, что китайские чипы способны закрывать основные потребности банков: скоринг клиентов в реальном времени, борьбу с мошенничеством, персонализацию сервисов, а также работу голосовых и текстовых ассистентов. Однако для ресурсоемких задач — таких как обучение крупных языковых моделей или работа под экстремальными нагрузками — они пока уступают Nvidia, которая остается эталоном в отрасли.
По оценкам специалистов, одному «Сберу» для поддержки ИИ-инфраструктуры может потребоваться несколько тысяч чипов в год. Для банков меньшего масштаба, таких как Т-банк или «Альфа-банк», этот объем измеряется сотнями или в лучшем случае первой тысячей.
При этом отраслевые аналитики обращают внимание на ряд ограничений китайских решений. Такие чипы подходят для запуска уже обученных моделей, но практически не применимы для их обучения — что крайне важно для банков, работающих с собственными данными. Запуск всех нейросетей на китайских ускорителях невозможен без адаптации, в отличие от универсальных решений Nvidia. Главная же проблема кроется в ПО: подавляющее большинство решений в сфере ИИ ориентированы именно на драйверы и вычислительные среды Nvidia, поэтому переход потребует серьезной перестройки системного стека.