Broadcom заявила, что обеспечила поставки HBM-памяти и производственные мощности TSMC на передовых техпроцессах до 2028 года. Масштаб этих контрактов, как сообщается, сопоставим с соглашениями крупнейших разработчиков ИИ-чипов, включая Nvidia и AMD.
Этот шаг последовал за рекордным первым финансовым кварталом компании: выручка от чипов для искусственного интеллекта более чем удвоилась и достигла $8,4 млрд. Генеральный директор Hock Tan прогнозирует, что выручка Broadcom от AI-чипов может превысить $100 млрд к 2027 году.
Крупные технологические компании, включая Google, Meta, Microsoft и Amazon, всё активнее переходят на заказные чипы, разработанные при участии Broadcom.
Примечание редакции блога
Broadcom специализируется на чипах для сетевой инфраструктуры и ускорителей ИИ. Один из примеров — процессор Tomahawk Ultra, предназначенный для управления потоками данных между большим количеством чипов в дата-центрах.
В отличие от универсальных GPU компании Nvidia, такие решения относятся к классу ASIC (application-specific integrated circuits) — специализированных микросхем, оптимизированных под конкретные вычислительные задачи.
Это позволяет ускорять ИИ-вычисления без графической нагрузки, повышая энергоэффективность и снижая стоимость инфраструктуры.
GPU vs ASIC: ключевые отличия
GPU (например, от Nvidia) — универсальные графические процессоры. Изначально они создавались для обработки графики и игр, но благодаря способности выполнять множество параллельных операций стали основой для обучения нейросетей. Такие чипы продаются как готовые продукты и используются множеством компаний.
ASIC — специализированные интегральные схемы, разрабатываемые под конкретную задачу или модель ИИ. Они создаются по индивидуальному заказу крупных компаний и производятся на мощностях TSMC.
Такие чипы:
оптимизированы под конкретные алгоритмы,
обеспечивают более высокую энергоэффективность,
но не являются универсальными.
Примеры подобных решений:
Google TPU
Amazon Trainium
Microsoft Maia
Почему технологические гиганты переходят на ASIC
Спрос на вычислительные мощности для ИИ резко вырос, что привело к дефициту GPU, особенно у Nvidia. Ограниченные мощности TSMC, высокие цены и очереди на поставки стали узким местом в цепочке производства.
В этих условиях крупные компании всё чаще выбирают разработку собственных ускорителей. Broadcom помогает им проектировать такие ASIC-чипы, которые затем производятся на фабриках TSMC.
Чтобы обеспечить поставки, Broadcom заранее зарезервировала производственные мощности и поставки HBM-памяти до 2028 года.
Почему HBM критична для AI-чипов
HBM (High-Bandwidth Memory) — память с чрезвычайно высокой пропускной способностью.
Она необходима для работы современных ускорителей ИИ, поскольку обучение больших моделей требует обмена данными со скоростью терабайты в секунду.
GPU вроде Nvidia H100 используют большие объёмы HBM — иногда сотни гигабайт на один ускоритель. Однако эта память также требуется и специализированным ASIC-чипам.
HBM производят в основном компании:
SK Hynix
Samsung Electronics
Ограниченные объёмы её производства стали ещё одним узким местом индустрии ИИ-чипов.
Общая картина
Рынок развивается по цепочке:
взрывной рост ИИ → дефицит GPU и HBM → техгиганты создают собственные ASIC → Broadcom резервирует мощности TSMC и поставки HBM до 2028 года.
Это не означает полного отказа от GPU Nvidia. Скорее, речь идёт о дополнении инфраструктуры специализированными ускорителями, которые позволяют крупным компаниям оптимизировать свои вычислительные системы и снизить зависимость от универсальных GPU.
Комментариев нет:
Отправить комментарий